Wie überprüft man die Voraussetzung der Varianzhomogenität (Homoskedastizität) für das lineare Regressionsmodell in R und SPSS?
Definition Multikollinearität ist ein Zustand, bei dem es eine starke Korrelation zwischen den unabhängigen Variablen in einem statistischen Modell gibt. Dies kann in einem linearen Regressionsmodell vorkommen, wenn mehrere unabhängige Variablen miteinander korrelieren und damit eine Art von Redundanz in den Daten vorliegt. Das Problem bei Multikollinearität ist, dass es die...Read More
Wie überprüft man die Voraussetzung der Normalverteilung der Residuen für das lineare Regressionsmodell in R und SPSS?
Definition In einer linearen Regression wird versucht, eine lineare Abhängigkeit zwischen einer abhängigen Variable y und einer oder mehreren unabhängigen Variablen x zu modellieren. Ein wichtiger Annahme hierbei ist, dass die Residuen (der Unterschied zwischen den beobachteten Werten von y und den vorhergesagten Werten von y) normalverteilt sind. Eine Normverteilung der...Read More
Wie überprüft man die Voraussetzung der Multikollinearität für das lineare Regressionsmodell in R und SPSS?
Definition Multikollinearität ist ein Zustand, bei dem es eine starke Korrelation zwischen den unabhängigen Variablen in einem statistischen Modell gibt. Dies kann in einem linearen Regressionsmodell vorkommen, wenn mehrere unabhängige Variablen miteinander korrelieren und damit eine Art von Redundanz in den Daten vorliegt. Das Problem bei Multikollinearität ist, dass es die...Read More
Wie überprüft man die Voraussetzung der Linearität für das lineare Regressionsmodell in R und SPSS?
Wenn du eine lineare Regression durchführst, solltest du auch überprüfen, ob die Voraussetzungen dafür erfüllt sind. Die Signifikanzwerte (p-Werte), welche du in der Regression erhältst, sind nur dann akkurat, wenn die Voraussetzungen der Regression erfüllt sind. Sind die Voraussetzungen nicht erfüllt, kann die richtige Interpretation der p-Werte möglicherweise problematisch sein. In...Read More