De belangrijkste assumpties in regressieanalyse zijn:De steekproef bestaat uit onafhankelijke waarnemingen.Er is sprake van een lineair model, dat betekent dat er een lineair verband is tussen de afhankelijke en de onafhankelijke variabelen.De variantie van de residuen is gelijk voor alle mogelijke waarden van de onafhankelijke variabelen (homoscedasticiteit).De residuen zijn normaal verdeeld. De assumptie dat de steekproef moet bestaan uit onafhankelijke waarnemingen betekent dat de waarnemingen onafhankelijk van elkaar zijn getrokken en dat er geen samenhang tussen de cases is. De verwachte correlatie tussen de residuen uit de regressieanalyse moet dus gelijk zijn aan nul. Deze assumptie wordt de onafhankelijkheidsassumptie genoemd.Als er sprake is van afhankelijkheid zullen de geschatte standaardfouten niet meer kloppen. Ze zijn dan vaak kleiner dan dat ze eigenlijk moeten zijn. Daardoor zullen de regressiecoëfficiënten minder nauwkeurig geschat worden, de betrouwbaarheidsintervallen zullen te smal zijn en bij het toetsen zal de nulhypothese te vaak verworpen worden. Hierdoor zal er te vaak geconcludeerd worden dat er een significante relatie bestaat.Er bestaan weinig geschikte methoden om de onafhankelijkheidsassumptie te onderzoeken in een dataset. Als er sprake is van groepen of clusters in de dataset kan je gebruik maken van de intraklasse-correlatie. Deze correlatie geeft de samenhang aan tussen cases binnen de groepen. Als er meerdere niveaus of levels van clusters zijn kan je gebruik maken van de multilevelanalyse. De...