{"id":489,"date":"2023-07-29T17:48:18","date_gmt":"2023-07-29T17:48:18","guid":{"rendered":"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/"},"modified":"2023-07-29T17:48:18","modified_gmt":"2023-07-29T17:48:18","slug":"schritt-fur-schritt-regression-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/","title":{"rendered":"Eine vollst\u00e4ndige anleitung zur schrittweisen regression in r"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\/de\/auswahl-nach-stufen\/\" target=\"_blank\" rel=\"noopener noreferrer\">Schrittweise Regression<\/a> ist ein Verfahren, mit dem wir ein <a href=\"https:\/\/statorials.org\/de\/multiple-lineare-regression\/\" target=\"_blank\" rel=\"noopener noreferrer\">Regressionsmodell<\/a> aus einer Reihe von Pr\u00e4diktorvariablen erstellen k\u00f6nnen, indem wir Pr\u00e4diktoren Schritt f\u00fcr Schritt in das Modell eingeben und entfernen, bis es keinen statistisch g\u00fcltigen Grund mehr f\u00fcr die Eingabe von oder gibt mehr l\u00f6schen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Das Ziel der schrittweisen Regression besteht darin, ein Regressionsmodell zu erstellen, das alle Pr\u00e4diktorvariablen umfasst, die statistisch signifikant mit der <a href=\"https:\/\/statorials.org\/de\/variablen-erklarende-antworten\/\" target=\"_blank\" rel=\"noopener noreferrer\">Antwortvariablen<\/a> zusammenh\u00e4ngen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">In diesem Tutorial wird erkl\u00e4rt, wie Sie die folgenden schrittweisen Regressionsverfahren in R durchf\u00fchren:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Schritt f\u00fcr Schritt vorw\u00e4rts Auswahl<\/span><\/li>\n<li> <span style=\"color: #000000;\">Schrittweise R\u00fcckw\u00e4rtsauswahl<\/span><\/li>\n<li> <span style=\"color: #000000;\">Schritt-f\u00fcr-Schritt-Auswahl in beide Richtungen<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">F\u00fcr jedes Beispiel verwenden wir den integrierten <strong>mtcars<\/strong> -Datensatz:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#view first six rows of <em>mtcars\n<\/em><\/span>head(mtcars)\n\n                   mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Wir werden ein multiples lineares Regressionsmodell anpassen, <em>das mpg<\/em> (Meilen pro Gallone) als Antwortvariable und die anderen 10 Variablen im Datensatz als potenzielle Pr\u00e4diktorvariablen verwendet.<\/span><\/p>\n<p> <span style=\"color: #000000;\">F\u00fcr jedes Beispiel verwenden wir die integrierte Funktion <a href=\"https:\/\/www.rdocumentation.org\/packages\/stats\/versions\/3.6.2\/topics\/step\" target=\"_blank\" rel=\"noopener noreferrer\">\u201estep()\u201c<\/a> des Statistikpakets, um eine schrittweise Auswahl durchzuf\u00fchren, die die folgende Syntax verwendet:<\/span><\/p>\n<p style=\"text-align: left;\"> <span style=\"color: #000000;\"><strong>Stufe (nur Abfangmodell, Richtung, Reichweite)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Gold:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Nur Originalmodell<\/strong> : Nur die Formel des Originalmodells<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Richtung:<\/strong> Der Schrittsuchmodus kann \u201ebeide\u201c, \u201er\u00fcckw\u00e4rts\u201c oder \u201evorw\u00e4rts\u201c sein.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Geltungsbereich:<\/strong> eine Formel, die die Pr\u00e4diktoren angibt, die wir in das Modell eingeben m\u00f6chten<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Beispiel 1: Schrittweise Vorw\u00e4rtsauswahl<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Der folgende Code zeigt, wie Sie eine Auswahl Schritt f\u00fcr Schritt durchf\u00fchren:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define intercept-only model\n<\/span>intercept_only &lt;- lm(mpg ~ 1, data=mtcars)\n\n<span style=\"color: #008080;\">#define model with all predictors\n<\/span>all &lt;- lm(mpg ~ ., data=mtcars)\n\n<span style=\"color: #008080;\">#perform forward stepwise regression\n<\/span>forward &lt;- step(intercept_only, direction=' <span