Von der Modellbildung über die Voraussetzungsprüfung bis zur Ergebnisinterpretation
Jetzt anfragenRegressionsanalysen untersuchen Zusammenhänge zwischen Variablen. Die lineare Regression modelliert kontinuierliche abhängige Variablen, die logistische Regression dichotome oder kategoriale Outcomes.
Die Entscheidung für ein Regressionsmodell hängt von der Forschungsfrage, der Skalierung der Variablen und den Verteilungsannahmen ab.
Lineare Regression setzt voraus: Linearität, Homoskedastizität, Normalverteilung der Residuen. Diese Annahmen müssen geprüft und dokumentiert werden.
Welche Prädiktoren sollen aufgenommen werden? Hier droht Overfitting oder Untermodellierung. Die Modellselektion muss theoretisch begründet sein.
Hochkorrelierte Prädiktoren verzerren die Regressionskoeffizienten. Die Diagnose und Behandlung ist zwingend erforderlich.