Weshalb führen unterschiedliche Regressionsmethoden für dasselbe Modell zu unterschiedlichen Werten für das R-Quadrat, das korrigierte R-Quadrat und S?

Sie können unterschiedliche Ergebnisse für ein Modell erhalten, wenn Ihr Datensatz fehlende Werte in mindestens einem Prädiktor enthält.

Wenn Sie Statistik > Regression > Regression > Regressionsmodell anpassen > Schrittweise oder Statistik > Regression > Regression > Beste Teilmengen ausführen, entfernt Minitab alle Zeilen, die fehlende Werte für einen der Prädiktoren in der Liste der Prädiktoren enthalten. Minitab entfernt die Zeilen unabhängig davon, ob die Prädiktoren im Modell enthalten sind. Wenn Sie die Liste der Prädiktoren ändern, können sich die Ergebnisse aufgrund der fehlenden Werte ändern, obwohl das Modell dasselbe ist.

Angenommen, der Datensatz enthält die Antwortvariable in C1, die Prädiktoren in C2-C4 sowie einen fehlenden Wert in C4. Sie führen eine Analyse durch und geben alle Prädiktoren an. In diesem Fall werden die Statistiken ohne die Zeile mit dem fehlenden Wert berechnet, selbst für ein Modell, das lediglich C2 und C3 als Prädiktoren enthält. Wenn Sie jedoch die Analyse erneut ausführen und lediglich C2 und C3 als Prädiktoren angeben, werden die Statistiken mit dem gesamten Datensatz berechnet. Daher nehmen das R-Quadrat, das korrigierte R-Quadrat und S für dasselbe Modell andere Werte an.

Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien