Regression

Gibt es einen Zusammenhang zwischen zwei verschiedenen Messgrößen? Zum Beispiel: Haben Menschen mit größeren Füßen auch eine größere Körperlänge? Oder: Führt mehr Lernzeit im Durchschnitt zu besseren Klausurnoten? Die Regression hilft dir, solche Trends in einer scheinbar ungeordneten Punktewolke (Datenmenge) mathematisch zu beschreiben. Mit einer passenden Formel kannst du den allgemeinen Trend sichtbar machen und sogar präzise Vorhersagen für zukünftige oder fehlende Werte treffen. Die einfachste und am häufigsten genutzte Methode ist die lineare Regression . Dabei wird eine gerade Linie – die sogenannte Regressionsgerade – so durch die Datenpunkte gelegt, dass sie den Verlauf insgesamt am besten beschreibt. Das Kriterium für die "beste" Gerade lautet: Die Summe der quadrierten vertikalen Abstände zwischen den echten Datenpunkten und der Geraden muss so klein wie möglich sein (Methode der kleinsten Quadrate). Die Gleichung dieser Geraden kennst du bereits aus der Geometrie: y = m cdot x + b Dabei bedeuten die Variablen im Sachzusammenhang: x (unabhängige Variable): Der Ausgangswert, den du vorgibst oder kennst (z. B. die Schuhgröße). y (abhängige Variable): Der Wert, den du vorhersagen oder erklären möchtest (z. B. die geschätzte Körpergröße). m (Steigung): Gibt an, um wie viele Einheiten sich y im Mittel verändert, wenn x um genau eine Einheit erhöht wird. b (y-Achsenabschnitt): Der theoretische Startwert für y , wenn x = 0 ist (was im Sachkontext nicht immer eine sinnvoll

Worum geht's?

Gibt es einen Zusammenhang zwischen zwei verschiedenen Messgrößen? Zum Beispiel: Haben Menschen mit größeren Füßen auch eine größere Körperlänge? Oder: Führt mehr Lernzeit im Durchschnitt zu besseren Klausurnoten? Die Regression hilft dir, solche Trends in einer scheinbar ungeordneten Punktewolke (Datenmenge) mathematisch zu beschreiben. Mit einer passenden Formel kannst du den allgemeinen Trend sichtbar machen und sogar präzise Vorhersagen für zukünftige oder fehlende Werte treffen.

Formel mit Erklärung

Die einfachste und am häufigsten genutzte Methode ist die lineare Regression . Dabei wird eine gerade Linie – die sogenannte Regressionsgerade – so durch die Datenpunkte gelegt, dass sie den Verlauf insgesamt am besten beschreibt. Das Kriterium für die "beste" Gerade lautet: Die Summe der quadrierten vertikalen Abstände zwischen den echten Datenpunkten und der Geraden muss so klein wie möglich sein (Methode der kleinsten Quadrate). Die Gleichung dieser Geraden kennst du bereits aus der Geometrie: y = m ⋅ x + b y = m \cdot x + b y = m ⋅ x + b Dabei bedeuten die Variablen im Sachzusammenhang: * x x x (unabhängige Variable): Der Ausgangswert, den du vorgibst oder kennst (z. B. die Schuhgröße). * y y y (abhängige Variable): Der Wert, den du vorhersagen oder erklären möchtest (z. B. die geschätzte Körpergröße). * m m m (Steigung): Gibt an, um wie viele Einheiten sich y y y im Mittel verändert, wenn x x x um genau eine Einheit erhöht wird. * b b b (y-Achsenabschnitt): Der theoretische Startwert für y y y , wenn x = 0 x = 0 x = 0 ist (was im Sachkontext nicht immer eine sinnvolle Bedeutung hat).

Beispiele

Leicht#1
Aufgabe: In einer Schulklasse wurden die Schuhgrößen und Körpergrößen von sechs Jugendlichen erfasst. Stelle die Daten in einem geeigneten Diagramm dar und beschreibe den Trend. Daten: * Schüler:in 1: ( 37 ∣ 165 ) (37 \mid 165) ( 37 ∣ 165 ) * Schüler:in 2: ( 38 ∣ 168 ) (38 \mid 168) ( 38 ∣ 168 ) * Schüler:in 3: ( 39 ∣ 170 ) (39 \mid 170) ( 39 ∣ 170 ) * Schüler:in 4: ( 40 ∣ 175 ) (40 \mid 175) ( 40 ∣ 175 ) * Schüler:in 5: ( 41 ∣ 174 ) (41 \mid 174) ( 41 ∣ 174 ) * Schüler:in 6: ( 42 ∣ 180 ) (42 \mid 180) ( 42 ∣ 180 ) Lösung: Wir tragen die Schuhgröße auf der horizontalen x x x -Achse und die Körpergröße auf der vertikalen y y y -Achse ein.
353739414345150155160165170175180185xy(37|165)(38|168)(39|170)(40|175)(41|174)(42|180)
Interpretation: Es zeigt sich ein deutlicher positiver linearer Trend : Je größer die Schuhgröße ist, desto größer ist tendenziell auch die Körpergröße. Die Punkte liegen annähernd auf einer ansteigenden Linie.

Zusammenfassung

Regression macht Trends oder Zusammenhänge zwischen zwei Merkmalen x x x und y y y mathematisch berechenbar. Die lineare Regression beschreibt diesen Trend durch eine Regressionsgerade : y = m ⋅ x + b y = m \cdot x + b y = m ⋅ x + b Die Steigung m m m gibt an, wie stark sich y y y verändert, wenn x x x um eine Einheit erhöht wird. Der y-Achsenabschnitt b b b entspricht dem Startwert von y y y an der Stelle x = 0 x = 0 x = 0 . Mit der Regressionsfunktion kannst du sinnvolle Prognosen für Werte aufstellen, die nicht direkt gemessen wurden.

Jetzt üben

Kostenlose Aufgaben mit Lösungsweg zu diesem Begriff: