1 / 19

Hoofdstuk

Hoofdstuk. 19. Voorspellende analyse bij marktonderzoek. Voorspellen begrijpen. Voorspelling: een uitspraak over wat er naar verwachting in de toekomst zal gebeuren op basis van ervaringen uit het verleden of voorafgaande observatie. Voorspellen begrijpen Twee methoden.

adelle
Download Presentation

Hoofdstuk

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Hoofdstuk 19 Voorspellende analyse bij marktonderzoek

  2. Voorspellen begrijpen • Voorspelling: een uitspraak over wat er naar verwachting in de toekomst zal gebeuren op basis van ervaringen uit het verleden of voorafgaande observatie.

  3. Voorspellen begrijpen Twee methoden • Twee methoden van voorspellen • Extrapolatie: bij extrapolatie gebruik je een ervaring uit het verleden als middel om de toekomst te voorspellen. • Voorspellend model: in een voorspellend model zijn de omstandigheden opgenomen die naar verwachting een rol spelen en de factor of variabelen beïnvloeden die je wilt voorspellen.

  4. Voorspellen begrijpen Bepalen hoe ‘goed’ je voorspelling is • Ongeacht de voorspellingsmethode wil je altijd beoordelen hoe goed je voorspelling is, ofwel hoe goed je methode is in het doen van die voorspellingen. • Als je vergelijkt hoe ver de voorspelde waarden afliggen van de feitelijke of waargenomen waarden, doe je een analyse van residuen.

  5. Enkelvoudige regressieanalyse • Een voorspellende analysetechniek waarbij één variabele wordt gebruikt om het niveau van een andere variabele te voorspellen met de formule voor de rechte lijn. • Aan regressie ligt een rechtlijnig verband ten grondslag en het is een krachtig voorspellend model.

  6. Enkelvoudige regressieanalyse

  7. Enkelvoudige regressieanalyse Basisprocedures bij enkelvoudige regressieanalyse • Onafhankelijke variabele: de variabele die wordt gebruikt om de afhankelijke variabele te voorspellen en deze heet x in de regressieformule. • Afhankelijke variabele: de variabele die wordt voorspeld en deze heet gewoonlijk y in de regressievergelijking voor een rechte lijn. • Het kleinstekwadratencriterium:een manier om te garanderen dat de rechte lijn die door de punten in het spreidingsdiagram loopt, zo is gepositioneerd dat de verticale afstanden van de verschillende punten tot de lijn zo klein mogelijk zijn.

  8. Enkelvoudige regressieanalyse Basisprocedures bij enkelvoudige regressieanalyse • Het is bij regressieanalyse niet voldoende om alleen de waarden voor a en b te berekenen, omdat de twee waarden nog moeten worden getoetst op statistische significantie. • Het feit dat de lijn (slechts) de beste benadering is van de punten betekent dat we rekening moeten houden met een bepaalde hoeveelheid fouten als we de lijn voor onze voorspelling gebruiken. • Standaardfout van de schatting: analoog aan de standaardfout van het gemiddelde die je hebt gebruikt om een populatiegemiddelde op basis van een steekproef te schatten.

  9. Enkelvoudige regressieanalyse Basisprocedures bij enkelvoudige regressieanalyse • Om voorspellingen te doen moet je betrouwbaarheidsintervallen rond de regressielijn berekenen.

  10. Meervoudige regressieanalyse • Meervoudige regressieanalyse is een uitbreiding van enkelvoudige regressieanalyse in zoverre dat er meer dan één onafhankelijke variabele wordt gebruikt in de regressievergelijking. • Een onderliggend conceptueel model: in een algemeen conceptueel model zijn onafhankelijke en afhankelijke variabelen opgenomen waarbij wordt aangegeven hoe ze met elkaar in verband staan.

  11. Meervoudige regressieanalyse

  12. Meervoudige regressieanalyse • Meervoudige regressieanalyse: een uitbreiding van enkelvoudige regressieanalyse in zoverre dat er meer dan één onafhankelijke variabele wordt gebruikt in de regressievergelijking.

  13. Meervoudige regressieanalyse • Basisvooronderstellingen bij meervoudige regressieanalyse: • De regressielijn verandert in een regressie-vlak. • De R-waarde, ook wel de determinatiecoëfficiënt genoemd, is een handige maat voor de sterkte van het hele lineaire verband. • De vooronderstelling van onafhankelijkheid: betekent dat de onafhankelijke variabelen statistisch onafhankelijk van elkaar moeten zijn en dus niet mogen correleren. • Variance inflation factor (VIF): is een getal en als vuistregel geldt dat zolang de VIF kleiner is dan 10 multicollineariteit geen probleem is.

  14. Meervoudige regressieanalyse

  15. Meervoudige regressieanalyse

  16. Meervoudige regressieanalyse • Speciale toepassingen van meervoudige regressieanalyse: • Een ‘dummy’ als onafhankelijke variabele gebruiken • Gestandaardiseerde bèta’s: gebruiken om het belang van de onafhankelijke variabelen te vergelijken • Meervoudige regressieanalyse als screenings-instrument gebruiken

  17. Stapsgewijze meervoudige regressie • Als de onderzoeker meervoudige regressie als screeningsinstrument gebruikt of anderszins te maken heeft met een groot aantal onafhankelijke variabelen in het conceptuele model die met meervoudige regressie moeten worden getoetst, is het soms een taaie klus om het aantal onafhankelijke variabelen terug te brengen. • Bij stapsgewijze meervoudige regressie wordt de (ene) onafhankelijke variabele die statistisch significant is en de meeste variantie in de afhankelijke variabele verklaart vastgesteld en in de meervoudige regressievergelijking ingevoerd. • Vervolgens wordt de statistisch significante onafhankelijke variabele die het meest bijdraagt aan de verklaring van de overblijvende onverklaarde variantie in de afhankelijke variabele vastgesteld en in de vergelijking ingevoerd. • Alle niet-significante onafhankelijken worden geëlimineerd.

  18. Twee waarschuwingen omtrent regressieanalyse • Regressieanalyse is niets meer dan een statistisch instrument waarbij een lineair verband wordt voorondersteld tussen twee variabelen. • Je moet regressieanalyse niet toepassen om dingen te voorspellen die buiten de grenzen van de data liggen die je voor het regressiemodel hebt gebruikt.

More Related