Diese Art von Diagramm wird h\u00e4ufig verwendet, um zu bewerten, ob ein lineares Regressionsmodell f\u00fcr einen bestimmten Datensatz geeignet ist oder nicht, und um Residuen auf Heteroskedastizit\u00e4t<\/a> zu pr\u00fcfen.<\/span><\/p>\n Das folgende Schritt-f\u00fcr-Schritt-Beispiel zeigt, wie Sie in Google Sheets ein Residuendiagramm f\u00fcr ein einfaches lineares Regressionsmodell erstellen.<\/span><\/p>\n Beginnen wir mit der Eingabe der folgenden Werte f\u00fcr einen Datensatz:<\/span> <\/p>\n Als N\u00e4chstes verwenden wir die Funktionen SLOPE<\/strong> und INTERCEPT<\/strong> , um die einfache lineare Regressionsmodellgleichung f\u00fcr diesen Datensatz zu berechnen:<\/span> <\/p>\n Mit diesen Werten k\u00f6nnen wir die folgende einfache lineare Regressionsgleichung schreiben:<\/span><\/p>\n y = 29,631 + 0,755x<\/span><\/p>\n Dann k\u00f6nnen wir die Regressionsgleichung verwenden, um die vorhergesagten Werte f\u00fcr jede Beobachtung zu berechnen.<\/span><\/p>\n Wir geben die folgende Formel in Zelle C2<\/strong> ein:<\/span><\/p>\n Anschlie\u00dfend k\u00f6nnen wir diese Formel kopieren und in jede verbleibende Zelle in Spalte C<\/strong> einf\u00fcgen:<\/span> <\/p>\n Ein Residuum<\/a> ist die Differenz zwischen einem beobachteten Wert und einem vorhergesagten Wert in einem Regressionsmodell.<\/span><\/p>\n Es wird wie folgt berechnet:<\/span><\/p>\n Residuum = Beobachteter Wert \u2013 Vorhergesagter Wert<\/strong><\/span><\/p>\n Um das Residuum f\u00fcr jede Beobachtung in unserem Datensatz zu berechnen, k\u00f6nnen wir die folgende Formel in Zelle D2<\/strong> eingeben:<\/span><\/p>\n Anschlie\u00dfend k\u00f6nnen wir diese Formel kopieren und in jede verbleibende Zelle in Spalte D<\/strong> einf\u00fcgen:<\/span> <\/p>\n Um das Residuendiagramm zu erstellen, k\u00f6nnen wir die Werte im Bereich A2:A13<\/strong> markieren, dann die \u201eStrg\u201c-Taste gedr\u00fcckt halten und die Werte im Bereich D2:D13<\/strong> markieren.<\/span> <\/p>\n Klicken Sie dann auf die Registerkarte \u201eEinf\u00fcgen\u201c<\/strong> und dann im Dropdown-Men\u00fc auf \u201eDiagramm\u201c<\/strong> .<\/span><\/p>\n W\u00e4hlen Sie im Diagrammeditor-<\/strong> Bereich, der auf der rechten Seite des Bildschirms angezeigt wird, Streudiagramm<\/strong> als Diagrammtyp aus:<\/span> <\/p>\n Das folgende Residuendiagramm wird automatisch angezeigt:<\/span> <\/p>\n Die x-Achse zeigt die Werte der Pr\u00e4diktorvariablen in unserem Regressionsmodell und die y-Achse zeigt die Residuen an.<\/span><\/p>\n Eine Schl\u00fcsselannahme<\/a> der linearen Regression besteht darin, dass die Residuen auf jeder Ebene von x eine konstante Varianz aufweisen. Daher verwenden wir h\u00e4ufig eine grafische Darstellung der Residuen, um zu bestimmen, ob diese Annahme erf\u00fcllt ist.<\/span><\/p>\n Wenn die Residuen in der Grafik ann\u00e4hernd gleichm\u00e4\u00dfig um Null herum verteilt sind und kein klarer Trend erkennbar ist, dann sagen wir im Allgemeinen, dass die Annahme einer konstanten Varianz erf\u00fcllt ist.<\/span><\/p>\n In unserem Residuendiagramm oben k\u00f6nnen wir sehen, dass die Punkte im Diagramm scheinbar zuf\u00e4llig um Null herum verstreut sind und kein klares Muster aufweist. Wir kommen daher zu dem Schluss, dass die Annahme einer konstanten Varianz f\u00fcr dieses spezielle Regressionsmodell erf\u00fcllt ist.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in Google Sheets ausf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie eine lineare Regression in Google Sheets durch<\/a> Ein Residuendiagramm ist eine Art Diagramm, das die angepassten Werte gegen\u00fcber den Residuen f\u00fcr ein Regressionsmodell anzeigt. Diese Art von Diagramm wird h\u00e4ufig verwendet, um zu bewerten, ob ein lineares Regressionsmodell f\u00fcr einen bestimmten Datensatz geeignet ist oder nicht, und um Residuen auf Heteroskedastizit\u00e4t zu pr\u00fcfen. Das folgende Schritt-f\u00fcr-Schritt-Beispiel zeigt, wie Sie in Google Sheets […]<\/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 Schritt 1: Geben Sie die Daten ein<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residentgoogle1.jpg\")
<\/p>\n Schritt 2: Berechnen Sie die Gleichung des Regressionsmodells<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residentgoogle2.jpg\")
<\/p>\n Schritt 3: Berechnen Sie die vorhergesagten Werte<\/strong><\/span><\/h3>\n
=<\/span> $B$16<\/span> +<\/span> $B$15<\/span> *<\/span> A2\n<\/span><\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residentgoogle3.jpg\")
<\/p>\n Schritt 4: Residuen berechnen<\/strong><\/span><\/h3>\n
=<\/span> B2<\/span> -<\/span> C2<\/span>\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residentgoogle4.jpg\")
<\/p>\n Schritt 5: Erstellen Sie das Restdiagramm<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residentgoogle5.jpg\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residentgoogle6.jpg\")
<\/p>\n![\"Restplot](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/residentgoogle7.jpg\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fchren Sie eine Polynomregression in Google Sheets durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"