Multiple Regression, gefittete Werte
Verfasst: Sa Nov 18, 2017 8:59 pm
Hallo liebe Community,
Ich sitze seit geraumer Zeit vor einem kleinen Problem mit R. Ich habe dieses Semster in der Uni Satistik und müssen regelmäßig Online-Übungen machen. Es wird einem auch gleich angezeigt, ob die Ergebnisse korrekt sind.
Die Aufgabe lautet: "Berechnen Sie die Gefittete Miete für Wohnungen mit 141 Quadratmeter und 2 Wohnräumen (eq3)". Nun würde ich sagen, dass ich y-Dach berechnen über b1 + b2 * 141 + b3 * 2. Leider wird mein Ergebnis nicht angenommen. Kann mir bitte jemand helfen und sagen, wo das Problem liegt?
Die zweite Frage, die eventuell auch damit zusammenhängt ist, warum wir bei b2 = - 52.1669 ein negatives Vorzeichen haben und wie man dieses interpretieren kann.
Vielen Dank für eure Antworten, Sarah
> summary(eq3)
Call:
lm(formula = Miete ~ WF + WR, data = data5.positiv)
Residuals:
Min 1Q Median 3Q Max
-823.00 -106.07 -9.91 88.34 795.76
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 88.9870 17.8615 4.982 7.57e-07 ***
WF 7.3918 0.3625 20.393 < 2e-16 ***
WR -52.1669 8.9104 -5.855 6.74e-09 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 174.1 on 882 degrees of freedom
Multiple R-squared: 0.4353, Adjusted R-squared: 0.434
F-statistic: 339.9 on 2 and 882 DF, p-value: < 2.2e-16
Ich sitze seit geraumer Zeit vor einem kleinen Problem mit R. Ich habe dieses Semster in der Uni Satistik und müssen regelmäßig Online-Übungen machen. Es wird einem auch gleich angezeigt, ob die Ergebnisse korrekt sind.
Die Aufgabe lautet: "Berechnen Sie die Gefittete Miete für Wohnungen mit 141 Quadratmeter und 2 Wohnräumen (eq3)". Nun würde ich sagen, dass ich y-Dach berechnen über b1 + b2 * 141 + b3 * 2. Leider wird mein Ergebnis nicht angenommen. Kann mir bitte jemand helfen und sagen, wo das Problem liegt?
Die zweite Frage, die eventuell auch damit zusammenhängt ist, warum wir bei b2 = - 52.1669 ein negatives Vorzeichen haben und wie man dieses interpretieren kann.
Vielen Dank für eure Antworten, Sarah
> summary(eq3)
Call:
lm(formula = Miete ~ WF + WR, data = data5.positiv)
Residuals:
Min 1Q Median 3Q Max
-823.00 -106.07 -9.91 88.34 795.76
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 88.9870 17.8615 4.982 7.57e-07 ***
WF 7.3918 0.3625 20.393 < 2e-16 ***
WR -52.1669 8.9104 -5.855 6.74e-09 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 174.1 on 882 degrees of freedom
Multiple R-squared: 0.4353, Adjusted R-squared: 0.434
F-statistic: 339.9 on 2 and 882 DF, p-value: < 2.2e-16