Hallo,
ich arbeite noch nicht sehr lange mit R und hänge leider bei meiner empirischen Hausarbeit fest.
Wir haben 2 Hypothesen : H1: Je älter der Mensch, desto Umweltbewusster
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.739271 0.111459 24.576 < 2e-16 ***
Alter 0.017627 0.003062 5.757 1.02e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Dies ist unser errechnetes Ergebnis.
Lieg ich richtig in der Annahme, dass die H1 angenommen wird da Beta=0,01 und p <0,01 ?
Danke schon mal im Voraus !
lineare regression
Re: lineare regression
Beta hätte ich anders gerundet. Die ungerichtete Nullhypothese hinter dem p wird verworfen. Ob das Deine gerichtete Hypothese bestätigt, dafür wissen wir zu wenig.
HTH,
Bernhard
HTH,
Bernhard
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Re: lineare regression
Super vielen Dank !
Also Wenn H0:Je jünger der Mensch, desto umweltbewusster ist er
H1: Je älter der Mensch, desto umweltbewusster ist er
Dann muss ich anhand meiner Daten b=0,017? und p=0 H1 annehmen ?
besten Dank von einem verzweifelten Studenten !
Also Wenn H0:Je jünger der Mensch, desto umweltbewusster ist er
H1: Je älter der Mensch, desto umweltbewusster ist er
Dann muss ich anhand meiner Daten b=0,017? und p=0 H1 annehmen ?
besten Dank von einem verzweifelten Studenten !
Re: lineare regression
Schau mal hier!
Viele Grüße,
Student
-----------------------------------------------------------------------------------------------------------------------
faes.de, Datenanalyse mit R & das Ad-Oculos-Projekt
Das Ad-Oculos-Projekt auf YouTube
Habe Mut, dich deines eigenen Verstandes zu bedienen! (Kant)
Student
-----------------------------------------------------------------------------------------------------------------------
faes.de, Datenanalyse mit R & das Ad-Oculos-Projekt
Das Ad-Oculos-Projekt auf YouTube
Habe Mut, dich deines eigenen Verstandes zu bedienen! (Kant)
Re: lineare regression
Nein! Die Nullhypothese in der linearen Regression ist immer: Der wahre Koeffizient für "Alter" ist 0.
Diese Nullhypothese kannst Du mit p < 0,0001 hochsignifikant widerlegen. Der wahre Koeffizient ist also sicher nicht 0. Wir wissen darüber hinaus, dass er positiv ist. Ob ein positiver Koeffizient (0,0176... ≈ 0,02) nun bedeutet, dass das Umweltbewusstsein mit dem Alter zu- oder abnimmt hängt davon ab, wie Umweltbewusstsein gemessen wurde: Ob hohe Werte viel oder wenig Umweltbewusstsein bedeuten hast Du ja nicht geschrieben.
Auch sonst hast Du ziemlich viel vom Ergebnis weggeschnitten und deshalb bin ich vorsichtig und deshalb so kleinlich.
LG,
Bernhard
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Re: lineare regression
Danke für die Hilfe, so hab ich das jetzt verstanden,
Call:
lm(formula = G_3 ~ Alter, data = Datensatz_Empirisches_Projekt_1)
Residuals:
Min 1Q Median 3Q Max
-1.02770 -0.25980 0.02838 0.26679 1.07861
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.739271 0.111459 24.576 < 2e-16 ***
Alter 0.017627 0.003062 5.757 1.02e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.4206 on 96 degrees of freedom
Multiple R-squared: 0.2566, Adjusted R-squared: 0.2489
F-statistic: 33.14 on 1 and 96 DF, p-value: 1.025e-07
H0: Beta(Alter) = 0
H1: Beta ungleich 0
Ich verwerfe H0,da p=0(Wie kommst du auf 0,0001?).Hohe Werte bedeuten hohes Umweltbewusstsein, also kann man sagen, wenn das Alter um 1 zunimmt steigt auch das Umweltbewusstsein.
Vielen Vielen Dank !
Call:
lm(formula = G_3 ~ Alter, data = Datensatz_Empirisches_Projekt_1)
Residuals:
Min 1Q Median 3Q Max
-1.02770 -0.25980 0.02838 0.26679 1.07861
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.739271 0.111459 24.576 < 2e-16 ***
Alter 0.017627 0.003062 5.757 1.02e-07 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.4206 on 96 degrees of freedom
Multiple R-squared: 0.2566, Adjusted R-squared: 0.2489
F-statistic: 33.14 on 1 and 96 DF, p-value: 1.025e-07
H0: Beta(Alter) = 0
H1: Beta ungleich 0
Ich verwerfe H0,da p=0(Wie kommst du auf 0,0001?).Hohe Werte bedeuten hohes Umweltbewusstsein, also kann man sagen, wenn das Alter um 1 zunimmt steigt auch das Umweltbewusstsein.
Vielen Vielen Dank !
Re: lineare regression
Genau. Bei Geburt sind wir 2,7 G3 und wenn wir hundert werden dann sind wir 4,5 G3.
---
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Programmiere stets so, dass die Maxime Deines Programmierstils Grundlage allgemeiner Gesetzgebung sein könnte
Re: lineare regression
Hammer Danke!