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?
- 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
- 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?
- 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. |