T4 Regressie-analyse, T4.1 Enkelvoudige regressie-analyse

Question 1

Wat is het doel van regressieanalyse?

Answer 1

Het doel van regressieanalyse is om op basis van de waarde op de ene variabele een voorspelde waarde op de andere variabele te berekenen en tegelijkertijd een indruk te geven van hoe accuraat die voorspelling zal zijn.

Question 2

Wat is een regressielijn en wat vertegenwoordigt het?

Answer 2

Een regressielijn geeft de beste voorspelling weer van de ene variabele door de andere variabele. Het vertegenwoordigt de lijn die gemiddeld voor alle punten het “dichtst” in de buurt ligt van de daadwerkelijk geobserveerde waarden van de afhankelijke variabele.

Question 3

Wat zijn de twee belangrijkste vragen bij regressieanalyse?

Answer 3

De twee belangrijkste vragen bij regressieanalyse zijn: hoe vinden we de beste lijn in een willekeurige puntenwolk, en hoe goed past deze lijn bij de data?

Question 4

Hoe worden regressielijnen beïnvloed door de steilheid en richting?

Answer 4

De steilheid en richting van regressielijnen worden beïnvloed door de mate van correlatie tussen de variabelen. Een steilere lijn duidt op een sterker verband tussen de variabelen, terwijl de richting aangeeft of het verband positief of negatief is.

Question 5

Hoe wordt de beste voorspelling berekend met behulp van een regressielijn?

Answer 5

De beste voorspelling wordt berekend door het kruispunt van de regressielijn met de verticale lijn die over de bekende waarde van de onafhankelijke variabele loopt. Dit geeft de voorspelde waarde van de afhankelijke variabele.

Question 6

Wat vertegenwoordigt het intercept in een regressiemodel?

Answer 6

Het intercept in een regressiemodel vertegenwoordigt de voorspelde waarde van de afhankelijke variabele wanneer de waarde van de onafhankelijke variabele(n) gelijk is aan nul.

Question 7

Wat is extrapolatie en interpolatie in de context van regressieanalyse?

Answer 7

Extrapolatie is het berekenen van voorspellingen voor waarden buiten het bereik van de data waarop het regressiemodel gebaseerd is, zoals het voorspellen van een waarde bij een predictorvariabele die buiten het bereik van de oorspronkelijke data ligt. Interpolatie daarentegen is het gebruik van een model om tussenliggende waarden te berekenen binnen het bereik van de oorspronkelijke data.

Question 8

Waarom kan het voorspelde gewicht van een pinguïn negatief zijn volgens het regressiemodel?

Answer 8

Het voorspelde gewicht van een pinguïn kan negatief zijn volgens het regressiemodel vanwege extrapolatie, waarbij de regressielijn wordt doorgetrokken tot de waarde 0 op de x-as, hoewel dit niet fysiek mogelijk is. Echter, dit heeft geen praktische relevantie omdat het model alleen wordt gebruikt voor bestaande pinguïns waarvoor extrapolatie niet nodig is.

Question 9

Wat wordt bedoeld met de intercepten van een regressiemodel?

Answer 9

De intercepten van een regressiemodel zijn de waarden van de afhankelijke variabele wanneer alle onafhankelijke variabelen gelijk zijn aan nul. Deze waarden worden aangeduid als de intercepten en zijn de eerste regressiecoëfficiënten in het model, aangeduid als β0, B0 of b0.

Question 10

Wat vertegenwoordigt de hellingscoëfficiënt in een regressiemodel?

Answer 10

De hellingscoëfficiënt (β1) in een regressiemodel geeft aan hoeveel de afhankelijke variabele op de y-as verandert als de onafhankelijke variabele op de x-as met één eenheid toeneemt.

Question 11

Hoe wordt de helling van de regressielijn geïllustreerd?

Answer 11

De helling van de regressielijn wordt geïllustreerd door de groei van de variabele op de y-as als de variabele op de x-as met één eenheid toeneemt. Dit wordt weergegeven door het verschil tussen het voorspelde gewicht (of de voorspelde snavelhoogte) en het intercept.

Question 12

Hoe wordt de formule voor het voorspellen van de afhankelijke variabele uit de onafhankelijke variabele(n) in een regressiemodel opgesteld?

