Logistische Regression: Einfach erklärt
Вставка
- Опубліковано 7 лют 2021
- Die logistische Regression ist einen Spezialfall der Regressionsanalyse und wird berechnet, wenn die abhängige Variable nominalskaliert bzw. ordinalskaliert ist. Dies ist z. B. bei der Variable Kaufentscheidung mit den zwei Ausprägungen "Kauft ein Produkt" und "Kauft kein Produkt" der Fall. Damit ist die logistische Regressionsanalyse das Gegenstück zur lineare Regression, bei der die abhängige Variable des Regressionsmodells zumindest intervallskaliert sein muss. Mit der logistischen Regression ist es nun möglich, die abhängige Variable zu erklären bzw. die Eintrittswahrscheinlichkeit der Ausprägungen der Variable zu schätzen.
Was ist eine logistische Regression?
In der Grundform der logistischen Regression können dichotome Variablen (0 oder 1) prognostiziert werden. Hierfür wird die Wahrscheinlichkeit für das Eintreten der Ausprägung 1 (=Merkmal vorhanden) geschätzt. In der Medizin ist z. B. eine häufige Anwendung, herauszufinden welche Variablen einen Einfluss auf eine Krankheit haben. Für diesen Fall könnte dann 0 für nicht erkrankt und 1 für erkrankt stehen und es wird untersucht welchen Einfluss das Alter, das Geschlecht und Raucherstatus auf diese bestimmte Krankheit haben.
Hier geht es zum Online Regressionsrechner
datatab.de/statistik-rechner/...
Mehr Informationen zu logistischen Regression in der Statistik
datatab.de/tutorial/logistisc...
![Regression [Crashkurs in 40 min]](http://i.ytimg.com/vi/J0ZTpN_c1VM/mqdefault.jpg)
![Logistische Regression [Einfach erklärt]](/img/n.gif)
Für alle die Statistik einfach verstehen möchten, unser Buch ist draußen: datatab.de/statistik-buch 🙂
einfach erklärt - super für Statistikanfänger! Mir hat es sehr viel geholfen. Danke!!!!!!!!!
Vielen Dank für das positive Feedback!
Vielen Dank für das tolle Video! Das hilft mir sehr bei meiner Bachelorarbeit :) Gibt es ein Video von dir, indem du die Voraussetzungen für die logistische Regression erklärst?
Danke, sehr gut erklärt. Kann man auch drei abhängige Variablen mit mehreren unabhängigen Variablen analysieren oder muss man für jede abhängige Variable eine neue Regressionsanalyse durchführen? (Müssen alle Variablen gleich skaliert sein??
Vielen Dank für dein Feedback! Dann werden einfach drei neue Regressionsmodelle erstellt, daher müssen die drei Variablen auch nicht gleich skaliert sein. Ich hoffe, das hat geholfen. LG Mathias
Vielen Dank, super geiles Video! Wenn möglich, macht vielleicht mal bei UA-cam an, dass man euch spenden kann :)
Hi danke für dein Kommentar! Das werden wir mal überlegen! Danke! LG Mathias
Ich möchte gerne anhand von den unabhängigen Variabeln Profitabilität, Wachstum und Firmengröße die abhängige Variable Dividendenzahler (ja/nein) schließen. D.h. ich möchte sie mit einer logistischen Regression schätzen und dann mit den tatsächlichen Zahlen vergleichen. Ich habe die Daten von 2001-2020 von je 75 Unternehmen vorliegen. Muss ich jedes Jahr eine neue Schätzung vornehmen oder packe ich das in ein Modell?
Naja, dass Modell probiert ja so gut wie möglich die Realität abzubilden. Wenn 2001 vielleicht eine andere Dividenden-Politik "modern" war dann wird es nicht viel bringen 2001 mit ein zu beziehen. Ich würde einfach prüfen, ob das Modell besser wird wenn mehr vergangene Jahre einbezogen werden oder nicht. Die Jahre die verwendet werden kann mann dann aber in ein Modell packen. Ich hoffe das hat geholfen. LG Mathias
Hello! Vielen lieben Dank für die tolle Erklärung. Ich würde gerne für mein Forschungsvorhaben vorab die Stichprobengröße mit G*Power berechnen. Leider scheitere ich daran wo ich die erwartete Effektstärke eintrage (da ich mich an einer vorangegangenen Forschung gern orientieren wollen würde). Vielleicht hast du ja eine Idee, würde mich sehr freuen :)
Oh sorry, da kann ich dir leider nicht wirklich weiter helfen!
@@datatab Schade! Hätte ja klappen können :)
Wie würde ich vorgehen wenn meine abhängige Variable drei Ausprägungen (und nicht nur zwei) hat. Z.B. die Variable Anlegertyp mit den drei Ausprägungen 1=vorsichtiger Anleger 2=sicherheitsbewusster Anleger und 3=risikofreudiger Anleger. Ich finde die logistische Regression immer nur im Zusammenhang mit einer dichotomen AV
Oder ergibt es Sinn die Ausgangsvariable Anlegertyp in drei neue zu transformieren? (sozusagen drei Dummy variablen) und dann drei Regressionen durchlaufen zu lassen?
Hallo, danke für deine Frage! Ja genau so würde ich es machen! Bzw. Datatab macht es automatisch wenn mehr als zwei Kategorien da sind! LG mathias
@@datatab Toll, danke für die schnelle Antwort!
@@Lara-ex7yt Gern geschehen : ) LG Mathias