<\/p>\n
Der Achsenabschnitt<\/strong> (manchmal auch \u201eKonstante\u201c genannt) in einem Regressionsmodell stellt den Durchschnittswert der Antwortvariablen dar, wenn alle Pr\u00e4diktorvariablen im Modell gleich Null sind.<\/span><\/p>\n In diesem Tutorial wird erl\u00e4utert, wie der urspr\u00fcngliche Wert in einfachen linearen Regressionsmodellen und mehreren linearen Regressionsmodellen interpretiert wird.<\/span><\/p>\n Ein einfaches lineares Regressionsmodell hat die folgende Form:<\/span><\/p>\n \u0177 = \u03b2 0<\/sub> + \u03b2 1<\/sub> (x)<\/span><\/p>\n Gold:<\/span><\/p>\n In manchen F\u00e4llen ist es sinnvoll, den Schnittpunktwert in einem einfachen linearen Regressionsmodell zu interpretieren, aber nicht immer. Die folgenden Beispiele veranschaulichen dies.<\/span><\/p>\n Beispiel 1: Das Abfangen ist sinnvoll zu interpretieren<\/strong><\/span><\/p>\n Angenommen, wir m\u00f6chten ein einfaches lineares Regressionsmodell anpassen, indem wir die untersuchten Stunden<\/em> als Pr\u00e4diktorvariable und die Pr\u00fcfungsergebnisse<\/em> als Antwortvariable verwenden.<\/span><\/p>\n Wir erheben diese Daten f\u00fcr 50 Studierende eines bestimmten Universit\u00e4tsstudiengangs und passen das folgende Regressionsmodell an:<\/span><\/p>\n Pr\u00fcfungsergebnis = 65,4 + 2,67 (Stunden)<\/span><\/p>\n Der Wert des Originalterms in diesem Modell betr\u00e4gt 65,4<\/strong> . Dies bedeutet, dass die durchschnittliche Pr\u00fcfungspunktzahl 65,4<\/strong> betr\u00e4gt, wenn die Anzahl der Lernstunden Null betr\u00e4gt.<\/span><\/p>\n Dies ist sinnvoll zu interpretieren, da es plausibel ist, dass ein Student null Stunden f\u00fcr eine Pr\u00fcfung lernt.<\/span><\/p>\n Beispiel 2: Das Abfangen ist nicht sinnvoll zu interpretieren<\/strong><\/span><\/p>\n Angenommen, wir m\u00f6chten ein einfaches lineares Regressionsmodell anpassen, das das Gewicht<\/em> (in Pfund) als Pr\u00e4diktorvariable und die K\u00f6rpergr\u00f6\u00dfe<\/em> (in Zoll) als Antwortvariable verwendet.<\/span><\/p>\n Wir sammeln diese Daten f\u00fcr 50 Personen und wenden das folgende Regressionsmodell an:<\/span><\/p>\n K\u00f6rpergr\u00f6\u00dfe = 22,3 + 0,28 (Pfund)<\/span><\/p>\n Der Wert des urspr\u00fcnglichen Termes in diesem Modell betr\u00e4gt 22,3<\/strong> . Dies w\u00fcrde bedeuten, dass die durchschnittliche K\u00f6rpergr\u00f6\u00dfe einer Person 22,3<\/strong> Zoll betr\u00e4gt, wenn ihr Gewicht Null ist.<\/span><\/p>\n Diese Interpretation macht keinen Sinn, da es f\u00fcr eine Person nicht m\u00f6glich ist, null Pfund zu wiegen.<\/span><\/p>\n Wir m\u00fcssen jedoch weiterhin den urspr\u00fcnglichen Term im Modell beibehalten, damit wir das Modell f\u00fcr Vorhersagen verwenden k\u00f6nnen. Der Achsenabschnitt hat f\u00fcr dieses Modell einfach keine sinnvolle Interpretation.<\/span><\/p>\n Ein multiples lineares Regressionsmodell hat die folgende Form:<\/span><\/p>\n \u0177 = \u03b2 0<\/sub> + \u03b2 1<\/sub> (x 1<\/sub> ) + \u03b2 2<\/sub> (x 2<\/sub> ) + \u03b2 3<\/sub> (x 3<\/sub> ) + \u2026 + \u03b2 k<\/sub> (x k<\/sub> )<\/span><\/p>\n Gold:<\/span><\/p>\n \u00c4hnlich wie bei der einfachen linearen Regression ist es manchmal sinnvoll, den Schnittpunktwert in einem multiplen linearen Regressionsmodell zu interpretieren, aber nicht immer. Die folgenden Beispiele veranschaulichen dies.