Die Modellordnung ist der Typ des Modells, mit dem ein Trend in den Daten wiedergegeben wird. Die Modellordnung ist ein wichtiger Faktor in Bezug darauf, wie genau das Modell die Daten beschreibt und Antwortvariablen prognostiziert.
In einem linearen Modell kann beispielsweise eine stetige Zu- oder Abnahme in den Daten dargestellt werden. In einem quadratischen Modell (häufig annähernd U-förmig bzw. in Form eines auf dem Kopf stehenden U) kann eine Krümmung in den Daten erklärt werden. Mit einem kubischen Modell können auch so genannte „Berg-und-Tal-Muster“ in den Daten beschrieben werden.
| Modellordnung | Beispiel |
|---|---|
|
Linear y = bo + b1x (erste Ordnung) |
|
|
Quadratisch y = bo + b1x + b11x2 (zweite Ordnung) |
|
|
Kubisch y = bo + b1x + b11x2 + b111 x3 (dritte Ordnung) |
|
Jede Modellordnung entspricht dem Grad der Gleichung (der höchsten Potenz der x-Variablen), mit dem das Modell generiert wird, wobei y die Antwortvariable, x die Prädiktorvariable und bo die Konstante sowie b1, b11 und b111 die Koeffizienten sind.
