Logistische regressie

Hoewel de lineaire regressieanalyse zonder twijfel een van de meest gebruikte methoden is binnen de sociale wetenschappen, is het niet mogelijk om dichotome variabelen als afhankelijke op te nemen. Logistische regressie biedt een uitweg uit dit probleem en maakt regressie mogelijk met afhankelijke variabelen die slechts twee categorieën hebben. Dit volume bouwt voort op Volume 4 van deze reeks en bekijkt de overgang van lineaire naar logistische regressie. De verschillende stappen die een onderzoeker volgt in het uitvoeren van een logistische regressie worden behandeld. Hierbij wordt rekening gehouden met alle voorwaarden waaraan deze analyse moet voldoen. Niet alleen krijgt de lezer een overzicht van de werkwijze van logistische regressie, ook assumpties zoals lineariteit en problemen als multicollineariteit worden behandeld. Het Volume werkt voorbeelden uit in SPSS maar geeft ook de syntax in SAS en STATA zodat ook onderzoekers die deze programma’s gebruiken, eenvoudig de voorbeelden kunnen uitvoeren.We starten het deel met een korte theoretische inleiding over het verschil tussen lineaire en logistische regressie om de lezer op weg te helpen bij het begrijpen van de output. Aan de hand van uitgewerkte voorbeelden met de ESS-data worden daarna diverse logistische regressiemodellen uitgelegd. We gaan dieper in op modellen met meerdere onafhankelijken, categoriale onafhankelijken, interactie-effecten en de assumpties van logistische regressie. Tot slot worden ook uitbreidingen van het basismodel behandeld zoals logistische regressie met nominale en ordinale variabelen, probitregressie en logistische regressie met geclusterde data (GEE-modellen).Over de auteur:DIMITRI MORTELMANS is hoofddocent aan de Faculteit Politieke en Sociale Wetenschappen van de Universiteit Antwerpen en staat aan het hoofd van het Centrum voor Longitudinaal en Levensloop Onderzoek (CELLO). Hij is tevens coördinator van het vak Leeronderzoek waarin studenten stap voor stap onderzoekservaring opbouwen.