Teil: lineare Regression

Weitere Magazine

Empfehlungen

Info

1 Einführungo Eine statistische Methode um Zusammenhänge zwischen einer abhängigen und einer oder mehrerenunabhängigen Variablen zu untersuchen. Alle einbezogenen Variablen müssen metrisch skaliert sein. Esbesteht die Option dichotome Variablen auch metrisch zu interpretieren (Dummy-Variablen).o Die Entscheidung, welche Variable als abhängige (AV) und welche als unabhängige Variable (UV) in dieAnalysen einbezogen werden, muss vorab aus einem theoretischen Bezugsrahmen abgeleitet werden.o Es geht bei der Regression nicht nur um die Feststellung der Stärke eines Zusammenhangs. Die zugrundeliegenden Annahmen gehen über die einer Korrelationsanalyse hinaus. Bei der Zuordnung von UV und AVwerden kausale Beziehungen unterstellt.o Anwendung: Prognosen und Kausalanalyseno Bezeichnung der UV: exogene Variable, erklärende Variable, Prädiktorvariableo Bezeichnung der AV: endogene Variable, erklärte Variable, Prognosevariable2
Ansatz der einfachen linearen RegressionPunktwolke der AV und UV.o Dabei soll x die UV sein und y die AV.3
Seite 1: Teil: lineare Regression1 Einführu
Seite 5 und 6: Ziel der Regressiono Zurückführen
Seite 7 und 8: o WIE: Methode der kleinsten Quadra
Seite 9 und 10: Allgemeiner Ansatz9
Seite 11 und 12: Person mit 5 Jahren Berufserfahrung
Seite 13 und 14: Formales Vorgehen1. Ermittlung eine
Seite 15 und 16: 1. Ermittlung eines theoretischen B
Seite 17: Globale PrüfungBestimmtheitsmaß (
Seite 20 und 21: Prüfung der einzelnen Regressionsk
Seite 22 und 23: Standardisierte Regressionskoeffizi
Seite 24 und 25: Von der Grundgesamtheit zur Stichpr
Seite 26 und 27: 3 Die Modellannahmen zur Durchführ
Seite 28 und 29: Ausgewählte Lösungsmöglichkeiten
Seite 31 und 32: a) Analysieren deskriptive Statist
Seite 33: Anwendung datensatz14a.savVariablen

Teil: lineare Regression

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?