style=\"color: #008000;\">forward<\/span> ', scope= <span style=\"color: #3366ff;\">formula<\/span> (all), trace=0)\n\n<span style=\"color: #008080;\">#view results of forward stepwise regression<\/span>\nforward$anova\n\n   Step Df Deviance Resid. Df Resid. Dev AIC\n1 NA NA 31 1126.0472 115.94345\n2 + wt -1 847.72525 30 278.3219 73.21736\n3 + cyl -1 87.14997 29 191.1720 63.19800\n4 + hp -1 14.55145 28 176.6205 62.66456\n\n<span style=\"color: #008080;\">#view final model\n<\/span>forward$coefficients\n\n(Intercept) wt cyl hp \n 38.7517874 -3.1669731 -0.9416168 -0.0180381 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><em><strong>Hinweis:<\/strong> Das Argument \u201etrace=0\u201c weist R an, nicht die vollst\u00e4ndigen Ergebnisse der schrittweisen Auswahl anzuzeigen. Dies kann viel Platz beanspruchen, wenn eine gro\u00dfe Anzahl von Pr\u00e4diktorvariablen vorhanden ist.<\/em><\/span><\/p>\n<p> <span style=\"color: #000000;\">So interpretieren Sie die Ergebnisse:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Zuerst passen wir das Intercept-Only-Modell an. Dieses Modell hatte einen AIC von <strong>115,94345<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Dann passen wir alle m\u00f6glichen Modelle an einen Pr\u00e4diktor an. Das Modell, das den niedrigsten AIC ergab und im Vergleich zum reinen Basismodell auch eine statistisch signifikante Reduzierung des AIC aufwies, verwendete den <em>Gewichtspr\u00e4diktor<\/em> . Dieses Modell hatte einen AIC von <strong>73,21736<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Als n\u00e4chstes passen wir alle m\u00f6glichen Modelle mit zwei Pr\u00e4diktoren an. Das Modell, das den niedrigsten AIC erzeugte und im Vergleich zum Einzelpr\u00e4diktormodell auch eine statistisch signifikante Reduzierung des AIC aufwies, f\u00fcgte den <em>Zyl-<\/em> Pr\u00e4diktor hinzu. Dieses Modell hatte einen AIC von <strong>63,19800<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Als n\u00e4chstes passen wir alle m\u00f6glichen Modelle an drei Pr\u00e4diktoren an. Das Modell, das den niedrigsten AIC erzeugte und im Vergleich zum Modell mit zwei Pr\u00e4diktoren auch eine statistisch signifikante Reduzierung des AIC aufwies, f\u00fcgte den <em>HP-<\/em> Pr\u00e4diktor hinzu. Dieses Modell hatte einen AIC von <strong>62,66456<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Als n\u00e4chstes passen wir alle m\u00f6glichen Modelle an vier Pr\u00e4diktoren an. Es stellte sich heraus, dass keines dieser Modelle eine signifikante Reduzierung des AIC bewirkte, weshalb wir das Verfahren abbrachen.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Das endg\u00fcltige Modell sieht wie folgt aus:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>mpg ~ 38,75 \u2013 3,17*Gewicht \u2013 0,94*Zyl \u2013 0,02*Hyp<\/strong><\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Beispiel 2: Schrittweise R\u00fcckw\u00e4rtsauswahl<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Der folgende Code zeigt, wie man einen Schritt zur\u00fcck macht:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define intercept-only model\n<\/span>intercept_only &lt;- lm(mpg ~ 1, data=mtcars)\n\n<span style=\"color: #008080;\">#define model with all predictors\n<\/span>all &lt;- lm(mpg ~ ., data=mtcars)\n\n<span style=\"color: #008080;\">#perform backward stepwise regression\n<\/span>backward &lt;- step(all, direction=' <span style=\"color: #008000;\">backward<\/span> ', scope= <span style=\"color: #3366ff;\">formula<\/span> (all), trace=0)\n\n<span style=\"color: #008080;\">#view results of backward stepwise regression<\/span>\nbackward$anova\n\n    Step Df Deviance Resid. Df Resid. Dev AIC\n1 NA NA 21 147.4944 70.89774\n2 - cyl 1 0.07987121 22 147.5743 68.91507\n3 - vs 1 0.26852280 23 147.8428 66.97324\n4 - carb 1 0.68546077 24 148.5283 65.12126\n5 - gear 1 1.56497053 25 150.0933 63.45667\n6 - drat 1 3.34455117 26 153.4378 62.16190\n7 - available 1 6.62865369 27 160.0665 61.51530\n8 - hp 1 9.21946935 28 169.2859 61.30730\n\n<span style=\"color: #008080;\">#view