Vraag gesteld door Tomas Bogaerts op 12-02-2010Hallo,
Ik heb een probleem met mijn model. Ik heb een multiple logistische regressie in SPSS uitgevoerd, echter in de model fitting informatie is mijn model niet significant (sig=0,103)... Wat kun je doen om het model alsnog significant te krijgen? Moet je je data aanpassen of moet je je model aanpassen??
Alvast dank,
Tomas Antwoord gegeven door Gilles op 15-02-2010Beste Thomas,
ik weet niet wat voor studie je doet maar ik neem aan dat je een wetenschappelijke studie doet. Het doel van een wetenschappelijke studie is om te leren wetenschap te bedrijven. Bij empirisch onderzoek doorloop je de zogeheten empirische cyclus. Je begint met een bepaalde waarneming. Hierop volgt inductie, waarin je een theorie vormt over je waarnemeing. In de deductie fase leid je uit je theorie toetsbare hypotheses af. Deze hypotheses toets je in de volgende fase door data te verzamelen en hier analyses op los te laten. Als laatste evalueer je de uitkomsten en dan begint, mogelijkerwijs, de cyclus opniew.
Om een lang verhaal kort te maken, er staat een pijl van dataverzameling en analyses naar evaluatie en niet andersom. Het is dus niet de bedoeling dat wanneer je geen significant resultaat vindt dat je je data aan gaat passen, ook wel data massage genoemt. Het enige wat je aan je data wilt doen is de outliers verwijderen maar ik ga er vanuit dat je dit al gedaan hebt voordat je je model getoetst hebt.
Wanneer je een p-waarde vindt van 0.103 is dat grofweg de kans dat je model toevallig past. De afgesproken grens is 0.05. Er is dus geen effect. Ga vooral dus niet je data masseren(behalve outliers verwijderen) om te zoeken naar een effect die er niet is.
Aangezien je nogal weinig informatie geeft over je model kan ik je ook niet veel advies geven. Ik neem aan dat het model dat je getoetst hebt berust op theorie en conform je alternatieve hypothese is. Je geeft aan dat dit model niet past. Het is altijd mogelijk om exploratief andere modellen te fitten die mogelijk wel passen maar ik benadruk, dit is exploratief! Je zou je model dus wel kunnen aanpassen door predictoren weg te laten of door ze toe te voegen.
Mocht dit allemaal niks opleveren is het aan jou om te bedenken waarom je niks gevonden hebt. Het zou bijvoorbeeld kunnen liggen aan het feit dat je dataset te klein is en je power dus te laag is. Het zou ook kunnen dat er assumpties van de logistische regressie geschonden zijn die het effect teniet doen. Toets deze assumpties!
Ook zonder een significant resultaat kun je een goed cijfer halen voor je onderzoek. Het is veel belangrijker dat je de analyse die je uitvoert begrijpt en het resultaat kan interpreteren!
Mocht je er niet uitkomen kun je altijd langs komen op maandag (van 13:00 tot 15:00) of woensdag of vrijdag van 11:00 tot 13:00.
succes!
groet,
Robert
|
uitleg
Bij de methodologiewinkel kunt u terecht met vragen van statistische en methodologische aard.
U dient eerst een gebruikersnaam en
wachtwoord aan te maken. Daarna gaat u naar 'stel een vraag'.
De vragen worden beantwoord door studenten met een uitgebreide statistische
en methodologische achtergrond.
inloggen
Wachtwoord vergeten? Laat uw gebruikersnaam en wachtwoord
per email versturen.
|
