Überprüfung der Annahmen der linearen Regression in R | R-Tutorial 5.2 | MarinStatsLectures

Wie testet man die Annahmen der linearen Regression in R?

In diesem R-Tutorial gehen wir zunächst auf einige Grundkonzepte der linearen Regression ein, wie das Einfügen einer Regressionsgeraden, die Interpretation der Regressionsgeraden (vorhergesagter oder geschätzter Y-Wert, der Mittelwert von Y bei gegebenem X), die Interpretation der Residuen oder Fehler (die Differenz zwischen dem beobachteten Y-Wert und dem vorhergesagten oder geschätzten Y-Wert) sowie die Annahmen beim Anpassen eines linearen Regressionsmodells.

Anschließend besprechen wir die diagnostischen Regressionsplots in R, den Grund für die Erstellung dieser Plots und wie man sie erzeugt. Du lernst, die Linearitätsannahme und die konstante Varianz (Homoskedastizität) eines Regressionsmodells mit Residualplots in R zu überprüfen und die Normalitätsannahme mit QQ-Plots (Quantil-Quantil-Plots) zu testen.

Zudem lernst du, die Annahme der konstanten Varianz für Daten mit nicht-konstanter Varianz in R zu prüfen, Residualplots, QQ-Plots und Streudiagramme für solche Daten zu erstellen und zu interpretieren, sowie Residualplots, QQ-Plots und Streudiagramme für Daten mit nicht-linearem Zusammenhang in R zu erstellen und zu interpretieren.

■ Inhaltsverzeichnis:

0:00:29 Vorstellung der im Video verwendeten Daten
0:00:49 Wie passt man ein lineares Regressionsmodell in R an?
0:01:03 Wie erhält man die Zusammenfassung des linearen Regressionsmodells in R?
0:01:15 Wie fügt man eine Regressionsgerade in den Plot in R ein?
0:01:24 Wie interpretiert man die Regressionsgerade?
0:01:43 Wie interpretiert man die Residuen oder Fehler?
0:01:53 Wo findet man den Standardfehler der Residuen...