Zusammenfassung
Grundlage der einfachen linearen Regression ist die Annahme, dass die Variable y von der Variablen x linear abhängt und diese lineare Beziehung überlagert wird von zufälligen Störeinflüssen, deren Erwartungswert allerdings null ist. Die Methode der kleinsten Quadrate wird verwendet, um aus den Werten einer Stichprobe die Koeffizienten derjenigen linearen Funktion zu ermitteln, die die Beziehung zwischen x und y am besten beschreibt. Diese Größen heißen Regressionskoeffizienten. Das Bestimmtheitsmaß r2, eine Größe zwischen 0 und 1, erlaubt die Beurteilung, ob die Variable y im Wesentlichen durch die Variable x bestimmt ist (r2 nahe bei 1), oder umgekehrt, ob der Einfluss der Variablen x schwach ist (r2 nahe bei 0). Die Regressionsgleichung kann man zur Prognose von y-Werten verwenden.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2014 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Schuster, T., Liesen, A. (2014). Lineare Regression. In: Statistik für Wirtschaftswissenschaftler. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-41995-9_12
Download citation
DOI: https://doi.org/10.1007/978-3-642-41995-9_12
Published:
Publisher Name: Springer Gabler, Berlin, Heidelberg
Print ISBN: 978-3-642-41994-2
Online ISBN: 978-3-642-41995-9
eBook Packages: Life Science and Basic Disciplines (German Language)