www.vorhilfe.de
- Förderverein -
Der Förderverein.

Gemeinnütziger Verein zur Finanzierung des Projekts Vorhilfe.de.
Hallo Gast!einloggen | registrieren ]
Startseite · Mitglieder · Impressum
Forenbaum
^ Forenbaum
Status VH e.V.
  Status Vereinsforum

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Suchen
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Statistik (Anwendungen)" - Regressionsmodell/Nullmodell
Regressionsmodell/Nullmodell < Statistik (Anwend.) < Stochastik < Hochschule < Mathe < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Statistik (Anwendungen)"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Regressionsmodell/Nullmodell: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 19:47 So 13.01.2013
Autor: isabell_88

Aufgabe
Es gilt: R² vom Regressionsmodell ≥ R² vom Nullmodell“.
Begründen Sie (entweder mathematisch oder verbal), warum dies der Fall ist.

ich verstehe diese aussage nicht, leider bin ich in statistik nicht so bewandert.
ich weiß noch, dass [mm] R^2 [/mm] das jeweilige Bestimmtheitsmaß ist und dass dieses Maß irgendwie angibt, wie gut die Daten durch das Modell erklärt werden.
Das Nullmodell ist immer das einfachere Modell und das Regressionsmodell etwas genauer,aber ist deswegen das Bestimmtheitsmaß auch immer größer?

kann jemand mir erklären weshalb das so ist?

        
Bezug
Regressionsmodell/Nullmodell: Antwort
Status: (Antwort) fertig Status 
Datum: 21:02 So 13.01.2013
Autor: luis52

Moin,

Ich beziehe mich mal auf []das hier:

Damit wird das Bestimmtheitsmaß [mm] R^2 [/mm] definiert als:

[mm] $R^2 [/mm] = [mm] 1-\frac{\displaystyle\sum_{i=1}^n (Y_i -\hat{Y}_i)^2}{\displaystyle\sum_{i=1}^n (Y_i - \bar{Y})^2}$ [/mm]

Bedenke, dass nach der Methode der kleinsten Quadrate [mm] $\sum_{i=1}^n (Y_i -\hat{Y}_i)^2$ [/mm] den Ausdruck [mm] $\sum_{i=1}^n({b}_0 [/mm] + [mm] {b}_1 X_{i1} [/mm] + ... [mm] +{b}_p X_{ip})^2$ [/mm] fuer alle [mm] $b_0,b_1,\dots,b_p\in\IR$ [/mm] minimiert. Im Nullmodell werden Restriktionen  bzgl. [mm] $b_0,b_1,\dots,b_p$ [/mm] unterstellt, z.B. [mm] $b_1=0$. [/mm] Dann wird der der minimierende Wert der Zielfunktion

[mm] $\sum_{i=1}^n({b}_0 [/mm] + [mm] \red{0}\cdot X_{i1} [/mm] + ... [mm] +{b}_p X_{ip})^2$ [/mm]

groesser sein als    [mm] $\sum_{i=1}^n (Y_i -\hat{Y}_i)^2$ [/mm] und somit das zugehoerige Bestimmtheitmass [mm] $R_0^2$ [/mm] kleiner sein als [mm] $R^2$. [/mm]
                      

Bezug
                
Bezug
Regressionsmodell/Nullmodell: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 21:25 So 13.01.2013
Autor: isabell_88

danke für die schnelle Hilfe

Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Statistik (Anwendungen)"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
ev.vorhilfe.de
[ Startseite | Mitglieder | Impressum ]