Regression (Statistik)

Dieser Artikel befasst sich mit Regression im statistischen Sinn. Den psychologischen Begriff Regression finden Sie hier

Bei der Regression wird in der Statistik eine Gerade durch eine Punktwolke gezogen.

Somit lassen sich Vorhersagen über y für jedes beliebige x machen (siehe Regressionsanalyse).

Der Korrelationswert r sagt aus, "wie gut" die Vorhersage ist.

Wenn man r quadriert, erhält man das Bestimmtheitsmaß r². Das Bestimmtheitsmaß r² sagt aus, wieviel Prozent Streuung in der abhängigen Variable sich auf die unabhängige Variable zurückführen lassen (zB: wieviel % der Blutdruckschwankungen lassen sich durch Alter erklären).

Wofür benötigt man Regressionsmodelle?

1. Zusammenhänge aufzeigen
   • Welcher Zusammenhang besteht zwischen einer Zielgröße (abhängig) und möglichen Einflussgrößen
   • Beispiel: Welche Faktoren beinflussen die Bewertung der Pflege durch Bewohner in der stationären Altenplfege
2. Einflussgrößen quantifizieren
   • Wie groß ist der Einfluss einer bestimmten Variablen auf die Zielgröße?
   • Beispiel: Wie groß ist der Einfluss des Zigarettenkonsum von Schwangeren auf die Fehlgeburtenrate?
3. Vorhersagen ermöglichen
   • Beispiel: Wie groß ist die Wahrscheinlichkeit dass ein bestimmter Pat. nach einer stationären Entwöhnungsbehandlung einen Rückfall erleidet?

Typische Fragestellungen:

• Wovon hängt das Eintreten eines Ereignisses ab?
• In welcher Weise wird die Eintrittswahrscheinlichkeit beeinflusst?

siehe auch

Korrelation, Regressionsanalyse, lineare Regression, logistische Regression

Beurteilung: Dieser Artikel ist sehr kurz oder unvollständig, und sollte noch erweitert werden. Falls Du etwas zu diesem Thema weißt, dann sei mutig und füge Dein Wissen hinzu.