Answer 12

De formule voor het voorspellen van de afhankelijke variabele uit de onafhankelijke variabele(n) in een regressiemodel is ^y = β0 + β1x1, waarbij ^y de voorspelde waarde van de afhankelijke variabele is, β0 het intercept is, β1 de hellingscoëfficiënt is en x1 de waarde van de onafhankelijke variabele.

Question 13

Hoe wordt de helling van de regressielijn berekend in een regressiemodel?

Answer 13

De helling van de regressielijn wordt berekend als de toename of afname van de afhankelijke variabele op de y-as voor elke toename van één eenheid van de onafhankelijke variabele op de x-as. In formules wordt dit weergegeven als de waarde van de hellingscoëfficiënt (β1) in het regressiemodel.

Question 14

Wat is een dichotome voorspeller in regressieanalyse?

Answer 14

Een dichotome voorspeller is een variabele die slechts twee waarden kan aannemen, zoals ja/nee, man/vrouw, etc.

Question 15

Wat is dummycodering en waarom wordt het gebruikt bij dichotome voorspellers in regressieanalyse?

Answer 15

Dummycodering is het toekennen van numerieke waarden aan de categorieën van een dichotome voorspeller, meestal 0 en 1. Het wordt gebruikt om categorische variabelen met slechts twee categorieën in regressieanalyse te kunnen gebruiken.

Question 16

Hoe worden de regressiecoëfficiënten geïnterpreteerd bij een dichotome voorspeller in regressieanalyse?

Answer 16

Bij een dichotome voorspeller in regressieanalyse is het intercept gelijk aan de voorspelde waarde voor de groep met de waarde 0 van de dichotome voorspeller. De helling van de regressielijn is het verschil tussen de gemiddelde waarden van de afhankelijke variabele voor de twee categorieën van de dichotome voorspeller.

Question 17

Hoe wordt de helling van de regressielijn berekend voor een dichotome voorspeller in regressieanalyse?

Answer 17

De helling van de regressielijn voor een dichotome voorspeller in regressieanalyse wordt berekend als het verschil tussen de gemiddelde waarden van de afhankelijke variabele voor de twee categorieën van de dichotome voorspeller.

Question 18

Welke statistische methode wordt vaak gebruikt voor het analyseren van het verband tussen een dichotome voorspeller en een continue variabele, in plaats van regressieanalyse?

Answer 18

Voor het analyseren van het verband tussen een dichotome voorspeller en een continue variabele wordt vaak de variantieanalyse (ANOVA) gebruikt in plaats van regressieanalyse.

Question 19

Wat is het verschil tussen correlatieanalyse en regressieanalyse?

Answer 19

Correlatieanalyse onderzoekt de relatie tussen twee variabelen zonder een causaal verband aan te geven, terwijl regressieanalyse asymmetrisch is en een voorspellingsmodel produceert waarbij de waarde van de ene variabele wordt voorspeld op basis van de waarde van de andere variabele.

Question 20

Wat is het verschil tussen de predictorvariabele en de afhankelijke variabele in regressieanalyse?

Answer 20

De predictorvariabele (vaak aangeduid als
�
x) is de variabele die wordt gebruikt om de waarde van de afhankelijke variabele (vaak aangeduid als
�
y) te voorspellen. De afhankelijke variabele is de variabele die wordt voorspeld op basis van de predictorvariabele.

Question 21

Wat is het statistische structurele model bij enkelvoudige regressieanalyse?

Answer 21

Het statistische structurele model bij enkelvoudige regressieanalyse bestaat uit twee variabelen: de predictorvariabele
�
x en de afhankelijke variabele
�
y. Dit wordt weergegeven door een ellips met label
�
x aan de linkerkant en een ellips met label
�
y aan de rechterkant, met een pijl die van de linker naar de rechter ellips loopt om het causale verband aan te geven.

Question 22

Wat is de proportie verklaarde variantie in regressieanalyse en hoe wordt deze aangeduid?

Answer 22

De proportie verklaarde variantie, aangeduid als R^2
, geeft aan hoeveel van de variantie van de afhankelijke variabele wordt verklaard door de predictorvariabele(s) in het regressiemodel. Het kan waarden aannemen van 0 tot en met 1, waarbij hogere waarden aangeven dat een groter deel van de variantie wordt verklaard.

Question 23

Wat betekent een R^2 van 1 in regressieanalyse?