<\/span><\/p>\n Beispiel 1: Das Abfangen ist sinnvoll zu interpretieren<\/strong><\/span><\/p>\n Angenommen, wir m\u00f6chten ein multiples lineares Regressionsmodell anpassen, indem wir Studienstunden<\/em> und Vorbereitungspr\u00fcfungen<\/em> als Pr\u00e4diktorvariablen und Pr\u00fcfungsergebnisse<\/em> als Antwortvariable verwenden.<\/span><\/p>\n Wir erheben diese Daten f\u00fcr 50 Studierende eines bestimmten Universit\u00e4tsstudiengangs und passen das folgende Regressionsmodell an:<\/span><\/p>\n Pr\u00fcfungsergebnis = 58,4 + 2,23 (Stunden) + 1,34 (Anzahl der Vorbereitungspr\u00fcfungen)<\/span><\/p>\n Der Wert des Originalterms in diesem Modell betr\u00e4gt 58,4<\/strong> . Das bedeutet, dass die durchschnittliche Pr\u00fcfungspunktzahl 58,4<\/strong> betr\u00e4gt, wenn sowohl die Anzahl der gelernten Stunden als auch die Anzahl der abgelegten Vorbereitungspr\u00fcfungen gleich Null sind.<\/span><\/p>\n Dies ist sinnvoll zu interpretieren, da es plausibel ist, dass ein Student null Stunden lang lernt und vor der eigentlichen Pr\u00fcfung keine Vorbereitungspr\u00fcfungen ablegt.<\/span><\/p>\n Beispiel 2: Das Abfangen ist nicht sinnvoll zu interpretieren<\/strong><\/span><\/p>\n Angenommen, wir m\u00f6chten ein multiples lineares Regressionsmodell anpassen, bei dem die Quadratmeterzahl<\/em> und die Anzahl der Schlafzimmer<\/em> als Pr\u00e4diktorvariablen und der Verkaufspreis<\/em> als Antwortvariable verwendet werden.<\/span><\/p>\n Wir sammeln diese Daten f\u00fcr 100 H\u00e4user in einer bestimmten Stadt und wenden das folgende Regressionsmodell an:<\/span><\/p>\n Preis = 87.244 + 3,44 (Quadratfu\u00df) + 843,45 (Anzahl der Schlafzimmer)<\/span><\/p>\n Der Wert des urspr\u00fcnglichen Termes in diesem Modell betr\u00e4gt 87,244<\/strong> . Dies w\u00fcrde bedeuten, dass der durchschnittliche Hausverkaufspreis 87.244 US-Dollar<\/strong> betr\u00e4gt, wenn sowohl die Quadratmeterzahl als auch die Anzahl der Schlafzimmer eines Hauses gleich Null sind.<\/span><\/p>\n Diese Interpretation macht keinen Sinn, da es nicht m\u00f6glich ist, dass ein Haus null Quadratmeter und null Schlafzimmer hat.<\/span><\/p>\n Allerdings m\u00fcssen wir den urspr\u00fcnglichen Term weiterhin im Modell behalten, um ihn f\u00fcr Vorhersagen verwenden zu k\u00f6nnen. Der Achsenabschnitt hat f\u00fcr dieses Modell einfach keine sinnvolle Interpretation.<\/span><\/p>\n Einf\u00fchrung in die einfache lineare Regression<\/a> Der Achsenabschnitt (manchmal auch \u201eKonstante\u201c genannt) in einem Regressionsmodell stellt den Durchschnittswert der Antwortvariablen dar, wenn alle Pr\u00e4diktorvariablen im Modell gleich Null sind. In diesem Tutorial wird erl\u00e4utert, wie der urspr\u00fcngliche Wert in einfachen linearen Regressionsmodellen und mehreren linearen Regressionsmodellen interpretiert wird. Interpretation der Schnittmenge in der einfachen linearen Regression Ein einfaches lineares Regressionsmodell hat […]<\/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 Interpretation der Schnittmenge in der einfachen linearen Regression<\/strong><\/span><\/h3>\n
\n
Interpretation des Achsenabschnitts in der multiplen linearen Regression<\/strong><\/span><\/h3>\n
\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Einf\u00fchrung in die multiple lineare Regression<\/a>
So interpretieren Sie partielle Regressionskoeffizienten<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"