Multiple lineare und nichtlineare Regressionsanalysen

Multiple lineare und nichtlineare Regressionsanalysen



Wirkung unabhängiger Variablen auf eine Zielvariable in linearen oder nicht-linearen (polynomialen) Modellen.

Die multiple Regressionsanalyse testet, ob ein Zusammenhang zwischen mehreren unabhängigen und einer abhängigen Variable besteht. "Regressieren" steht für das Zurückgehen von der abhängigen Variable y auf die unabhängigen Variablen xk. Daher wird auch von "Regression von y auf x" gesprochen. Die abhängige Variable wird im Kontext der Regressionsanalysen auch als "Kritieriumsvariable" und die unabhängigen Variablen als "Prädiktorvariablen" bezeichnet. In der empirischen Sozialforschung sowie in der Marktforschung gibt es selten nur eine Ursache für eine Wirkung. In der Regel werden die Werte einer abhängigen Variablen durch mehrere unabhängige Variablen beeinflusst. Diesem Umstand kann durch die multiple Regressionsanalyse Rechnung getragen werden. Sie ist eine Erweiterung der einfachen Regression und ermöglicht es, mehrere unabhängige Variablen gleichzeitig in einem Modell zu berücksichtigen.

Das Konzept und die Vorgehensweise basieren auf der einfachen Regression. Es müssen jedoch zusätzliche Voraussetzungen beachtet werden. Des Weiteren gibt es bei der multiplen Regression im Unterschied zur einfachen Regression verschiedene Arten, die unabhängigen Variablen in das Modell einzubeziehen

Share by: