Nonlineaire regressie

Uit Methodologiewinkel
Ga naar: navigatie, zoeken

Een curivlineaire regressie is een andere naam voor een regressie die niet lineair is. De regressie kan op meerdere manieren niet lineair zijn, zoals kwadratisch of kubisch (exponentieel).

Hieronder zie je een voorbeeld van twee scatterplots met op de x as de sterkte van de manipulatie en op de y as de waarde van de afhankelijke variabele.


Non-lineaire regressie kan interessant zijn wanneer je een manipulatie hebt die bij het sterker worden niet automatisch tot een hogere waarde op de afhankelijke variabelen leidt. Het zou kunnen dat een sterke manipulatie leidt tot een hogere waarde op de afhankelijke variabele, maar dat een nog sterkere manipulatie juist een tegengesteld effect heeft en dus tot een lagere waarde op de afhankelijke variabele leidt.

Scatters.png

In SPSS kun je testen of het effect lineair of niet lineair verloopt door de onafhankelijke variabele op een lineaire of niet lineaire manier te transformeren. Stel, je hebt een variabele conditie met waarden 1, 2, 3, 4, dan is dat lineair. Je kunt vervolgens deze variabele kwadrateren om een kwadratische variant te maken. Je kunt de variabele tot de macht 3 vergroten (x^3) om een kubische variant te maken. Ik heb dat gesimuleerd in de data hieronder. Zoals je kunt zien heb ik de afhankelijke variabele kwadratisch gesimuleerd zoals in het plaatje hierboven.

Nonlindata.png

Vervolgens kun je in een regressie elk van deze variabele in een apart blok toevoegen en met de R-squared change optie aangeven dat je wilt kijken of de verschillen tussen die blokken significant zijn. Hieronder staat de output voor mijn gesimuleerde data. Je ziet dat de R squared change alleen significant is voor het tweede model, wat betekent dat het kwadratische verband het best past bij de data.

Nonlinres.png

In onderstaande youtube video wordt deze analyse verder uitgelegd.

EmbedVideo is missing a required parameter.