Lineare Regression: Einfach erklärt

Поділитися
Вставка
  • Опубліковано 10 чер 2024
  • Mithilfe der Linearen Regressionsanalyse wird ein Modell erstellt, dass die Beziehung zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen beschreibt. Je nachdem, ob es einer oder mehreren unabhängigen Variablen gibt, wird zwischen der einfachen und der multiplen linearen Regressionsanalyse unterschieden. Im ersten Fall, der einfachen linearen Regression, gilt es, den Einfluss einer unabhängigen Variable auf eine abhängige Variable zu untersuchen. Im zweiten Fall, der multiplen linearen Regression, wird der Einfluss mehrerer unabhängiger Variablen auf eine abhängige Variable analysiert. In beiden Fällen ist die Voraussetzung, dass das Skalenniveau der Variablen intervallskaliert ist, sowie eine Normalverteilung vorliegt.
    Einfache Lineare Regression
    Das Ziel der einfachen linearen Regression ist, den Wert einer abhängigen Variable aufgrund von einer unabhängigen Variable vorherzusagen. Je größer der lineare Zusammenhang zwischen der unabhängigen und der abhängigen Variable ist, desto genauer ist die Vorhersage. Dies bedeutet ebenfalls, dass ein umso größerer Anteil der Varianz der abhängigen Variable durch die unabhängige Variable erklärt werden kann. Visuell kann der Zusammenhang zwischen den Variablen in einem Streudiagramm dargestellt werden. Umso größer der lineare Zusammenhang zwischen der abhängigen und der unabhängigen Variable ist, desto stärker liegen die Datenpunkte auf einer Geraden.
    Multiple Lineare Regression
    Im Gegensatz zur einfachen linearen Regression, ermöglicht die multiple lineare Regression die Berücksichtigung von mehr als zwei unabhängigen Variablen. Das Ziel ist es, eine Variable auf der Basis von mehreren anderen Variablen zu schätzen. Die Variable, die geschätzt werden soll, wird dabei als abhängige Variable (Kriterium) bezeichnet. Die Variablen, welche zur Vorhersage herangezogen werden, heißen unabhängige Variablen (Prädiktoren).
    Mehr Informationen:
    datatab.de/tutorial/lineare-r...
    Online Statistik Rechner:
    datatab.de/statistik-rechner/...

КОМЕНТАРІ • 32

  • @datatab
    @datatab  2 роки тому +1

    Für alle die Statistik einfach verstehen möchten, unser Buch ist draußen: datatab.de/statistik-buch 🙂

  • @MaximilianF94
    @MaximilianF94 Рік тому +10

    12/10 das Video, noch besser hätte man es nicht erklären können, danke ☺️

  • @nibbly6669
    @nibbly6669 10 місяців тому

    sehr gut erklärt, 🤩 als ich das Titelbild sah dachte ich jetzt kommt wieder Statistik für Statistiker erklärt.😅

  • @tolgad.1886
    @tolgad.1886 3 роки тому +2

    wunderbar!

    • @datatab
      @datatab  3 роки тому

      Vielen Dank!!! LG Mathias

  • @jonnygeld9510
    @jonnygeld9510 3 роки тому +4

    besser erklärt als mein marketing prof :)

    • @datatab
      @datatab  3 роки тому

      Danke für das super Feedback! LG mathias

    • @MTalac
      @MTalac 3 роки тому +2

      Kein Wunder. Der Marketing Prof. will nicht, dass andere Studierende ihn verstehen :D
      Klasse Video! Sehr verständlich :)

    • @datatab
      @datatab  3 роки тому

      @@MTalac Vielen Dank! LG Mathias

  • @xMATTAIx
    @xMATTAIx 2 роки тому +2

    vielen dank für dein video, das war super erklärt!
    eine sache habe ich jedoch nicht ganz mitgenommen:
    gibt es irgendeine vorraussetzung wann man in der inferenz die lineare regression verwendet, oder muss lediglich ein linearer zusammenhang vermutet werden?
    aus meinen unterlagen geht das nicht ganz eindeutig hervor, es wird nur auf eine normalverteilung der daten hingewiesen.

    • @datatab
      @datatab  2 роки тому +3

      Hallo, danke für dein Feedback und die Frage! Bei einer Regression muss der entstandene Fehler Normalverteilt sein. Das ist sozusagen die Voraussetzung rein von der Regression. Ab du eine kausale Aussage treffen kannst musst du selber bestimmen. Schaue dir einfach mal das Video an: ua-cam.com/video/djTRC9x_vPE/v-deo.html LG Mathias

  • @LuSilva9230
    @LuSilva9230 Рік тому +1

    Extrem gut

  • @TheCyKo09
    @TheCyKo09 4 місяці тому

    Moin, hast du ein Video zum multiplen hierarchischen Verfahren? LG

  • @IkkaKaa
    @IkkaKaa 4 місяці тому

    Sind beide Parameter notwendig, oder kann man 𝛼 oder 𝛽 gleich Null
    setzen?

  • @soner5917
    @soner5917 2 роки тому +1

    Könnte man eine Multiple Lineare Regression mit 3 Variablen graphisch in einem 3D Koordinatensystem darstellen (Punktewolke)?

    • @datatab
      @datatab  2 роки тому +1

      Ja! das geht. LG Mathias

  • @Kig_Ama
    @Kig_Ama 2 роки тому +1

    Wie wird das *angepasste R²* berechnet?

    • @datatab
      @datatab  2 роки тому +1

      Vielen Dank für deine Frage! Ich habe die Informationen auf datatab.de/tutorial/lineare-regression ergänzt! Und sorry für die späte Antwort! LG Mathias

    • @Kig_Ama
      @Kig_Ama 2 роки тому +1

      @@datatab Danke, vielleicht ein Video dazu?

  • @Kig_Ama
    @Kig_Ama 2 роки тому +1

    Wie berechnet man den *multiplen Korrelationskoeffizienten R* ?

    • @datatab
      @datatab  2 роки тому +1

      Vielen Dank für deine Frage! Ich habe die Informationen auf datatab.de/tutorial/lineare-regression ergänzt! Und sorry für die späte Antwort! LG Mathias

    • @Kig_Ama
      @Kig_Ama 2 роки тому

      @@datatab Danke, vielleicht ein Video dazu?

    • @Kig_Ama
      @Kig_Ama 2 роки тому +1

      @@datatab Oh ok, da ist ja auch das Video sehe ich gerade, schaue ich mir mal an. Danke dir! Subscribed!

    • @datatab
      @datatab  2 роки тому

      @@Kig_Ama Super : ) wenn du vorher schon mal auf der Seite warst musst du sie vielleicht mit strg+f5 einmal neu laden damit alle Änderungen da sind! LG Mathias

    • @lux-nocopyrightmusic
      @lux-nocopyrightmusic Рік тому +1

      Mir scheint wir haben wirklich dieselben Interessen...😂

  • @tripleworldpain
    @tripleworldpain 2 місяці тому

    Ich fand es nicht so gut erklärt. Die Bezeichnung der Variablen war inkonsistent. Auch hätte man die Variablen ins Koordinatensystem eintragen können.

    • @datatab
      @datatab  2 місяці тому

      Danke für dein Feedback!