Voraussetzung für die lineare Regression. Die Unabhängigkeit der Residuen wird durch den Durbin-Watson Test geprüft. Dabei sollte die Autokorrelation nahe 0, die D-W Statistik zwischen 1 und 3 (im Idealfall 2) und der p-Wert > .05 sein. Ist dies nicht gegeben, ist es wichtig sein Studiendesign nochmal genau zu prüfen: Gibt es Anhaltspunkte dafür, dass Beobachtungen nicht voneinander unabhängig sind? Das ist zum Beispiel bei Messwiederholung der Fall, also wenn du eine Person mehrfach gemessen hast, die Mehrfachmessung nun aber nicht richtig in deinem Modell berücksichtigst. In diesem Fall würde die lineare Regression falsche Ergebnisse liefern. Besser geeignet wären hierarchische Modelle, in dem die Messwiederholung korrekt adressiert wird.

Lade dir hier die Formelsammlung für deinen Bland-Altman-Plot herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!

10 % Rabatt auf unsereWorkshops & Kurse im Onlineshop!

Trage dich hier für Dr. Ortmanns beste Maildizin ein und erhalte regelmäßige Rabatte, Tipps und Coachinginhalte für deine empirische Promotion

You have Successfully Subscribed!

Lade dir hier die Checkliste für deinen Methodenteil herunter

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!


Jetzt 10 % Rabatt auf alle

Workshops & Kurse sichern!

You have Successfully Subscribed!

Downloade dir hier das Flowchart für deine ANOVA

Melde dich für meinen Newsletter an und erhalte sofort das PDF!

You have Successfully Subscribed!