Answer 23

Een R^2 van 1 betekent dat alle geobserveerde scores exact op een rechte lijn liggen en dat de afhankelijke variabele perfect voorspeld kan worden uit de predictorvariabele(s). Met andere woorden, de predictorvariabele verklaart 100% van de variantie in de afhankelijke variabele.

Question 24

Hoe wordt de R^2 berekend in enkelvoudige regressieanalyse?

Answer 24

In enkelvoudige regressieanalyse is de R^2
gelijk aan het kwadraat van de correlatie tussen de predictor- en de afhankelijke variabele. Dit geeft aan welk deel van de variantie in de afhankelijke variabele wordt verklaard door de predictorvariabele.

Question 25

Waarom is het belangrijk om betrouwbaarheidsintervallen te berekenen in regressieanalyse?

Answer 25

Het is belangrijk om betrouwbaarheidsintervallen te berekenen omdat deze aangeven hoeveel ruis er in de data aanwezig is als gevolg van steekproeftoeval en meetfouten. Deze betrouwbaarheidsintervallen helpen onderzoekers bij het interpreteren van de resultaten en het maken van uitspraken over de populatie.

Question 26

Welke steekproevenverdeling wordt gebruikt voor de parameters b0 en b1 in een regressiemodel?

Answer 26

Voor de parameters b0 en b1 in een regressiemodel wordt de t-verdeling gebruikt.

Question 27

Wat is het verschil tussen de t-verdeling en de z-verdeling?

Answer 27

De t-verdeling is een variant van de z-verdeling die is aangepast voor kleine steekproeven. Voor grote steekproeven zijn beide verdelingen praktisch niet te onderscheiden.

Question 28

Hoe worden de vrijheidsgraden van de t-verdeling berekend in regressieanalyse?

Answer 28

De vrijheidsgraden van de t-verdeling in regressieanalyse worden berekend als het aantal deelnemers in de steekproef minus het totale aantal regressiecoëfficiënten.

Question 29

Waarom is het beter om standaard met de t-verdeling te werken in plaats van de z-verdeling in regressieanalyse?

Answer 29

Het is beter om standaard met de t-verdeling te werken omdat deze geen subjectief oordeel vereist over de vraag of een steekproef 'groot genoeg' is, in tegenstelling tot de z-verdeling.

Question 30

Welke verdeling wordt gebruikt om de p-waarde voor R^2 te berekenen in regressieanalyse en waarom?

Answer 30

De F-verdeling wordt gebruikt om de p-waarde voor R^2 te berekenen in regressieanalyse, omdat R^2 de proportie verklaarde variantie is en de F-verdeling wordt gebruikt voor nulhypothese-significantietoetsing om de kans op de gevonden R^2 te bepalen als de voorspeller in de populatie geen samenhang vertoont met de voorspelde variabele.

Question 31

Wat is de steekproefwaarde in de formule voor het betrouwbaarheidsinterval van een regressiecoëfficiënt?

Answer 31

De steekproefwaarde is de puntschatting voor de regressiecoëfficiënt uit de steekproef.

Question 32

Wat is de breedte-index in de formule voor het betrouwbaarheidsinterval van een regressiecoëfficiënt?

Answer 32

De breedte-index is afkomstig uit de t-verdeling. Voor een 95%-betrouwbaarheidsinterval is de breedte-index de t-waarde waarvoor geldt dat slechts 2.5% van de t-waarden hoger is.

Question 33

Hoe wordt de standaardfout berekend voor het betrouwbaarheidsinterval van een regressiecoëfficiënt?

Answer 33

De standaardfout wordt gegeven door statistische software.

Question 34

Hoe beïnvloedt de grootte van de steekproef de breedte van het betrouwbaarheidsinterval voor een regressiecoëfficiënt?

Answer 34

Hoe groter de steekproef is, hoe kleiner de standaardfout. Dit betekent dat de betrouwbaarheidsintervallen smaller worden naarmate de steekproef groter is, waardoor de regressiecoëfficiënten accurater worden geschat.

Question 35

Wat is de nulhypothese bij het testen van een regressiecoëfficiënt?

Answer 35

De nulhypothese bij het testen van een regressiecoëfficiënt is dat er in de populatie geen verband is tussen de twee variabelen, wat betekent dat de populatie regressiecoëfficiënt gelijk is aan 0.

Question 36

Wat wordt bedoeld met de steekproevenverdeling van een regressiecoëfficiënt?