final model\n<\/span>backward$coefficients\n\n(Intercept) wt qsec am \n   9.617781 -3.916504 1.225886 2.935837\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">So interpretieren Sie die Ergebnisse:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Zuerst passen wir ein Modell unter Verwendung aller <em>p-<\/em> Pr\u00e4diktoren an. Definieren Sie dies als M <sub>p<\/sub> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Dann passen wir f\u00fcr k = p, p-1,\u20261 alle k Modelle an, die alle au\u00dfer einem Pr\u00e4diktor in M <sub>k<\/sub> enthalten, f\u00fcr insgesamt k-1 Pr\u00e4diktorvariablen. W\u00e4hlen Sie dann das beste aus diesen k Modellen aus und nennen Sie es M <sub>k-1<\/sub> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">Schlie\u00dflich w\u00e4hlen wir mithilfe von AIC ein bestes Modell aus M <sub>0<\/sub> \u2026 M <sub>p<\/sub> aus.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Das endg\u00fcltige Modell sieht wie folgt aus:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>mpg ~ 9,62 \u2013 3,92*Gewicht + 1,23*qsec + 2,94*am<\/strong><\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Beispiel 3: Schrittweise Auswahl in beide Richtungen<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Der folgende Code zeigt, wie Sie eine schrittweise Auswahl in beide Richtungen durchf\u00fchren:<\/span><\/p>\n<pre style=\"background-color: #e5e5e5; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define intercept-only model\n<\/span>intercept_only &lt;- lm(mpg ~ 1, data=mtcars)\n\n<span style=\"color: #008080;\">#define model with all predictors\n<\/span>all &lt;- lm(mpg ~ ., data=mtcars)\n\n<span style=\"color: #008080;\">#perform backward stepwise regression\n<\/span>both &lt;- step(intercept_only, direction=' <span style=\"color: #008000;\">both<\/span> ', scope= <span style=\"color: #3366ff;\">formula<\/span> (all), trace=0)\n\n<span style=\"color: #008080;\">#view results of backward stepwise regression<\/span>\nboth$anova\n\n   Step Df Deviance Resid. Df Resid. Dev AIC\n1 NA NA 31 1126.0472 115.94345\n2 + wt -1 847.72525 30 278.3219 73.21736\n3 + cyl -1 87.14997 29 191.1720 63.19800\n4 + hp -1 14.55145 28 176.6205 62.66456\n\n<span style=\"color: #008080;\">#view final model\n<\/span>both$coefficients\n\n(Intercept) wt cyl hp \n 38.7517874 -3.1669731 -0.9416168 -0.0180381 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">So interpretieren Sie die Ergebnisse:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Zuerst passen wir das Intercept-Only-Modell an.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Als n\u00e4chstes f\u00fcgten wir dem Modell nacheinander Pr\u00e4diktoren hinzu, genau wie bei der schrittweisen Auswahl. Allerdings haben wir nach dem Hinzuf\u00fcgen jedes Pr\u00e4diktors auch alle Pr\u00e4diktoren entfernt, die keine Verbesserung der Modellanpassung mehr bewirkten.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Wir wiederholten diesen Vorgang, bis wir ein endg\u00fcltiges Modell hatten.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Das endg\u00fcltige Modell sieht wie folgt aus:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>mpg ~ 9,62 \u2013 3,92*Gewicht + 1,23*qsec + 2,94*am<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Beachten Sie, dass die Vorw\u00e4rtsschrittauswahl und die Schrittauswahl in beide Richtungen das gleiche endg\u00fcltige Muster erzeugten, w\u00e4hrend die R\u00fcckw\u00e4rtsschrittauswahl ein anderes Muster erzeugte.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/de\/die-statistik-erklart-konzepte-auf-einfache-und-direkte-weise.-wir-erleichtern-das-erlernen-von-statistiken\/\">So testen Sie die Signifikanz einer Regressionssteigung<\/a><br \/> <a href=\"https:\/\/statorials.org\/de\/die-statistik-erklart-konzepte-auf-einfache-und-direkte-weise.-wir-erleichtern-das-erlernen-von-statistiken\/\">So lesen und interpretieren Sie eine Regressionstabelle<\/a><br \/> <a href=\"https:\/\/statorials.org\/de\/die-statistik-erklart-konzepte-auf-einfache-und-direkte-weise.