Diese Methode findet eine Zeile, die am besten zu einem Datensatz passt, und hat die folgende Form:<\/span><\/p>\n \u0177 = b 0<\/sub> + b 1<\/sub> x<\/strong><\/span><\/p>\n Gold:<\/span><\/p>\n Wir sind oft am Wert von b 1<\/sub> interessiert, der uns die durchschnittliche \u00c4nderung der Antwortvariablen<\/a> angibt, die mit einem Anstieg der Pr\u00e4diktorvariablen um eine Einheit einhergeht.<\/span><\/p>\n Mit der folgenden Formel k\u00f6nnen wir ein Konfidenzintervall f\u00fcr den Wert von \u03b2 1<\/sub> berechnen, dem Steigungswert f\u00fcr die Gesamtpopulation:<\/span><\/p>\n Konfidenzintervall f\u00fcr \u03b2 1<\/sub> : b 1<\/sub> \u00b1 t 1-\u03b1\/2, n-2<\/sub> * se(b 1<\/sub> )<\/span><\/strong><\/p>\n<\/blockquote>\n Gold:<\/span> <\/p>\n Das folgende Beispiel zeigt, wie man in der Praxis ein Konfidenzintervall f\u00fcr eine Regressionssteigung berechnet.<\/span><\/p>\n Angenommen, wir m\u00f6chten ein einfaches lineares Regressionsmodell anpassen, indem wir die untersuchten Stunden als Pr\u00e4diktorvariable und Pr\u00fcfungsergebnisse als Antwortvariable f\u00fcr 15 Sch\u00fcler in einer bestimmten Klasse verwenden:<\/span> <\/p>\n Wir k\u00f6nnen eine einfache lineare Regression in Excel<\/a> durchf\u00fchren und erhalten das folgende Ergebnis:<\/span> <\/p>\n Mithilfe der Koeffizientensch\u00e4tzungen im Ergebnis k\u00f6nnen wir das angepasste einfache lineare Regressionsmodell wie folgt schreiben:<\/span><\/p>\n Punktzahl = 65,334 + 1,982*(Studienstunden)<\/span><\/p>\n Der Wert der Regressionssteigung betr\u00e4gt 1,982<\/strong> .<\/span><\/p>\n Dies zeigt uns, dass jede zus\u00e4tzliche Stunde Lernzeit mit einer durchschnittlichen Steigerung der Pr\u00fcfungspunktzahl um 1.982<\/strong> verbunden ist.<\/span><\/p>\n Mit der folgenden Formel k\u00f6nnen wir ein 95 %-Konfidenzintervall f\u00fcr die Steigung berechnen:<\/span><\/p>\n Das 95 %-Konfidenzintervall f\u00fcr die Regressionssteigung betr\u00e4gt [1,446, 2,518]<\/strong> .<\/span><\/p>\n Da dieses Konfidenzintervall nicht den Wert 0 enth\u00e4lt, k\u00f6nnen wir daraus schlie\u00dfen, dass ein statistisch signifikanter Zusammenhang zwischen den Lernstunden und der Pr\u00fcfungsnote besteht.<\/span><\/p>\n Hinweis<\/strong> : Wir haben den inversen t-Verteilungsrechner verwendet, um den kritischen t-Wert zu ermitteln, der einem Konfidenzniveau von 95 % mit 13 Freiheitsgraden entspricht.<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zur linearen Regression:<\/span><\/p>\n Einf\u00fchrung in die einfache lineare Regression<\/a> Eine einfache lineare Regression wird verwendet, um die Beziehung zwischen einer Pr\u00e4diktorvariablen und einer Antwortvariablen zu quantifizieren. Diese Methode findet eine Zeile, die am besten zu einem Datensatz passt, und hat die folgende Form: \u0177 = b 0 + b 1 x Gold: \u0177 : Der gesch\u00e4tzte Antwortwert b 0 : Der Ursprung der Regressionslinie […]<\/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
\n
\n
Beispiel: Konfidenzintervall f\u00fcr die Regressionssteigung<\/strong><\/span><\/h2>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/intercepter1.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/confslope1.jpg\")
<\/p>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Einf\u00fchrung in die multiple lineare Regression<\/a>
So lesen und interpretieren Sie eine Regressionstabelle<\/a>
So melden Sie Regressionsergebnisse<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"