Ein Regressor wird auch genannt:<\/span><\/p>\n Alle diese Begriffe werden synonym verwendet, je nachdem, in welchem Bereich Sie arbeiten: Statistik, maschinelles Lernen, \u00d6konometrie, Biologie usw.<\/span><\/p>\n Hinweis:<\/strong> Manchmal wird eine Antwortvariable als \u201eregressierbar\u201c bezeichnet.<\/span><\/p>\n Die meisten Regressionsmodelle haben die folgende Form:<\/span><\/p>\n Y = \u03b2 0<\/sub> + B 1<\/sub> x 1<\/sub> + B 2<\/sub> x 2<\/sub> + B 3<\/sub> x 3<\/sub> + \u03b5<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Der Zweck der Erstellung eines Regressionsmodells besteht darin, zu verstehen, wie \u00c4nderungen in einem Regressor zu \u00c4nderungen in einer Antwortvariablen (oder einem \u201eRegressor\u201c) f\u00fchren.<\/span><\/p>\n Beachten Sie, dass Regressionsmodelle einen oder mehrere Regressoren haben k\u00f6nnen.<\/span><\/p>\n Wenn es nur einen Regressor gibt, wird das Modell als einfaches lineares Regressionsmodell<\/a> bezeichnet. Wenn es mehrere Regressoren gibt, wird das Modell als multiples lineares Regressionsmodell<\/a> bezeichnet, um anzuzeigen, dass es mehrere<\/em> Regressoren gibt.<\/span><\/p>\n Die folgenden Beispiele veranschaulichen, wie Regressoren in verschiedenen Regressionsmodellen interpretiert werden.<\/span><\/p>\n Angenommen, ein Landwirt m\u00f6chte die Faktoren verstehen, die den Gesamternteertrag (in Pfund) beeinflussen. Es sammelt Daten und erstellt das folgende Regressionsmodell:<\/span><\/p>\n Ernteertrag = 154,34 + 3,56*(Pfund D\u00fcnger) + 1,89*(Pfund Erde)<\/span><\/p>\n Dieses Modell verf\u00fcgt \u00fcber zwei Regressoren: D\u00fcnger und Boden.<\/span><\/p>\n So interpretieren Sie diese beiden Regressoren:<\/span><\/p>\n Angenommen, ein Professor m\u00f6chte verstehen, wie sich die Anzahl der gelernten Stunden auf die Pr\u00fcfungsergebnisse auswirkt. Es sammelt Daten und erstellt das folgende Regressionsmodell:<\/span><\/p>\n Pr\u00fcfungsergebnis = 68,34 + 3,44* (Studienstunden)<\/span><\/p>\n Dieses Modell enth\u00e4lt einen Regressor: untersuchte Stunden. Wir interpretieren den Koeffizienten dieses Regressors so, dass sich die Pr\u00fcfungspunktzahl f\u00fcr jede weitere gelernte Stunde um durchschnittlich 3,44 Punkte erh\u00f6ht.<\/span> <\/p>\n So interpretieren Sie Regressionskoeffizienten<\/a> In der Statistik ist ein Regressor die Bezeichnung f\u00fcr eine beliebige Variable in einem Regressionsmodell, das zur Vorhersage einer Antwortvariablen verwendet wird. Ein Regressor wird auch genannt: Eine erkl\u00e4rende Variable Eine unabh\u00e4ngige Variable Eine manipulierte Variable Eine variable Vorhersage Eine Charakteristik Alle diese Begriffe werden synonym verwendet, je nachdem, in welchem Bereich Sie arbeiten: Statistik, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
Regressoren in Regressionsmodellen<\/strong><\/span><\/h3>\n
\n
Beispiel 1: Ernteertrag<\/strong><\/span><\/h3>\n
\n
![\"Regressor-Beispiel\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regresseur1.png\")
<\/p>\n Beispiel 2: Pr\u00fcfungsergebnisse<\/strong><\/span><\/h3>\n
![\"Regressor](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regresseur2.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So testen Sie die Signifikanz einer Regressionssteigung<\/a>
So lesen und interpretieren Sie eine Regressionstabelle<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"