Ik ben bezig met een thesis, ik zal het probleem snel even schetsen: Je hebt allemaal koe-waarnemingen en je wil met een bepaalde gegevens dat je van die koeien hebt (M, UR en VE) iets voorspellen (VEM en DVE) de drie factoren hebben een significante invloed (p=0,005) Dus mijn model heeft uiteingelijk een p=0,015 De R2 wordt nooit hoger dan 25% de standaardafwijking is 7 (normale waarde is 100, dus is de standaardafwijking eigenlijk 7%) Nu is mijn vraag: Hoeveel waarnemingen moet je ongeveer hebben om een betrouwbare voorspelling te maken. Momenteel heb ik amper 100 waarnemingen. Mag ik dit als reden schrijven waarom het model niet goed is? Wat kan ik als advies geven naar de toekomst toe, moeten ze bvb meer waarnemingen hebben, zoja hoeveel? Groetjes Didi
Didi
Student Hoger Onderwijs België - donderdag 1 mei 2003
Antwoord
Je steekproefgrootte is het probleem niet. De R2 waarde is bijzonder laag, dat maakt uiteindelijk een goede voorspelling onmogelijk. Welliswaar hebben de drie factoren zoals je zegt een significante invloed, dat wil echter niet zeggen dat die invloed dan ook direct groot is. Meer waarneming nemen heeft weinig zin. Het komt er simpelweg op neer dat VEM en DVE niet goed te voorspellen zijn uit de M, UR en VE. 75% van de variantie in VEM en DVE wordt niet verklaard door jouw model. In je model zit uiteindelijk het probleem. Hoe dat komt ? Of je misschien een belangrijke andere voorspellende factor over het hoofd gezien hebt ? Het zou kunnen maar het kan ook zijn dat er geen andere voorspellende factor is.
