Regression
Beschreibt den Zusammenhang zwischen einer Zielgröße Y und einer oder mehreren Einflussgrößen X als mathematisches Modell — nicht nur „bewegen sie sich zusammen“, sondern eine Vorhersagegleichung.
Auch bekannt als: Regressionsanalyse, Regressionsmodell
Die Regression liefert eine Funktion , die aus beobachteten Daten geschätzt wird. Sie beantwortet zwei Fragen: (1) Vorhersage — welcher Y-Wert ist bei neuen X zu erwarten? (2) Verständnis — welche X beeinflussen Y in welchem Ausmaß?
- Klassisch: Lineare Regression (OLS) — stetiges Y, normalverteilt
- Attributiv: Generalized Linear Models — binäre, kategoriale oder Zähldaten
- Nichtlinear — kubische Splines, Polynom-Regression, Nichtlineare Regression
Siehe auch
Verwendet in
Im Algorithm-Lab
Quellen
- Montgomery, D. C., Peck, E. A. & Vining, G. G. — Introduction to Linear Regression Analysis, 6th Edition, Wiley
- Fahrmeir, L., Kneib, T., Lang, S. & Marx, B. — Regression: Models, Methods and Applications, 2nd Edition, Springer