Multiple lineare Regression: Unterschied zwischen den Versionen
Wehner (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
Wehner (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
||
| (Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt) | |||
| Zeile 1: | Zeile 1: | ||
{{Nav|Navigation|Statistik_MV|Hauptseite}} | {{Nav|Navigation|Statistik_MV|Hauptseite}} | ||
Die multiple lineare Regression ermöglicht es die Art des Zusammenhanges zwischen mehreren Prädiktorvariablen und einer Kriteriumsvariable zu beschreiben. Die Ergebnisse eines solchen Verfahrens können durch die wechselseitige Abhängigkeit von Prädiktoren, welche man als Multikollinearität bezeichnet, jedoch verzerrt sein. Diese Tatsache macht eine gründliche Multikollinearitätsanalyse vor der Interpretation der Ergebnisse dringend notwendig. Das Ziel einer multiplen linearen Regression besteht häufig in der Identifikation derjenigen Prädiktorvariablen aus der Menge aller Prädiktoren, die zur Vorhersage der Kriteriumsvariable optimal geeignet sind. Um eine solche Fragestellung zu beantworten können zum Beispiel Merkmalsselektionsverfahren oder eine Hierarchische Regression angewandt werden. Ein wichtiger Spezialfall regressionsanalytischer Untersuchungen ist die Analyse von Moderatoreffekten. | Die multiple lineare Regression ermöglicht es die Art des Zusammenhanges zwischen mehreren Prädiktorvariablen und einer Kriteriumsvariable zu beschreiben. Die Ergebnisse eines solchen Verfahrens können durch die wechselseitige Abhängigkeit von Prädiktoren, welche man als Multikollinearität bezeichnet, jedoch verzerrt sein. Diese Tatsache macht eine gründliche Multikollinearitätsanalyse vor der Interpretation der Ergebnisse dringend notwendig. Das Ziel einer multiplen linearen Regression besteht häufig in der Identifikation derjenigen Prädiktorvariablen aus der Menge aller Prädiktoren, die zur Vorhersage der Kriteriumsvariable optimal geeignet sind. Um eine solche Fragestellung zu beantworten können zum Beispiel Merkmalsselektionsverfahren oder eine Hierarchische Regression angewandt werden. Ein wichtiger Spezialfall regressionsanalytischer Untersuchungen ist die Analyse von Moderatoreffekten. | ||
* Grundlagen der multiplen linearen Regression | * [[Grundlagen der multiplen linearen Regression]] | ||
* Multikollinearität | * [[Multikollinearität]] | ||
* Standardfehler der Regressionskoeffizienten | * [[Standardfehler der Regressionskoeffizienten]] | ||
* Merkmalsselektionsverfahren | * [[Merkmalsselektionsverfahren]] | ||
* Hierarchische Regression | * [[Hierarchische Regression]] | ||
* Moderierte Regression | * [[Moderierte Regression]] | ||
Aktuelle Version vom 18. März 2020, 14:15 Uhr
Die multiple lineare Regression ermöglicht es die Art des Zusammenhanges zwischen mehreren Prädiktorvariablen und einer Kriteriumsvariable zu beschreiben. Die Ergebnisse eines solchen Verfahrens können durch die wechselseitige Abhängigkeit von Prädiktoren, welche man als Multikollinearität bezeichnet, jedoch verzerrt sein. Diese Tatsache macht eine gründliche Multikollinearitätsanalyse vor der Interpretation der Ergebnisse dringend notwendig. Das Ziel einer multiplen linearen Regression besteht häufig in der Identifikation derjenigen Prädiktorvariablen aus der Menge aller Prädiktoren, die zur Vorhersage der Kriteriumsvariable optimal geeignet sind. Um eine solche Fragestellung zu beantworten können zum Beispiel Merkmalsselektionsverfahren oder eine Hierarchische Regression angewandt werden. Ein wichtiger Spezialfall regressionsanalytischer Untersuchungen ist die Analyse von Moderatoreffekten.