Multiple Regression
Multiple Regression
Multiple Regression
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Multiple</strong> <strong>Regression</strong> (11)<br />
- <strong>Regression</strong>skoeffizienten als Partialregressionsgewichte -<br />
Ø Im multiplen <strong>Regression</strong>smodell zeigt b 2 den Einfluss des von x 1 bereinigten<br />
Anteils von x 2 auf den durch x 1 nicht vorhergesagten Anteil von Y:<br />
X1<br />
Y<br />
X2<br />
Residuum (Y bereinigt um X 1)<br />
Residuum (X 2 bereinigt um X 1)<br />
(Analoges gilt für b 1: der Koeffizient zeigt den Einfluss des von x 2 bereinigten<br />
Anteils von x 1 auf den durch x 2 nicht vorhergesagten Anteil von Y.)<br />
Ø Die <strong>Regression</strong>sgewichte werden in Abhängigkeit aller UV im Modell geschätzt,<br />
d.h. sie stellen die „Nettoeffekte“ (unter Auspartialisierung der Effekte aller<br />
übrigen UV) dar. Sie können deshalb nur im Kontext des jeweiligen Modells<br />
interpretiert werden.<br />
Ø Wenn das Modell nur lineare Terme enthält, können die standardisierten<br />
<strong>Regression</strong>sgewichte β benutzt werden, um den relativen Einfluss einer<br />
Variablen unter statistischer Kontrolle aller übrigen UV des Modells zu beurteilen.<br />
Standardisierte <strong>Regression</strong>sgewichte eignen sich nicht, um Effekte in Modellen<br />
für verschiedene Stichproben zu vergleichen.<br />
b 2<br />
<strong>Multiple</strong> <strong>Regression</strong> (12)<br />
- <strong>Multiple</strong> Korrelation und Determinationskoeffizient -<br />
Die Korrelation der durch die multiple <strong>Regression</strong>sgleichung vorhergesagten Y-<br />
Werte mit den beobachteten Y-Werten wird durch den multiplen Korrelationskoeffizienten<br />
R erfasst:<br />
( i × ryi<br />
) = r yy<br />
R = ) å b<br />
R ist immer positiv und nimmt Werte zwischen 0 und 1 an.<br />
Der multiple Determinationskoeffizient R² gibt an, welcher Anteil der Varianz der<br />
abhängigen Variablen Y aufgrund der <strong>Regression</strong>sgleichung (d.h. der gemeinsamen<br />
Berücksichtigung aller UV) vorhergesagt bzw. erklärt werden kann:<br />
yˆ<br />
( i × ryi<br />
) 2<br />
2<br />
R =<br />
= å b<br />
Anhand des multiplen Determinationskoeffizienten R² kann der Standardschätzfehler<br />
als Maß der durchschnittlichen Abweichung der beobachteten Y-Werte<br />
von den vorhergesagten Y-Werten berechnet werden:<br />
s fehler =<br />
s y ×<br />
s<br />
s<br />
( 1 - R<br />
2<br />
2<br />
y<br />
6