Residuen und Diagnostikplots
Residuen und Diagnostikplots
Residuen und Diagnostikplots
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Haystack Data<br />
Regression für das Modell<br />
Data set = Haystacks, Name of Fit = L1<br />
Normal Regression<br />
Kernel mean function = Identity<br />
Response = Vol<br />
Terms = (C Over)<br />
Coefficient Estimates<br />
Label Estimate Std. Error t-value p-value<br />
Constant - 6555.08 303.659 -21.587 0.0000<br />
C 36.2675 5.67910 6.386 0.0000<br />
Over 195.660 7.58079 25.810 0.0000<br />
Vol x ηo + η 1<br />
C + η Over +<br />
=<br />
2<br />
e<br />
R Squared: 0.929782<br />
Sigma hat: 244.445<br />
Number of cases: 120<br />
Degrees of freedom: 117<br />
Summary Analysis of Variance Table<br />
Source df SS MS F p-value<br />
Regression 2 92572878. 46286439. 774.62 0.0000<br />
Residual 117 6991149. 59753.4<br />
Lack of fit 108 6768992. 62675.9 2.54 0.0643<br />
Pure Error 9 222157. 24684.2<br />
<strong>Residuen</strong> gegen Over: 7.87, p-Wert: .000<br />
gegen C: 3.78, p-Wert: .000<br />
Arc berechnet automatisch Tukey‘s Test auf Nichtadditivität,<br />
der Test bestätigt hier deutlich den visuellen Eindruck einer Kurve<br />
Die Teststatistik ist die übliche T-Statistik für den Koeffizienten<br />
2<br />
des hinzugefügten Terms Over<br />
<strong>Residuen</strong> <strong>und</strong> <strong>Diagnostikplots</strong> 17