Answer 36

De steekproevenverdeling van een regressiecoëfficiënt is de verdeling van alle mogelijke regressiecoëfficiënten die gevonden kunnen worden in steekproeven, onder de aanname dat er in de populatie geen verband is tussen de twee variabelen.

Question 37

Hoe worden p-waarden berekend bij het testen van een regressiecoëfficiënt?

Answer 37

De p-waarden worden berekend door de proportie van de nulhypothese-steekproevenverdeling te bepalen die overeenkomt met regressiecoëfficiënten gelijk aan of extremer dan die in de steekproef.

Question 38

Hoe worden p-waarden geïnterpreteerd bij nulhypothese-significantietoetsing?

Answer 38

p-waarden lager dan 0.05 worden over het algemeen geïnterpreteerd als aanwijzing dat het verband waar de p-waarde betrekking op heeft, in de populatie ongelijk is aan 0, wat leidt tot het verwerpen van de nulhypothese.

Question 39

Wat wordt bedoeld met het intercept in een regressievergelijking?

Answer 39

Het intercept in een regressievergelijking is de waarde van de afhankelijke variabele wanneer de predictorvariabele een waarde van 0 heeft. Het geeft dus het gemiddelde van de afhankelijke variabele weer bij afwezigheid van de predictorvariabele.

Question 40

Wat wordt bedoeld met de regressiecoëfficiënt in een regressievergelijking?

Answer 40

De regressiecoëfficiënt in een regressievergelijking geeft de mate aan waarin de afhankelijke variabele verandert bij een verandering van één eenheid in de predictorvariabele. Een positieve coëfficiënt geeft een positieve relatie aan, terwijl een negatieve coëfficiënt een negatieve relatie aangeeft tussen de variabelen.

Question 41

Wat is het doel van een regressievergelijking?

Answer 41

Het doel van een regressievergelijking is om voorspellingen te doen over de waarden van de afhankelijke variabele op basis van de waarden van de predictorvariabele(n). Dit wordt bereikt door het vinden van de beste passende lijn door de gegeven data, waarbij de voorspelde waarden zo dicht mogelijk bij de werkelijke waarden liggen.

Question 42

Hoe wordt het intercept geïnterpreteerd in een regressievergelijking?

Answer 42

Het intercept wordt geïnterpreteerd als de verwachte waarde van de afhankelijke variabele wanneer de predictorvariabele een waarde van 0 heeft. In sommige gevallen kan het intercept echter geen zinvolle interpretatie hebben, zoals wanneer de waarde 0 van de predictorvariabele niet voorkomt in de gegevens.

Question 43

Wat is het doel van een betrouwbaarheidsinterval in een regressieanalyse?

Answer 43

Het betrouwbaarheidsinterval geeft een schatting van het bereik waarbinnen de ware waarde van een regressiecoëfficiënt met een bepaalde betrouwbaarheid ligt. Het wordt gebruikt om de nauwkeurigheid van de schattingen van regressiecoëfficiënten te beoordelen.

Question 44

Wat is de betekenis van de R^2 (R-kwadraat) in een regressieanalyse?

Answer 44

De R^2 (R-kwadraat) geeft het percentage van de variantie in de afhankelijke variabele dat wordt verklaard door de predictorvariabele(n) in het model. Het varieert van 0 tot 1, waarbij een hogere waarde aangeeft dat een groter deel van de variantie wordt verklaard door het model.

Question 45

Wat is het verschil tussen de puntschatting van een regressiecoëfficiënt en het betrouwbaarheidsinterval ervan?

Answer 45

De puntschatting van een regressiecoëfficiënt is de geschatte waarde van de coëfficiënt op basis van de steekproefgegevens. Het betrouwbaarheidsinterval geeft een bereik van waarden waarbinnen de ware waarde van de coëfficiënt met een bepaalde betrouwbaarheid ligt, gebaseerd op de steekproefgegevens.

Question 46

Wat wordt bedoeld met de p-waarde in het kader van nulhypothese-significantietoetsing (NHST)?

Answer 46

De p-waarde geeft de kans aan om de gevonden resultaten of extremere resultaten te verkrijgen als de nulhypothese waar is. In het geval van regressieanalyse geeft het de kans aan om de gevonden waarde van de regressiecoëfficiënt te verkrijgen als er geen verband is tussen de predictorvariabele en de afhankelijke variabele in de populatie. Kleine p-waarden duiden op significantie, wat betekent dat het verband waarschijnlijk niet het gevolg is van toeval.

