Linearität ist eine wichtige Voraussetzung der linearen Regression. Wie der Name – lineare Regression – schon vermuten lässt, ist eine Grundannahme des Modells, dass der Zusammenhang zwischen den einzelnen Prädiktoren und dem Kriterium linear ist. Das ist auch häufig der Fall. Manchmal jedoch gibt es klare Hinweise darauf – entweder aus den Daten oder aus der Literatur – dass in Wahrheit ein anderer Zusammenhang (z. B. quadratisch, kubisch, logistisch, exponentiell…) vorliegt.
Kategorien
Neueste Beiträge
- Die Grundlagen statistischer Tests in der Medizin: Eine leicht verständliche Erklärung von p-Wert, Effektstärke und Hypothesen
- Stichprobe oder Population? Wo ist der Unterschied?
- Null- und Alternativhypothese – die Grundlage deiner Studie
- Fehler 1. und 2. Art und die Sache mit der Wahrscheinlichkeit
- Die Testlogik und der p-Wert