{"id":1975,"date":"2023-07-24T05:44:05","date_gmt":"2023-07-24T05:44:05","guid":{"rendered":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/"},"modified":"2023-07-24T05:44:05","modified_gmt":"2023-07-24T05:44:05","slug":"lm-funktion-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/","title":{"rendered":"So verwenden sie die funktion lm() in r, um lineare modelle anzupassen"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Die Funktion <strong>lm()<\/strong> in R wird verwendet, um lineare Regressionsmodelle anzupassen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>lm(Formel, Daten, \u2026)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Gold:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Formel:<\/strong> Die lineare Modellformel (z. B. y ~ x1 + x2)<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Daten:<\/strong> Der Name des Datenblocks, der die Daten enth\u00e4lt<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Das folgende Beispiel zeigt, wie Sie diese Funktion in R verwenden, um Folgendes zu tun:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Passen Sie ein Regressionsmodell an<\/span><\/li>\n<li> <span style=\"color: #000000;\">Zusammenfassung der Anpassung des Regressionsmodells anzeigen<\/span><\/li>\n<li> <span style=\"color: #000000;\">Modelldiagnosediagramme anzeigen<\/span><\/li>\n<li> <span style=\"color: #000000;\">Stellen Sie das angepasste Regressionsmodell grafisch dar<\/span><\/li>\n<li> <span style=\"color: #000000;\">Treffen Sie Vorhersagen mithilfe des Regressionsmodells<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Passen Sie das Regressionsmodell an<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Der folgende Code zeigt, wie die Funktion <strong>lm()<\/strong> verwendet wird, um ein lineares Regressionsmodell in R anzupassen:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define data<\/span>\ndf = data. <span style=\"color: #3366ff;\">frame<\/span> (x=c(1, 3, 3, 4, 5, 5, 6, 8, 9, 12),\n                y=c(12, 14, 14, 13, 17, 19, 22, 26, 24, 22))\n\n<span style=\"color: #008080;\">#fit linear regression model using 'x' as predictor and 'y' as response variable<\/span>\nmodel &lt;- lm(y ~ x, data=df)\n<\/strong><\/pre>\n<h3> <span style=\"color: #000000;\"><strong>Zusammenfassung des Regressionsmodells anzeigen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Anschlie\u00dfend k\u00f6nnen wir die Funktion <strong>summary()<\/strong> verwenden, um die Zusammenfassung der Anpassung des Regressionsmodells anzuzeigen:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view summary of regression model<\/span>\nsummary(model)\n\nCall:\nlm(formula = y ~ x, data = df)\n\nResiduals:\n    Min 1Q Median 3Q Max \n-4.4793 -0.9772 -0.4772 1.4388 4.6328 \n\nCoefficients:\n            Estimate Std. Error t value Pr(&gt;|t|)    \n(Intercept) 11.1432 1.9104 5.833 0.00039 ***\nx 1.2780 0.2984 4.284 0.00267 ** \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 2.929 on 8 degrees of freedom\nMultiple R-squared: 0.6964, Adjusted R-squared: 0.6584 \nF-statistic: 18.35 on 1 and 8 DF, p-value: 0.002675\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">So interpretieren Sie die wichtigsten Werte im Modell:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>F-Statistik<\/strong> = 18,35, entsprechender <strong>p-Wert<\/strong> = 0,002675. Da dieser p-Wert kleiner als 0,05 ist, ist das Modell insgesamt statistisch signifikant.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Vielfaches R im Quadrat<\/strong> = 0,6964. Dies zeigt uns, dass 69,64 % der Variation der Antwortvariablen y durch die Pr\u00e4diktorvariable x erkl\u00e4rt werden k\u00f6nnen.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Gesch\u00e4tzter Koeffizient von x<\/strong> : 1,2780. Dies sagt uns, dass jede weitere Erh\u00f6hung von x um eine Einheit mit einem durchschnittlichen Anstieg von 1,2780 in y verbunden ist.