Question 47

Wat zijn gestandaardiseerde regressiecoëfficiënten en waarom zijn ze handig?

Answer 47

Gestandaardiseerde regressiecoëfficiënten worden verkregen door de variabelen in een regressieanalyse te standaardiseren, wat betekent dat ze worden omgezet naar z-scores (gemiddelde van 0 en standaarddeviatie van 1). Hierdoor kunnen regressiecoëfficiënten worden vergeleken tussen modellen waarbij de variabelen op verschillende schalen zijn gemeten.

Question 48

Wat is het verschil tussen gestandaardiseerde en ruwe regressiecoëfficiënten?

Answer 48

Ruwe regressiecoëfficiënten worden berekend op basis van de oorspronkelijke meeteenheden van de variabelen, terwijl gestandaardiseerde regressiecoëfficiënten worden berekend op basis van z-scores, wat betekent dat ze onafhankelijk zijn van de oorspronkelijke meeteenheden en schaalverdelingen.

Question 49

Waarom zijn gestandaardiseerde regressiecoëfficiënten handig bij het vergelijken van modellen?

Answer 49

Gestandaardiseerde regressiecoëfficiënten zijn handig bij het vergelijken van modellen omdat ze gecorrigeerd zijn voor de schaalverdeling van de variabelen. Hierdoor kunnen effectgroottes tussen modellen worden vergeleken zonder beïnvloed te worden door de oorspronkelijke meeteenheden van de variabelen.

Question 50

Hoe worden gestandaardiseerde regressiecoëfficiënten berekend?

Answer 50

Gestandaardiseerde regressiecoëfficiënten worden berekend door de variabelen te standaardiseren, wat inhoudt dat het gemiddelde van elke variabele wordt afgetrokken en het resultaat wordt gedeeld door de standaarddeviatie van die variabele. Vervolgens wordt de regressieanalyse uitgevoerd met de gestandaardiseerde variabelen.

Question 51

Wat is centreren in regressie-analyse?

Answer 51

Centreren in regressie-analyse is de eerste stap van standaardisatie, waarbij het gemiddelde van elke variabele wordt afgetrokken van elk datapunt. Hierdoor verandert de schaalverdeling van de variabele niet, maar wordt het gemiddelde gelijk aan 0.

Question 52

Wat is het effect van centreren op het intercept in regressie-analyse?

Answer 52

Centreren van een voorspellende variabele in regressie-analyse verandert het intercept. Het intercept wordt dan de voorspelde waarde van de afhankelijke variabele voor een individu met de gemiddelde score op de gecentreerde voorspeller.

Question 53

Waarom kan centreren van een variabele het interpretatieprobleem van het intercept oplossen?

Answer 53

Centreren van een variabele kan het interpretatieprobleem van het intercept oplossen omdat het intercept dan de voorspelde waarde van de afhankelijke variabele wordt voor individuen met de gemiddelde score op de gecentreerde voorspeller, waardoor het intercept interpreteerbaar wordt.

Question 54

Wat gebeurt er met de hellingscoëfficiënt wanneer een variabele gecentreerd wordt?

Answer 54

Wanneer een variabele gecentreerd wordt, blijft de hellingscoëfficiënt hetzelfde. Het beschrijft nog steeds de relatie tussen de variabelen, maar het intercept wordt beïnvloed door het centreren van de voorspeller.

Question 55

Wat drukt de asymmetrische aard van het regressiemodel uit?

Answer 55

De pijl in het regressiemodel die van de onafhankelijke variabele (x) naar de afhankelijke variabele (y) loopt, drukt de asymmetrische aard van het regressiemodel uit.

Question 56

Wat impliceert de asymmetrie in regressieanalyse over causaal verband tussen variabelen?

Answer 56

De asymmetrie in regressieanalyse impliceert geen causaal verband tussen variabelen. Het is belangrijk te onthouden dat de termen 'effect', 'voorspelling' en 'verklaring' in de statistiek verwijzen naar verklaarde variantie en niet naar een causaal effect.

Question 57

Waar wordt de meetfout in een asymmetrisch regressiemodel toegeschreven?

