Minitab berechnet die Koeffizienten anhand der Schätzung der kleinsten Quadrate.
Als Matrix ausgedrückt entsprechen die Schätzungen der kleinsten Quadrate für Koeffizienten:
b = (X'X)–1X'y
Weitere Informationen zu Koeffizienten in Modellen höherer Ordnung finden Sie in Cornell1.
| Begriff | Beschreibung |
|---|---|
| X | Versuchsplanmatrix |
| y | Spalte der Antwortvariablen |
Bei der einfachen linearen Regression lautet der Standardfehler des Koeffizienten:

Die Standardfehler der Koeffizienten für die multiple Regression entsprechen den Quadratwurzeln der Diagonalelemente dieser Matrix:

| Begriff | Beschreibung |
|---|---|
| xi | i-ter Prädiktorwert |
![]() | Mittelwert des Prädiktors |
| X | Designmatrix |
| X' | transponierte Designmatrix |
| s2 | Mittleres Fehlerquadrat |

| Begriff | Beschreibung |
|---|---|
![]() | Teststatistik für den Koeffizienten |
![]() | geschätzter Koeffizient |
![]() | Standardfehler des geschätzten Koeffizienten |
Der beidseitige p-Wert für die Nullhypothese, dass ein Regressionskoeffizient gleich 0 ist, wird wie folgt ausgedrückt:

Die Freiheitsgrade sind die Freiheitsgrade für Fehler und werden wie folgt ausgedrückt:
n – p
| Begriff | Beschreibung |
|---|---|
![]() | Kumulative Verteilungsfunktion der t-Verteilung mit Freiheitsgraden, die den Freiheitsgraden für Fehler entsprechen |
| tj | t-Statistik für den j-ten Koeffizienten |
| n | Anzahl der Beobachtungen im Datensatz |
| p | Summe der Freiheitsgrade für die Terme |
Der VIF lässt sich durch Regression der einzelnen Prädiktoren auf die jeweils übrigen Prädiktoren und Aufzeichnen des R2 berechnen.
Für Prädiktor xj lautet der VIF:

| Begriff | Beschreibung |
|---|---|
| R2( xj) | Determinationskoeffizient mit xj als Antwortvariable und den anderen Termen im Modell als Prädiktoren |