+
Im Detail

Multiple lineare Regression (RLM)


Viele Regressionsprobleme betreffen mehr als eine Regressionsvariable. Beispielsweise kann die Gesamtzufriedenheit aus mehreren unabhängigen Variablen bestehen, wie z. B. Preis, Vorlaufzeit und Verpackung.

Da die Prinzipien der multiplen Regression analog zu denen der einfachen Regression sind, werden die Einzelheiten der allgemeinen Gleichung der multiplen Regression hier nicht angesprochen: y = β0 + βx1 + β2x2 +… + βkxk + Σ.

Ebenso ist das allgemeine Anliegen des Analytikers in dieser Analyse die R2 Dies gibt die Gesamtvariabilität des Regressionsmodells an, und die R-Werte reichen von 1 bis -1, was die Gesamtvariabilität angibt, bei der eine Beziehung zwischen der Antwortvariablen und den Regressoren besteht.

Der Hypothesentest basiert auf dem bereits diskutierten Wert von t, wobei die Situation, in der derselbe berechnet wird und höher als der tabellarische Wert ist, die Nullhypothese zurückweist.

Beispiel

Variablen

Koeffizient

Lieferzeit

0,154

Teambeteiligung bei der Fehlersuche

0,135

Preis berechnet

-0,002

After Sales Arbeit

0,134

Verpackung

0,065

In diesem realen Beispiel bestand das Ziel darin, den Grad der Kundenzufriedenheit eines Software-Vertriebsunternehmens zu messen, wobei die Antwortvariable die Gesamtzufriedenheit und die oben genannten Regressoren (für eine Gruppe von Faktoren) war.

Es ist zu beobachten, dass diese Variablen nur eine geringe Repräsentativität aufweisen, da alle Koeffizienten kaum von Null abweichen. Der R2 ist hoch (0,68), was eine gute Berechnungsgenauigkeit ergibt.

Weiter: Übungen und Bibliographie


Video: DFFITS (Januar 2021).