-wir-erleichtern-das-erlernen-von-statistiken\/\">Ein Leitfaden zur Multikollinearit\u00e4t in der Regression<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Schrittweise Regression ist ein Verfahren, mit dem wir ein Regressionsmodell aus einer Reihe von Pr\u00e4diktorvariablen erstellen k\u00f6nnen, indem wir Pr\u00e4diktoren Schritt f\u00fcr Schritt in das Modell eingeben und entfernen, bis es keinen statistisch g\u00fcltigen Grund mehr f\u00fcr die Eingabe von oder gibt mehr l\u00f6schen. Das Ziel der schrittweisen Regression besteht darin, ein Regressionsmodell zu erstellen, [&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>Eine vollst\u00e4ndige Anleitung zur schrittweisen Regression in der R-Statorials<\/title>\n<meta name=\"description\" content=\"Eine vollst\u00e4ndige Anleitung zur Durchf\u00fchrung einer schrittweisen Regression in R, einschlie\u00dflich mehrerer Beispiele.\" \/>\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\/schritt-fur-schritt-regression-r\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Eine vollst\u00e4ndige Anleitung zur schrittweisen Regression in der R-Statorials\" \/>\n<meta property=\"og:description\" content=\"Eine vollst\u00e4ndige Anleitung zur Durchf\u00fchrung einer schrittweisen Regression in R, einschlie\u00dflich mehrerer Beispiele.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T17:48:18+00:00\" \/>\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=\"5 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/\",\"url\":\"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/\",\"name\":\"Eine vollst\u00e4ndige Anleitung zur schrittweisen Regression in der R-Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-29T17:48:18+00:00\",\"dateModified\":\"2023-07-29T17:48:18+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"Eine vollst\u00e4ndige Anleitung zur Durchf\u00fchrung einer schrittweisen Regression in R, einschlie\u00dflich mehrerer Beispiele.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Eine vollst\u00e4ndige anleitung zur schrittweisen regression in r\"}]},{\"@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":"Eine vollst\u00e4ndige Anleitung zur schrittweisen Regression in der R-Statorials","description":"Eine vollst\u00e4ndige Anleitung zur Durchf\u00fchrung einer schrittweisen Regression in R, einschlie\u00dflich mehrerer Beispiele.","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\/schritt-fur-schritt-regression-r\/","og_locale":"de_DE","og_type":"article","og_title":"Eine vollst\u00e4ndige Anleitung zur schrittweisen Regression in der R-Statorials","og_description":"Eine vollst\u00e4ndige Anleitung zur Durchf\u00fchrung einer schrittweisen Regression in R, einschlie\u00dflich mehrerer Beispiele.","og_url":"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/","og_site_name":"Statorials","article_published_time":"2023-07-29T17:48:18+00:00","author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"5 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/","url":"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/","name":"Eine vollst\u00e4ndige Anleitung zur schrittweisen Regression in der R-Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-29T17:48:18+00:00","dateModified":"2023-07-29T17:48:18+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"Eine vollst\u00e4ndige Anleitung zur Durchf\u00fchrung einer schrittweisen Regression in R, einschlie\u00dflich mehrerer Beispiele.","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/schritt-fur-schritt-regression-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"Eine vollst\u00e4ndige anleitung zur schrittweisen regression in r"}]},{"@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\/489"}],"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=489"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/489\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=489"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=489"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=489"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}