Zusammenfassung
Zwei Aspekte des linearen Regressionsmodells werden in diesem Beitrag behandelt: Erstens sind dies die Annahmen, die dem linearen Regressionsmodell zugrundeliegen, darunter die Linearitätsannahme, die Annahme, dass keine perfekte Multikollinearität vorliegt oder die Annahme streuungsgleicher Störgrößen. Vor allem soll es darum gehen, ein inhaltliches Verständnis sämtlicher Annahmen zu vermitteln, indem erläutert wird, welche Ideen jeweils hinter den Annahmen stehen, warum man die Annahmen treffen muss und auch, welche Konsequenzen mit einer Verletzung der Annahmen verbunden sind. Zweitens werden Instrumente der Regressionsdiagnostik vorgestellt. Dazu zählen zum einen Instrumente, mit deren Hilfe auf der Grundlage von Stichprobendaten geprüft werden kann, ob und inwieweit die Annahmen des linearen Regressionsmodells erfüllt sind. Zum anderen werden Instrumente behandelt, die geeignet sind, um sogenannte einflussreiche Untersuchungseinheiten zu identifizieren. Solche Untersuchungseinheiten können die Regressionsschätzungen, etwa die Regressionskoeffizienten, unter Umständen erheblich mitbestimmen. Am Beispiel der ostdeutschen Stichprobe des ALLBUS (2006) wird gezeigt, wie sich die Diagnoseinstrumente anwenden und interpretieren lassen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Anscombe, F. J. (1973). Graphs in Statistical Analysis. The American Statistician, 27, 17–21.
Belsley, D. A., Kuh, E., & Welsch, R. E. (1980). Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. New York: John Wiley & Sons.
Berry, W. D. (1993). Understanding Regression Assumptions, Band 07-092 von Quantitative Applications in the Social Sciences. Newbury Park: Sage.
Brachinger, H. W. (1990a). Identifikation einflußreicher Daten. Ein Überblick über die Regression Diagnostics (Teil I). Allgemeines Statistisches Archiv, 74, 188–212.
Brachinger, H. W. (1990b). Identifikation stochastischer linearer Abhängigkeiten. Ein Überblick über die Regression Diagnostics (Teil II). Allgemeines Statistisches Archiv, 74, 269–292.
Chatterjee, S. & Hadi, A. S. (1988). Sensitivity Analysis in Linear Regression. New York: John Wiley & Sons.
Chatterjee, S. & Hadi, A. S. (2006). Regression Analysis by Example. Hoboken: John Wiley & Sons, 4. Auflage.
Cohen, J., Cohen, P., West, S., & Aiken, L. S. (2003). Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences. Mahwah: Lawrence Erlbaum, 3. Auflage.
Cook, D. R. & Weisberg, S. (1982). Residuals and Influence in Regression. London: Chapman & Hall
Fox, J. (1984). Linear Statistical Models and Related Methods. With Applications to Social Research. New York: John Wiley & Sons.
Fox, J. (1991). Regression Diagnostics, Band 07-079 von Quantitative Applications in the Social Sciences. Newbury Park: Sage.
Gujarati, D. N. (1995). Basic Econometrics. New York: McGraw-Hill, 3. Auflage.
Jann, B. (2006). Diagnostik von Regressionsschätzungen bei kleinen Stichproben. In A. Diekmann (Hg.), Methoden der Sozialforschung(S. 421–452). Wiesbaden: VS Verlag für Sozialwissenschaften.
Kmenta, J. (1997). Elements of Econometrics. Ann Arbor: The University of Michigan Press, 2. Auflage.
Schnell, R. (1994). Graphisch gestützte Datenanalyse. München: Oldenbourg.
Weisberg, S. (2005). Applied Linear Regression. Hoboken: John Wiley & Sons, 3. Auflage.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Ohr, D. (2010). Lineare Regression: Modellannahmen und Regressionsdiagnostik. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_25
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_25
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)