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Anschlie\u00dfend k\u00f6nnen wir die Koeffizientensch\u00e4tzungen aus der Ausgabe verwenden, um die gesch\u00e4tzte Regressionsgleichung zu schreiben:<\/span><\/p>\n<p> <span style=\"color: #000000;\">y = 11,1432 + 1,2780*(x)<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Bonus<\/strong> : Eine vollst\u00e4ndige Anleitung zur Interpretation der einzelnen Werte der Regressionsausgabe in R finden Sie <a href=\"https:\/\/statorials.org\/de\/interpretieren-sie-die-regressionsausgabe-in-r\/\" target=\"_blank\" rel=\"noopener\">hier<\/a> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Modelldiagnosediagramme anzeigen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Anschlie\u00dfend k\u00f6nnen wir die Funktion <strong>plot()<\/strong> verwenden, um die Diagnosediagramme des Regressionsmodells darzustellen:<\/span> <\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create diagnostic plots\n<span style=\"color: #000000;\">plot(model)<\/span><\/span><\/strong> <\/pre>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-18677 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lm2.png\" alt=\"\" width=\"653\" height=\"649\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Mithilfe dieser Diagramme k\u00f6nnen wir die <a href=\"https:\/\/statorials.org\/de\/ruckstand\/\" target=\"_blank\" rel=\"noopener\">Residuen<\/a> des Regressionsmodells analysieren, um festzustellen, ob das Modell f\u00fcr die Daten geeignet ist.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In <a href=\"https:\/\/statorials.org\/de\/diagnosediagramme-in-r\/\" target=\"_blank\" rel=\"noopener\">diesem Tutorial<\/a> finden Sie eine vollst\u00e4ndige Erkl\u00e4rung zur Interpretation der Diagnosediagramme eines Modells in R.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Stellen Sie das angepasste Regressionsmodell grafisch dar<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Wir k\u00f6nnen die Funktion <strong>abline()<\/strong> verwenden, um das angepasste Regressionsmodell darzustellen:<\/span> <\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create scatterplot of raw data<\/span>\nplot(df$x, df$y, col=' <span style=\"color: #ff0000;\">red<\/span> ', main=' <span style=\"color: #ff0000;\">Summary of Regression Model<\/span> ', xlab=' <span style=\"color: #ff0000;\">x<\/span> ', ylab=' <span style=\"color: #ff0000;\">y<\/span> ')\n\n<span style=\"color: #008080;\">#add fitted regression line\n<span style=\"color: #000000;\">abline(model)\n<\/span><\/span><\/strong><\/pre>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-18678\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lm3.png\" alt=\"Plot lm() in R\" width=\"448\" height=\"442\" srcset=\"\" sizes=\"\"><\/p>\n<h3> <strong>Verwenden Sie das Regressionsmodell, um Vorhersagen zu treffen<\/strong><\/h3>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Wir k\u00f6nnen die Funktion <strong>Predict()<\/strong> verwenden, um den Antwortwert f\u00fcr eine neue Beobachtung vorherzusagen:<\/span><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\"><span style=\"color: #000000;\"><span style=\"color: #008080;\">#define new observation\n<\/span>new &lt;- data. <span style=\"color: #3366ff;\">frame<\/span> (x=c(5))\n\n<span style=\"color: #008080;\">#use the fitted model to predict the value for the new observation\n<\/span>predict(model, newdata = new)\n\n      1 \n17.5332<\/span>\n<\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Das Modell sagt voraus, dass diese neue Beobachtung einen Antwortwert von <strong>17,5332<\/strong> haben wird.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/de\/einfache-lineare-regression-in-r\/\" target=\"_blank\" rel=\"noopener\">So f\u00fchren Sie eine einfache lineare Regression in R durch<\/a><br \/> <a href=\"https:\/\/statorials.org\/de\/multiple-lineare-regression-r\/\" target=\"_blank\" rel=\"noopener\">So f\u00fchren Sie eine multiple lineare Regression in R durch<\/a><br \/> <a href=\"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/\" target=\"_blank\" rel=\"noopener\">So f\u00fchren Sie eine schrittweise Regression in R durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Die Funktion lm() in R wird verwendet, um lineare Regressionsmodelle anzupassen. Diese Funktion verwendet die folgende grundlegende Syntax: lm(Formel, Daten, \u2026) Gold: Formel: Die lineare Modellformel (z. B. y ~ x1 + x2) Daten: Der Name des Datenblocks, der die Daten enth\u00e4lt Das folgende Beispiel zeigt, wie Sie diese Funktion in R verwenden, um Folgendes [&hellip;]<\/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":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>So verwenden Sie die Funktion lm() in R, um lineare Modelle anzupassen \u2013 Statorials<\/title>\n<meta name=\"description\" content=\"In diesem Tutorial wird anhand mehrerer Beispiele erl\u00e4utert, wie Sie die Funktion lm() in R verwenden, um lineare Regressionsmodelle anzupassen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/de\/lm-funktion-in-r\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"So verwenden Sie die Funktion lm() in R, um lineare Modelle anzupassen \u2013 Statorials\" \/>\n<meta property=\"og:description\" content=\"In diesem Tutorial wird anhand mehrerer Beispiele erl\u00e4utert, wie Sie die Funktion lm() in R verwenden, um lineare Regressionsmodelle anzupassen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/lm-funktion-in-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-24T05:44:05+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lm2.png\" \/>\n<meta name=\"author\" content=\"Dr. Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/lm-funktion-in-r\/\",\"url\":\"https:\/\/statorials.org\/de\/lm-funktion-in-r\/\",\"name\":\"So verwenden Sie die Funktion lm() in R, um lineare Modelle anzupassen \u2013 Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-24T05:44:05+00:00\",\"dateModified\":\"2023-07-24T05:44:05+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"In diesem Tutorial wird anhand mehrerer Beispiele erl\u00e4utert, wie Sie die Funktion lm() in R verwenden, um lineare Regressionsmodelle anzupassen.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/lm-funktion-in-r\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/lm-funktion-in-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/lm-funktion-in-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"So verwenden sie die funktion lm() in r, um lineare modelle anzupassen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/de\/#website\",\"url\":\"https:\/\/statorials.org\/de\/\",\"name\":\"Statorials\",\"description\":\"Ihr Leitfaden f\u00fcr statistische Kompetenz !\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\",\"name\":\"Dr. Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. Benjamin Anderson\"},\"description\":\"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen\",\"sameAs\":[\"https:\/\/statorials.org\/de\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"So verwenden Sie die Funktion lm() in R, um lineare Modelle anzupassen \u2013 Statorials","description":"In diesem Tutorial wird anhand mehrerer Beispiele erl\u00e4utert, wie Sie die Funktion lm() in R verwenden, um lineare Regressionsmodelle anzupassen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/","og_locale":"de_DE","og_type":"article","og_title":"So verwenden Sie die Funktion lm() in R, um lineare Modelle anzupassen \u2013 Statorials","og_description":"In diesem Tutorial wird anhand mehrerer Beispiele erl\u00e4utert, wie Sie die Funktion lm() in R verwenden, um lineare Regressionsmodelle anzupassen.","og_url":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/","og_site_name":"Statorials","article_published_time":"2023-07-24T05:44:05+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/lm2.png"}],"author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"3 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/","url":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/","name":"So verwenden Sie die Funktion lm() in R, um lineare Modelle anzupassen \u2013 Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-24T05:44:05+00:00","dateModified":"2023-07-24T05:44:05+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"In diesem Tutorial wird anhand mehrerer Beispiele erl\u00e4utert, wie Sie die Funktion lm() in R verwenden, um lineare Regressionsmodelle anzupassen.","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/lm-funktion-in-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/lm-funktion-in-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"So verwenden sie die funktion lm() in r, um lineare modelle anzupassen"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/de\/#website","url":"https:\/\/statorials.org\/de\/","name":"Statorials","description":"Ihr Leitfaden f\u00fcr statistische Kompetenz !","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0","name":"Dr. Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Dr. Benjamin Anderson"},"description":"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen","sameAs":["https:\/\/statorials.org\/de"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/1975"}],"collection":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/comments?post=1975"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/1975\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=1975"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=1975"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=1975"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}