Vorlesung 2 Einfache lineare Regression Flashcards
Was beschreibt die Korrelation?
Stärke/Enge des Zusammenhanges
Was beschreibt die Regression ?
Art des Zusammenhanges zweier Variablen (ermöglicht Vorhersage der einen aus der anderen Variable
Was ist das Ziel einer linearen Regression ?
Vorhersage des Kriteriums durch den Prädiktor
Mit welchem Kriterium wird die Regressionsfunktion bestimmt ?
Kriterium der kleinsten (Fehler)Quadrate (“least squares method”)
Was sind Eigenschaften bzw. Vorteile beim Kriterium der kleinsten Quadrate?
- Werte sind immer positiv
- Größere Abweichungen werden stärker Gewichtet
Was ist ein Residuum ?
Abweichung des beobachteten Wertes vom vorhergesagten Wert
Was sind zwei Eigenschaften von Residualwerten?
1.Residuen sind mit Prädiktorvariable X unkorreliert
2.Residuen sind mit dem vorhergesagten Werten unkorreliert (weil Residuen zufällig sind )
Wie interpretiert man das Regressionsgewicht?
- 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
Wie interpretiert man den Achsenabschnitt ?
Vorhergesagter Y- Wert für X=0
Was entspricht dem standardisierten Regressionsgewicht in der linearen Regression?
Korrelation
Welchen Wert hat der standardisierte Achsenabschnitt immer in der linearen Regression ?
0
Was sollte man nicht standardisieren ?
- 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
Wann sollte man standardisieren?
- wenn Orginalskala nicht sinnvoll interpretierbar ist
- verschiedene Prädiktoren verglichen werden sollen, die sich in Orginalmetrik, Mittelwert und/ oder Varianz unterscheiden
Was sind Indikatoren der Schätzgenauigkeit / für ein gutes Regressionsmodell?
Residuen= Indikator für “Ähnlichkeit” der beobachteten und vorhergesagten Werten
(Je kleiner, desto besser beschreibt das Modell die Daten)
Welcher Wert drückt aus, wie “groß” die Residuen sind ?
Standardschätzfehler
(Standardabweichung der Residuen)
(Nicht standardisiert)