Wenn wir eine multiple lineare Regression durchf\u00fchren, sind wir immer an den p-Werten im Ergebnis interessiert, um zu bestimmen, ob die Beziehung zwischen den Pr\u00e4diktorvariablen und der Antwortvariablen statistisch signifikant ist.<\/span><\/span><\/p>\n In diesem Tutorial wird erl\u00e4utert, wie p-Werte in der Ausgabe eines multiplen linearen Regressionsmodells in Excel interpretiert werden.<\/span><\/p>\n Angenommen, wir m\u00f6chten wissen, ob die Anzahl der Lernstunden und die Anzahl der abgelegten Vorbereitungspr\u00fcfungen die Note beeinflussen, die ein Student bei einer bestimmten Hochschulaufnahmepr\u00fcfung erh\u00e4lt.<\/span><\/p>\n Um diesen Zusammenhang zu untersuchen, k\u00f6nnen wir eine multiple lineare Regression durchf\u00fchren, indem wir die untersuchten Stunden<\/strong> und vorbereitenden Pr\u00fcfungen<\/strong> als Pr\u00e4diktorvariablen und die Pr\u00fcfungsergebnisse<\/strong> als Antwortvariable verwenden.<\/span><\/p>\n Der folgende Screenshot zeigt die Regressionsausgabe dieses Modells in Excel:<\/span> <\/p>\n Es gibt drei p-Werte, die wir im Ergebnis betrachten sollten:<\/span><\/p>\n So interpretieren Sie jeden p-Wert:<\/span><\/p>\n P-Wert des Gesamtmodells<\/strong><\/span><\/p>\n Der p-Wert f\u00fcr das Gesamtmodell ist in der Spalte mit der Bezeichnung \u201eF-Signifikanz\u201c<\/strong> im Ergebnis zu finden.<\/span><\/p>\n Wir k\u00f6nnen sehen, dass dieser p-Wert 0,00<\/strong> betr\u00e4gt.<\/span><\/p>\n Da dieser Wert unter 0,05 liegt, k\u00f6nnen wir daraus schlie\u00dfen, dass das Regressionsmodell insgesamt statistisch signifikant ist.<\/span><\/p>\n Mit anderen Worten: Die Kombination aus Lernstunden und abgelegten Vorbereitungspr\u00fcfungen hat einen statistisch signifikanten Zusammenhang mit der Abschlussnote der Pr\u00fcfung.<\/span><\/p>\n P-Wert der ersten Pr\u00e4diktorvariablen (Stunden)<\/strong><\/span><\/p>\n Der p-Wert f\u00fcr die erste Pr\u00e4diktorvariable, Stunden, betr\u00e4gt 0,00.<\/strong><\/span><\/p>\n Da dieser Wert unter 0,05 liegt, k\u00f6nnen wir daraus schlie\u00dfen, dass die untersuchten Stunden statistisch signifikant sind.<\/span><\/p>\n Mit anderen Worten: Die Anzahl der Stunden, die ein Student studiert, steht in einem statistisch signifikanten Zusammenhang mit der Abschlussnote der Pr\u00fcfung.<\/span><\/p>\n P-Wert der zweiten Pr\u00e4diktorvariablen (Vorpr\u00fcfungen)<\/strong><\/span><\/p>\n Der p-Wert f\u00fcr die zweite Pr\u00e4diktorvariable, Vorbereitungspr\u00fcfungen, betr\u00e4gt 0,52.<\/strong><\/span><\/p>\n Da dieser Wert nicht unter 0,05 liegt, k\u00f6nnen wir daraus schlie\u00dfen, dass die Anzahl der abgelegten Vorbereitungspr\u00fcfungen statistisch nicht signifikant ist.<\/span><\/p>\n Mit anderen Worten: Die Anzahl der Vorbereitungspr\u00fcfungen, die ein Student ablegt, steht in keinem statistisch signifikanten Zusammenhang mit der Note, die er in der Abschlusspr\u00fcfung erh\u00e4lt.<\/span><\/p>\n Da diese Variable statistisch nicht signifikant ist, k\u00f6nnen wir uns dazu entschlie\u00dfen, sie aus dem Modell zu entfernen, da sie keine signifikante Verbesserung des Gesamtmodells mit sich bringt.<\/span><\/p>\n In diesem Fall k\u00f6nnten wir eine einfache lineare Regression durchf\u00fchren und dabei nur die untersuchten Stunden<\/strong> als Pr\u00e4diktorvariable verwenden.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in Excel ausf\u00fchren:<\/span><\/p>\n So f\u00fchren Sie eine einfache lineare Regression in Excel durch<\/a> Mithilfe der multiplen linearen Regression wird die Beziehung zwischen zwei oder mehr Pr\u00e4diktorvariablen und einer Antwortvariablen quantifiziert. Wenn wir eine multiple lineare Regression durchf\u00fchren, sind wir immer an den p-Werten im Ergebnis interessiert, um zu bestimmen, ob die Beziehung zwischen den Pr\u00e4diktorvariablen und der Antwortvariablen statistisch signifikant ist. In diesem Tutorial wird erl\u00e4utert, wie p-Werte […]<\/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 Beispiel: Interpretieren von P-Werten in der Regressionsausgabe in Excel<\/strong><\/span><\/h2>\n
![\"Ausgabe](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/multipleregexcel4.png\")
<\/p>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie eine multiple lineare Regression in Excel durch<\/a>
So f\u00fchren Sie eine Polynomregression in Excel durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"