Je h\u00f6her die Restvarianz eines Modells ist, desto weniger kann das Modell die Variation in den Daten erkl\u00e4ren.<\/span><\/p>\n Die Restvarianz erscheint in den Ergebnissen zweier unterschiedlicher statistischer Modelle:<\/span><\/p>\n 1. ANOVA:<\/strong> Wird verwendet, um die Mittelwerte von drei oder mehr unabh\u00e4ngigen Gruppen zu vergleichen.<\/span><\/p>\n 2. Regression:<\/strong> Wird zur Quantifizierung der Beziehung zwischen einer oder mehreren Pr\u00e4diktorvariablen und einer Antwortvariablen<\/a> verwendet.<\/span><\/p>\n Die folgenden Beispiele zeigen, wie die Restvarianz bei jeder dieser Methoden interpretiert wird.<\/span><\/p>\n Jedes Mal, wenn wir ein ANOVA-Modell (\u201eVarianzanalyse\u201c) anpassen, erhalten wir eine ANOVA-Tabelle, die wie folgt aussieht:<\/span> <\/p>\n Der Restvarianzwert des ANOVA-Modells befindet sich in der SS-Spalte (\u201eQuadratsumme\u201c) f\u00fcr die Variation innerhalb der Gruppe<\/strong> .<\/span><\/p>\n Dieser Wert wird auch \u201eSumme der quadratischen Fehler\u201c genannt und wird nach folgender Formel berechnet:<\/span><\/p>\n \u03a3(X ij<\/sub> \u2013 X<\/span> j<\/sub> ) 2<\/sup><\/span><\/p>\n Gold:<\/span><\/p>\n Im obigen ANOVA-Modell sehen wir, dass die Restvarianz 1100,6 betr\u00e4gt.<\/span><\/p>\n Um festzustellen, ob diese Restvarianz \u201ehoch\u201c ist, k\u00f6nnen wir die mittlere Summe der Quadrate innerhalb von Gruppen und die mittlere Summe der Quadrate zwischen Gruppen berechnen und das Verh\u00e4ltnis zwischen beiden ermitteln, das den Gesamt-F-Wert in der ANOVA-Tabelle ergibt.<\/span><\/p>\n Der F-Wert in der ANOVA-Tabelle oben betr\u00e4gt 2,357 und der entsprechende p-Wert betr\u00e4gt 0,113848. Da dieser p-Wert nicht kleiner als \u03b1 = 0,05 ist, haben wir keine ausreichenden Beweise, um die Nullhypothese abzulehnen.<\/span><\/p>\n Das bedeutet, dass uns keine ausreichenden Beweise daf\u00fcr vorliegen, dass der mittlere Unterschied zwischen den Gruppen, die wir vergleichen, signifikant unterschiedlich ist.<\/span><\/p>\n Dies zeigt uns, dass die Restvarianz des ANOVA-Modells im Vergleich zu der Variation, die das Modell tats\u00e4chlich erkl\u00e4ren kann, hoch ist.<\/span><\/p>\n In einem Regressionsmodell ist die Restvarianz als Summe der Quadrate der Differenzen zwischen den vorhergesagten Datenpunkten und den beobachteten Datenpunkten definiert.<\/span><\/p>\n Es wird wie folgt berechnet:<\/span><\/p>\n \u03a3(\u0177 i<\/sub> \u2013 y i<\/sub> ) 2<\/sup><\/span><\/p>\n Gold:<\/span><\/p>\n Wenn wir ein Regressionsmodell anpassen, erhalten wir normalerweise ein Ergebnis, das wie folgt aussieht:<\/span> <\/p>\n Der Restvarianzwert des ANOVA-Modells ist in der SS-Spalte (\u201eQuadratsumme\u201c) f\u00fcr Restvariation zu finden.<\/span><\/p>\n Das Verh\u00e4ltnis der Restvariation zur Gesamtvariation im Modell gibt Auskunft \u00fcber den Prozentsatz der Variation in der Antwortvariablen, der nicht durch die Pr\u00e4diktorvariablen im Modell erkl\u00e4rt werden kann.<\/span><\/p>\n In der obigen Tabelle w\u00fcrden wir diesen Prozentsatz beispielsweise wie folgt berechnen:<\/span><\/p>\n Dieser Wert kann auch mit der folgenden Formel berechnet werden:<\/span><\/p>\n Der R-Quadrat-Wert des Modells gibt uns den Prozentsatz der Variation in der Antwortvariablen an, der durch die Pr\u00e4diktorvariable erkl\u00e4rt werden kann.<\/span><\/p>\n Je geringer also die unerkl\u00e4rte Variation ist, desto besser ist ein Modell in der Lage, mithilfe der Pr\u00e4diktorvariablen die Variation der Antwortvariablen zu erkl\u00e4ren.<\/span><\/p>\n Was ist ein guter R-Quadrat-Wert?<\/a> Die Restvarianz (manchmal auch \u201eunerkl\u00e4rte Varianz\u201c genannt) bezieht sich auf die Varianz in einem Modell, die nicht durch die Modellvariablen erkl\u00e4rt werden kann. Je h\u00f6her die Restvarianz eines Modells ist, desto weniger kann das Modell die Variation in den Daten erkl\u00e4ren. Die Restvarianz erscheint in den Ergebnissen zweier unterschiedlicher statistischer Modelle: 1. ANOVA: Wird verwendet, […]<\/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 Restvarianz in ANOVA-Modellen<\/strong><\/span><\/h3>\n
![\"Restvarianz](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/varresiduelle1.png\")
<\/p>\n\n
\n
Restvarianz in Regressionsmodellen<\/strong><\/span><\/h3>\n
\n
![\"Restvarianz](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/varresiduel2-1.png\")
<\/p>\n\n
\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie das R-Quadrat in Excel<\/a>
So berechnen Sie das R-Quadrat in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"