Standardfehler der Regressionskoeffizienten - Versionsgeschichte

Elisa am 21. März 2022 um 08:01 Uhr

2022-03-21T08:01:34Z

← Nächstältere Version		Version vom 21. März 2022, 10:01 Uhr
Zeile 19:		Zeile 19:


	[[File:3_7_MLR_2.PNG\|800px\|Abbildung 2: Häufigkeitsverteilungen zweier hochkorrelierter Regressionskoeffizienten in einer multiplen linearen Regression]]		[[File:3_7_MLR_2.PNG\|800px\|Abbildung 2: Häufigkeitsverteilungen zweier hochkorrelierter Regressionskoeffizienten in einer multiplen linearen Regression\|link=Ausgelagerte_Bildbeschreibungen\|Häufigkeitsverteilungen_zweier_Regressionskoeffizienten\|Ausgelagerte Bildbeschreibung von Häufigkeitsverteilungen zweier Regressionskoeffizienten]]

Paul am 13. Februar 2022 um 20:57 Uhr

2022-02-13T20:57:01Z

← Nächstältere Version		Version vom 13. Februar 2022, 22:57 Uhr
Zeile 9:		Zeile 9:


	[[File:3_7_MLR_1.PNG\|300px\|Abbildung 1: Häufigkeitsverteilung des Regressionskoeffizienten einer einfachen linearen ~~Regressionlink~~=Ausgelagerte_Bildbeschreibungen#Bespiel Standardfehler\|Ausgelagerte Bildbeschreibung von Bespiel Standardfehler]]		[[File:3_7_MLR_1.PNG\|300px\|Abbildung 1: Häufigkeitsverteilung des Regressionskoeffizienten einer einfachen linearen Regression\|link=Ausgelagerte_Bildbeschreibungen#Bespiel Standardfehler\|Ausgelagerte Bildbeschreibung von Bespiel Standardfehler]]

	Will man den Standardfehler der Regressionskoeffizienten bei der [[Grundlagen der multiplen linearen Regression\|multiplen linearen Regression]] schätzen, müssen Abhängigkeiten mit anderen Prädiktoren berücksichtigt werden (Formeln siehe Bortz und Schuster, 2016). Ein hoher Standardfehler kann dabei ein Hinweis für das Vorliegen von Multikollinearität sein.		Will man den Standardfehler der Regressionskoeffizienten bei der [[Grundlagen der multiplen linearen Regression\|multiplen linearen Regression]] schätzen, müssen Abhängigkeiten mit anderen Prädiktoren berücksichtigt werden (Formeln siehe Bortz und Schuster, 2016). Ein hoher Standardfehler kann dabei ein Hinweis für das Vorliegen von Multikollinearität sein.

Paul: link einfügen pb

2022-02-13T20:56:09Z

link einfügen pb

← Nächstältere Version		Version vom 13. Februar 2022, 22:56 Uhr
Zeile 9:		Zeile 9:


	[[File:3_7_MLR_1.PNG\|300px\|Abbildung 1: Häufigkeitsverteilung des Regressionskoeffizienten einer einfachen linearen ~~Regression~~]]		[[File:3_7_MLR_1.PNG\|300px\|Abbildung 1: Häufigkeitsverteilung des Regressionskoeffizienten einer einfachen linearen Regressionlink=Ausgelagerte_Bildbeschreibungen#Bespiel Standardfehler\|Ausgelagerte Bildbeschreibung von Bespiel Standardfehler]]

	Will man den Standardfehler der Regressionskoeffizienten bei der [[Grundlagen der multiplen linearen Regression\|multiplen linearen Regression]] schätzen, müssen Abhängigkeiten mit anderen Prädiktoren berücksichtigt werden (Formeln siehe Bortz und Schuster, 2016). Ein hoher Standardfehler kann dabei ein Hinweis für das Vorliegen von Multikollinearität sein.		Will man den Standardfehler der Regressionskoeffizienten bei der [[Grundlagen der multiplen linearen Regression\|multiplen linearen Regression]] schätzen, müssen Abhängigkeiten mit anderen Prädiktoren berücksichtigt werden (Formeln siehe Bortz und Schuster, 2016). Ein hoher Standardfehler kann dabei ein Hinweis für das Vorliegen von Multikollinearität sein.