Answer 57

In een asymmetrisch regressiemodel wordt alle meetfout toegeschreven aan de afhankelijke variabele. Dit betekent dat de regressiecoëfficiënten zo worden berekend dat de afwijkingen tussen de regressielijn en de datapunten in de afhankelijke variabele zo klein mogelijk zijn.

Question 58

Waarom is de aanname dat alle meetfout alleen in de afhankelijke variabele zit onrealistisch?

Answer 58

De aanname dat alle meetfout alleen in de afhankelijke variabele zit, is onrealistisch omdat in de meeste onderzoeken alle variabelen met meetinstrumenten worden gemeten, wat betekent dat alle variabelen meetfout kunnen bevatten.

Question 59

Wat zijn de 'harde' aannames van een enkelvoudige regressieanalyse?

Answer 59

De 'harde' aannames van een enkelvoudige regressieanalyse zijn: continu meetniveau, lineariteit, onafhankelijkheid, normaliteit en homoscedasticiteit.

Question 60

Waarom is het belangrijk dat beide variabelen in een regressieanalyse een continu meetniveau hebben?

Answer 60

Het is belangrijk dat beide variabelen in een regressieanalyse een continu meetniveau hebben omdat regressieanalyse is ontworpen voor variabelen met een interval- of ratio-meetniveau. Als een van de variabelen een discreet meetniveau heeft, kan een andere analysetechniek nodig zijn.

Question 61

Wat betekent homoscedasticiteit in een regressieanalyse?

Answer 61

Homoscedasticiteit in een regressieanalyse betekent dat voor elke waarde van de onafhankelijke variabele, de variantie in de afhankelijke variabele gelijk is. Dit betekent dat de spreiding van de punten rond de regressielijn consistent is over het bereik van de voorspeller.

Question 62

Wat zijn de consequenties van het schenden van de aannames van een enkelvoudige regressieanalyse?

Answer 62

Het schenden van de aannames van een enkelvoudige regressieanalyse kan leiden tot minder efficiënte schattingen van de regressiecoëfficiënten en de proportie verklaarde variantie. Dit kan de interpretatie van het model en de nauwkeurigheid van de voorspellingen beïnvloeden.

Question 63

Wat zijn synoniemen voor de onafhankelijke variabele in regressieanalyse?

Answer 63

Synoniemen voor de onafhankelijke variabele zijn: voorspeller, predictor en covariaat.

Question 64

Wat zijn synoniemen voor de afhankelijke variabele in regressieanalyse?

Answer 64

Een synoniem voor de afhankelijke variabele is criterium.

Question 65

Wat wordt bedoeld met de proportie verklaarde variantie in regressieanalyse?

Answer 65

De proportie verklaarde variantie wordt aangeduid met � 2 R 2 en geeft aan welk deel van de variantie in de afhankelijke variabele wordt verklaard door de voorspellers in het regressiemodel.

Question 66

Waar staat het Griekse karakter voor in de context van regressieanalyse?

Answer 66

In de context van regressieanalyse wordt het Griekse karakter � β gebruikt om te verwijzen naar de gestandaardiseerde regressiecoëfficiënten in de steekproef of naar de populatiewaarde van de ongestandaardiseerde regressiecoëfficiënt.

Question 67

Waar staat het Latijnse karakter voor in de context van regressieanalyse?

Answer 67

In de context van regressieanalyse wordt het Latijnse karakter (meestal 'b' of 'B') gebruikt voor de ruwe regressiecoëfficiënten, vooral in de context van steekproefgegevens.

Question 68

Hoe kunnen regressiecoëfficiënten met de hand worden berekend in enkelvoudige regressie?

Answer 68

De regressiecoëfficiënt van de helling (^B1) kan worden berekend met de formule ^B1 = (rxy*sdy)/sd2, waarbij rxy de correlatie tussen de variabelen is en sdy en sd2 en de standaarddeviaties zijn van respectievelijk de afhankelijke en de onafhankelijke variabele.

Question 69

Waarom is het intercept altijd 0 als beide variabelen zijn gestandaardiseerd?

Answer 69

Als beide variabelen zijn gestandaardiseerd, zijn hun gemiddelden 0. Daarom is het intercept 0 wanneer de voorspeller 0 is, omdat de beste voorspelling van de afhankelijke variabele dan ook 0 is.

Question 70

Doe verwerkingsopftsvhyrn 4.1!!!