Seite 1 von 1

Lineare Regression - zu geringer R² Wert

Verfasst: Sa Nov 17, 2018 12:12 pm
von Johanna
Hallo Ihr Lieben,

ich muss für die Uni eine Hausarbeit in Statistik schreiben und scheitere aktuell an meiner Linearen Regression.

Die Lineare Regression habe ich komplett durchgeführt nur leider liegt mein R² Wert bei 0,04385, was zu niedrig ist. :cry: Ich möchte jetzt gerne eine Variablentransformation durchführen und hoffe damit ein besseres bzw. verwendbares Ergebnis zu erzielen.

Leider weis ich nicht wie ich diese Variablentransformation durchführen muss, welche Variablen ich alle transformieren muss/sollte und vor allem welchen Befehl ich in R eingeben muss.... Kann mich hier bitte jemand unterstützen?

Vielen Dank und Grüße
Johanna

Re: Lineare Regression - zu geringer R² Wert

Verfasst: Sa Nov 17, 2018 12:39 pm
von EDi
Die Lineare Regression habe ich komplett durchgeführt nur leider liegt mein R² Wert bei 0,04385, was zu niedrig ist. :cry: Ich möchte jetzt gerne eine Variablentransformation durchführen und hoffe damit ein besseres bzw. verwendbares Ergebnis zu erzielen.

Leider weis ich nicht wie ich diese Variablentransformation durchführen muss, welche Variablen ich alle transformieren muss/sollte und vor allem welchen Befehl ich in R eingeben muss.... Kann mich hier bitte jemand unterstützen
Passt dann das Model zu den Daten? Ein plot fitted vs residuals kann hier helfen.

Wie sind die Prädikatoren verteilt? Bei Variablen die über mehrere Größenordnung reichen, hilft oft eine Log-transformation (und beseitigt oft auch Probleme mit leverage points).

Ist es ein linearer Zusammenhang, oder braucht es was flexibleres? Vielleicht reicht auch schon ein quadratischer oder interaktionsterm.

Ohne die Daten zu sehen, kann man leider nicht viel sagen...

Ich hab die Studenten in der ersten Vorlesung immer dieses Papier lesen lassen :

https://besjournals.onlinelibrary.wiley ... 09.00001.x

Das empfehle ich dir auch.
Bonus Punkte gibt's wenn du dir auch den Anhang anschaust und (wichtig) in R nachkochst.
Und wenn man dann noch das nachfolge-Paper von 2016 recherchiert, dann ist man schon mal sehr gut aufgestellt um linearer Modelle zu interpretieren.