Lineare Regression:Voraussetzung Homoskedastizität

Fragen und Diskussionen rund um die Arbeit mit SPSS. Für allgemeine Statistik-Themen, die nicht mit SPSS zusammenhängen, bitte das Statistik-Forum nutzen.
Antworten
beeti99
Beiträge: 4
Registriert: 19.07.2014, 14:20

Lineare Regression:Voraussetzung Homoskedastizität

Beitrag von beeti99 »

Hallo zusammen,

ich muss eine lineare Regression rechnen und setze mich gerade mit den Voraussetzungen auseinander.
1. Normalverteilung: nicht gegeben
2. Autokorrelation liegt nicht vor, da Durbin-Watson 2.2
3. Linearität und Homoskedastizität: Da bin ich mir nicht sicher, wie man die Diagramme interpretiert. Kann mir da jemand helfen?

http://www.bilder-upload.eu/show.php?fi ... 773471.png
http://www.bilder-upload.eu/show.php?fi ... 773536.png

Wenn nun auch keine Linearität und Homoskedastizität gegeben sind, was mache ich dann? Kann ich die Regressionsanalyse überhaupt durchführen?

Vielen Dank im Voraus!!
Ville
Beiträge: 32
Registriert: 06.09.2013, 12:51

Re: Lineare Regression:Voraussetzung Homoskedastizität

Beitrag von Ville »

beeti99 hat geschrieben:
Wenn nun auch keine Linearität und Homoskedastizität gegeben sind, was mache ich dann? Kann ich die Regressionsanalyse überhaupt durchführen?
Natürlich, auf die BLUE-Annahme achtet doch keiner mehr
Generalist
Beiträge: 1733
Registriert: 11.03.2010, 22:28

Beitrag von Generalist »

Sonnenstich? Was hat denn die erwartungstreue Parameterschätzung mit der Ermittlung des korrekten Standardfehlers zu tun? Schon 5 Minuten wikipedia sollten da minimal schlau machen.
beeti99
Beiträge: 4
Registriert: 19.07.2014, 14:20

Beitrag von beeti99 »

Ich würde mich wirklich über ernst gemeinte Hilfe freuen. Ich bin nicht gut in Statistik, wenn dem so wäre würde ich die Frage wahrscheinlich auch nicht stellen.
Generalist
Beiträge: 1733
Registriert: 11.03.2010, 22:28

Beitrag von Generalist »

Ich bezog mich auf den "BLUE"-Quatsch.

Normaverteilung ist egal, es zählt nur die Verteilung der Residuen, zumindest wen n < 50 oder so, bei größeren Stichproben ist die Regression robust. Linearität und Homoskedaszität sind o.k.
beeti99
Beiträge: 4
Registriert: 19.07.2014, 14:20

Beitrag von beeti99 »

Ah entschuldige, dann hab ich es falsch verstanden. Kannst du mir vielleicht noch erklären woran ich sehe dass Linearität und homoskedastizität gegeben sind?
beeti99
Beiträge: 4
Registriert: 19.07.2014, 14:20

Beitrag von beeti99 »

Mir ist immer noch nicht klar, wie ich das begründen kann. Ich dachte, damit ein linearer Zusammenhang gegeben ist, sollten die Punkte um die Gerade herum gleichmäßig streuen. In meinem Fall liegen die Punkte aber doch auch ziemlich weit weg von der Gerade, spricht man da trotzdem von einem linearen Zusammenhang?
Und auch in Bezug auf die Homoskedastizität, es heißt ja immer, dass kein Muster erkennbar sein sollte. Aber hier werden die Punkte nach links hin doch weniger? Ich muss das alles in meiner Bachelorarbeit auch begründen können aber es fällt mir wirklich schwer..
Anzeige:Statistik und SPSS: Die besten Bücher
Als Buch oder E-Book - Jetzt bestellen
spss datenanalyse
SPSS - