Verwenden Sie Regressionsmodell
anpassen, um die Beziehung zwischen einer Gruppe von Prädiktoren und einer stetigen Antwortvariablen anhand der normalen Regression nach der Methode der kleinsten Quadrate zu beschreiben. Sie können Wechselwirkungs- und Polynomialterme einbinden, eine schrittweise Regression durchführen und schiefe Daten transformieren.
Immobiliengutachter möchten z. B. herausfinden, in welcher Beziehung der Verkaufspreis von Apartments in der Stadt zu mehreren Prädiktorvariablen wie der Wohnfläche, der Anzahl verfügbarer Einheiten, dem Alter des Gebäudes und der Entfernung zum Stadtzentrum steht. Die Gutachter können anhand der multiplen Regression ermitteln, welche Prädiktoren eine signifikante Beziehung zum Verkaufspreis aufweisen.
Nachdem Sie die Analyse durchgeführt haben, speichert Minitab das Modell, das Ihnen folgende Möglichkeiten bietet:
- Sie können die Werte der Antwortvariablen für neue Beobachtungen prognostizieren.
- Sie können die Beziehungen zwischen den Variablen grafisch darstellen.
- Sie können Werte finden, mit denen die Werte einer oder mehrerer Antwortvariablen optimiert werden.
Weitere Informationen finden Sie unter
Übersicht über gespeicherte Modelle.
Wo finde ich diese Analyse?
Um ein Regressionsmodell anzupassen, wählen Sie aus.
In welchen Fällen bietet sich eine andere Analyse an?
- Wenn Sie die Beziehung zwischen einem stetigen (numerischen) Prädiktor und einer stetigen Antwortvariablen grafisch darstellen möchten, verwenden Sie Darstellung der
Anpassungslinie.
- Wenn Sie über kategoriale Prädiktoren verfügen, die geschachtelt oder zufällig sind, verwenden Sie Allgemeines lineares
Modell anpassen, wenn durchgehend feste Faktoren vorliegen, oder verwenden Sie Modell mit gemischten
Effekten anpassen, wenn Zufallsfaktoren vorliegen.
- Wenn die Antwortvariable zwei Kategorien enthält, z. B. „Bestanden“ und „Nicht bestanden“, verwenden Sie Binäres logistisches
Modell anpassen.
- Wenn die Antwortvariable drei oder mehr Kategorien mit einer natürlichen Rangfolge aufweist, z. B. „Starke Ablehnung“, „Ablehnung“, „Neutral“, „Zustimmung“ und „Starke Zustimmung“, verwenden Sie Ordinale Logistische
Regression.
- Wenn die Antwortvariable drei oder mehr Kategorien ohne natürliche Rangfolge aufweist, z. B. Kratzer, Delle und Riss, verwenden Sie Nominale Logistische
Regression.
- Wenn mit der Antwortvariablen Ereignishäufigkeiten gezählt werden, z. B. die Anzahl der Fehler, verwenden Sie Poisson-Modell
anpassen.