Wehner am 16. März 2020 um 09:08 Uhr

2020-03-16T09:08:21Z

← Nächstältere Version		Version vom 16. März 2020, 11:08 Uhr
Zeile 25:		Zeile 25:


	[[Datei:Videolink_neu.PNG\|link=http://141.76.19.82:3838/mediawiki/~~konfidenzintervall_link~~.html		[[Datei:Videolink_neu.PNG\|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/3_7_MLR_Standardfehler_Link.html
	\|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/~~pwertlink~~.html Video] wird der Standardfehler des Regressionskoeffizienten näher erläutert.		\|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Videolinks/3_7_MLR_Standardfehler_Link.html Video] wird der Standardfehler des Regressionskoeffizienten näher erläutert.

	[[Datei:Simulationslink_neu2.PNG\|link=http://141.76.19.82:3838/mediawiki/~~1_1_p-Wert~~/~~App_Version~~/		[[Datei:Simulationslink_neu2.PNG\|link=http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/3_7_MLR_Standardfehler_Multikollinearitaet/
	\|120px]] <span style="color: white"> kkk </span> Die Entstehung des Standardfehlers der Regressionskoeffizienten lässt sich in der [http://141.76.19.82:3838/mediawiki/~~1_1_p-Wert~~/~~App_Version~~/ interaktiven Simulation] grafisch nachvollziehen.		\|120px]] <span style="color: white"> kkk </span> Die Entstehung des Standardfehlers der Regressionskoeffizienten lässt sich in der [http://141.76.19.82:3838/mediawiki/MUVE_STAT/Apps/3_7_MLR_Standardfehler_Multikollinearitaet/ interaktiven Simulation] grafisch nachvollziehen.

Wehner am 10. März 2020 um 22:41 Uhr

2020-03-10T22:41:36Z

← Nächstältere Version		Version vom 11. März 2020, 00:41 Uhr
Zeile 9:		Zeile 9:


	[[File:3_7_MLR_1.PNG\|~~600px~~\|Abbildung 1: Häufigkeitsverteilung des Regressionskoeffizienten einer einfachen linearen Regression]]		[[File:3_7_MLR_1.PNG\|300px\|Abbildung 1: Häufigkeitsverteilung des Regressionskoeffizienten einer einfachen linearen Regression]]

	Will man den Standardfehler der Regressionskoeffizienten bei der [[Grundlagen der multiplen linearen Regression\|multiplen linearen Regression]] schätzen, müssen Abhängigkeiten mit anderen Prädiktoren berücksichtigt werden (Formeln siehe Bortz und Schuster, 2016). Ein hoher Standardfehler kann dabei ein Hinweis für das Vorliegen von Multikollinearität sein.		Will man den Standardfehler der Regressionskoeffizienten bei der [[Grundlagen der multiplen linearen Regression\|multiplen linearen Regression]] schätzen, müssen Abhängigkeiten mit anderen Prädiktoren berücksichtigt werden (Formeln siehe Bortz und Schuster, 2016). Ein hoher Standardfehler kann dabei ein Hinweis für das Vorliegen von Multikollinearität sein.
Zeile 19:		Zeile 19:


	[[File:3_7_MLR_2.PNG\|~~600px~~\|Abbildung 2: Häufigkeitsverteilungen zweier hochkorrelierter Regressionskoeffizienten in einer multiplen linearen Regression]]		[[File:3_7_MLR_2.PNG\|800px\|Abbildung 2: Häufigkeitsverteilungen zweier hochkorrelierter Regressionskoeffizienten in einer multiplen linearen Regression]]

Wehner am 10. März 2020 um 22:40 Uhr

2020-03-10T22:40:59Z

← Nächstältere Version		Version vom 11. März 2020, 00:40 Uhr
Zeile 1:		Zeile 1:
	{{Nav\|Navigation\|Statistik_MV\|Hauptseite}}		{{Nav\|Navigation\|Statistik_MV\|Hauptseite}}

			Der Standardfehler gibt in der linearen Regression die Genauigkeit der Schätzung der Regressionskoeffizienten an und wird unter anderem für die Berechnung von Signifikanzen benötigt. Unter erfüllten Annahmen der [[Einfache lineare Regression bei metrischem Prädiktor\|linearen Regression]] ist die Stichprobenverteilung eines Regressionskoeffizienten b normalverteilt. Die Standardabweichung dieser Verteilung entspricht dem Standardfehler des Regressionskoeffizienten s<sub>b</sub> (Formeln siehe Bortz und Schuster, 2016).


			'''''Beispiel 1'''''

			Aus einer Grundgesamtheit, in der Prädiktor und Kriterium durchschnittlich mit r = 0.5 korrelieren, werden 500 Stichproben gezogen. Für jede Stichprobe werden die Parameter einer einfachen linearen Regression geschätzt. Die ermittelten Regressionskoeffizienten streuen um den Mittelwert b = 0.5. Die Standardabweichung dieser Verteilung bzw. der Standardfehler des Regressionskoeffizienten entspricht s<sub>b</sub> = 0.1. In Abbildung 1 wird der beschriebene Sachverhalt dargestellt.


			[[File:3_7_MLR_1.PNG\|600px\|Abbildung 1: Häufigkeitsverteilung des Regressionskoeffizienten einer einfachen linearen Regression]]

			Will man den Standardfehler der Regressionskoeffizienten bei der [[Grundlagen der multiplen linearen Regression\|multiplen linearen Regression]] schätzen, müssen Abhängigkeiten mit anderen Prädiktoren berücksichtigt werden (Formeln siehe Bortz und Schuster, 2016). Ein hoher Standardfehler kann dabei ein Hinweis für das Vorliegen von Multikollinearität sein.


			'''''Beispiel 2'''''

			Aus einer Grundgesamtheit, in der zwei Prädiktoren jeweils zu r = 0.6 mit dem Kriterium und untereinander zu r = 0.9 korrelieren, wird die Verteilung der beiden Regressionskoeffizienten simuliert. Die hohe Korrelation beider Prädiktoren führt bei der Schätzung der Regressionskoeffizienten in einigen Stichproben dazu, dass ein Prädiktor die relevanten Varianzanteile des zweiten übernimmt, sodass dessen Regressionskoeffizient – trotz hoher Korrelation mit dem Kriterium – nahe null liegt. In anderen Zufallsziehungen ist es genau andersherum. Die daraus resultierenden Verteilungen der Regressionskoeffizienten streuen bei großen Standardfehlern (s<sub>b<sub>1</sub></sub> = 0.23; s<sub>b<sub>2</sub></sub> = 0.22) um Mittelwerte, die geringer sind, als es die Korrelation von r = 0.6 vermuten lässt (Abbildung 2). Bei zwei unkorrelierten Prädiktoren ergäben sich größere Regressionskoeffizienten und schmalere Häufigkeitsverteilungen.


			[[File:3_7_MLR_2.PNG\|600px\|Abbildung 2: Häufigkeitsverteilungen zweier hochkorrelierter Regressionskoeffizienten in einer multiplen linearen Regression]]


			Der Standardfehler wird in der Regressionsanalyse für den Signifikanztest von Regressionskoeffizienten benötigt. Die zur Bestimmung des p-Wertes relevanten t-Werte ergeben sich als Quotient aus Regressionskoeffizient und Standardfehler. Je höher der Standardfehler ist, desto niedriger ist dementsprechend der t-Wert und desto unsicherer der Einfluss des Prädiktors auf das Kriterium. So ist der Regressionskoeffizient aus Abbildung 1 signifikant von 0 verschieden, die beiden Regressionskoeffizienten aus Abbildung 2 jedoch nicht.


			[[Datei:Videolink_neu.PNG\|link=http://141.76.19.82:3838/mediawiki/konfidenzintervall_link.html
			\|120px]] <span style="color: white"> kkk </span> Im [http://141.76.19.82:3838/mediawiki/pwertlink.html Video] wird der Standardfehler des Regressionskoeffizienten näher erläutert.

			[[Datei:Simulationslink_neu2.PNG\|link=http://141.76.19.82:3838/mediawiki/1_1_p-Wert/App_Version/
			\|120px]] <span style="color: white"> kkk </span> Die Entstehung des Standardfehlers der Regressionskoeffizienten lässt sich in der [http://141.76.19.82:3838/mediawiki/1_1_p-Wert/App_Version/ interaktiven Simulation] grafisch nachvollziehen.



			'''''Weiterführende Literatur'''''

			Bortz, J., & Schuster, C. (2016). ''Statistik für Human- und Sozialwissenschaftler''. Berlin: Springer.

Wehner: Die Seite wurde neu angelegt: „{{Nav|Navigation|Statistik_MV|Hauptseite}}“

2020-01-30T23:36:49Z

Die Seite wurde neu angelegt: „{{Nav|Navigation|Statistik_MV|Hauptseite}}“

Neue Seite