Vorlesung 2 Einfache lineare Regression Flashcards

1
Q

Was beschreibt die Korrelation?

A

Stärke/Enge des Zusammenhanges

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Was beschreibt die Regression ?

A

Art des Zusammenhanges zweier Variablen (ermöglicht Vorhersage der einen aus der anderen Variable

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Was ist das Ziel einer linearen Regression ?

A

Vorhersage des Kriteriums durch den Prädiktor

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Mit welchem Kriterium wird die Regressionsfunktion bestimmt ?

A

Kriterium der kleinsten (Fehler)Quadrate (“least squares method”)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Was sind Eigenschaften bzw. Vorteile beim Kriterium der kleinsten Quadrate?

A
  1. Werte sind immer positiv
  2. Größere Abweichungen werden stärker Gewichtet
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Was ist ein Residuum ?

A

Abweichung des beobachteten Wertes vom vorhergesagten Wert

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Was sind zwei Eigenschaften von Residualwerten?

A

1.Residuen sind mit Prädiktorvariable X unkorreliert
2.Residuen sind mit dem vorhergesagten Werten unkorreliert (weil Residuen zufällig sind )

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Wie interpretiert man das Regressionsgewicht?

A
  • gibt an wie stark die Regressionsgerade ansteigt bzw. abfällt
  • gibt an um wie viele Einheiten sich der vorhergesagt Kriteriumswert Y ändert, wenn sich der Prädiktor X um eine Einheit verändert
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Wie interpretiert man den Achsenabschnitt ?

A

Vorhergesagter Y- Wert für X=0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Was entspricht dem standardisierten Regressionsgewicht in der linearen Regression?

A

Korrelation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Welchen Wert hat der standardisierte Achsenabschnitt immer in der linearen Regression ?

A

0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Was sollte man nicht standardisieren ?

A
  • wenn Orginalmetrik sinnvoll interpretiert werden kann (z.B Anzahl der Ex- Partnern)
  • Regression zur Vorhersage von Werten genutzt wird (z.B Vorhersage Dauer einer Beziehung in Monaten
  • Gruppen verglichen werden
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Wann sollte man standardisieren?

A
  • wenn Orginalskala nicht sinnvoll interpretierbar ist
  • verschiedene Prädiktoren verglichen werden sollen, die sich in Orginalmetrik, Mittelwert und/ oder Varianz unterscheiden
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Was sind Indikatoren der Schätzgenauigkeit / für ein gutes Regressionsmodell?

A

Residuen= Indikator für “Ähnlichkeit” der beobachteten und vorhergesagten Werten
(Je kleiner, desto besser beschreibt das Modell die Daten)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Welcher Wert drückt aus, wie “groß” die Residuen sind ?

A

Standardschätzfehler
(Standardabweichung der Residuen)

(Nicht standardisiert)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Welchen Wert würde man für eine Personen vorhersagen, über die man keine weiteren Informationen hat?

A

Mittelwert (bester Schätzer)

17
Q

Wann führt eine Regressionsgerade zu einer besseren Vorhersage als der Mittelwert ?

A

Wenn sich diese von den Mittelwerten unterscheidet

18
Q

Was macht die Gesamtvarainz aus ?

A

Regressionsvarianz (erklärte Varianz) + Fehlervarianz (unerklärte Varianz)

19
Q

Was beschreibt der Determinationskoeffizient?

A

Anteil der Varianz im Kriterium Y, der auf die Varianz von X zurückzuführen ist
= Anteil der erklärten Varianz an der Gesamtvarianz

20
Q

Was entspricht dem Determinationkoeffizienten ?

A

R^2 (quadrierter Korrelation)

21
Q

Was sind 4 Eigenschaften des Deternimationskoeffizient (R^2)?

A
  • Range von 0-1
  • Standardiesertes Maß für die Modellgüte
  • kann als Effktgröße verwendet werden
  • entspricht eta^2 (Effektgröße in der Varianzanalyse)
22
Q

Was prüft der Signifikanztest der Regression ?

A

Ob Zusammenhang in der Stichprobe stärker ist als zufällig zu erwarten wäre

23
Q

Wovon ist das Ergebnis des Signifikanztestes der linearen Regression abhängig ?

A
  • Stärke des Zusammenhanges zwischen Prädiktor und Kriterium (r oder r^2)
  • Stichprobenumfang
  • Signifikanzniveau a
24
Q

Welche Signifikanztest der einfachen linearen Regression gibt es?

A
  • t-Test der Korrelation
  • t-Test des Regressionsgewichts
  • F- Test der Regression
25
Q

Welche Hypothese prüft der t-Test der Korrelation

A

Die Hypothese, dass in der Population ein bzw. kein Zusammenhang existiert

26
Q

Was prüft der t-Test des Regressionsgewichtes?

A

Die Frage, ob die Varianzaufklärung durch den Prädiktor statistisch signifikant ist (“ist die Steigung der Geraden überzufällig?”)

27
Q

Was prüft der Signifikanztest der linearen Regression (F-Test)

A
  • ob die Quadratsumme der Regression größer ist als zufällig zu erwarten bzw. ob sich der Determinationskoeffizinent signifikant von 0 unterscheidet
  • ob SSReg größer ist als die zufällig entstandene SSRes
28
Q

Ist das Ergebnis der drei Signifikanztests der einfachen linearen Regression gleich?

A

Ja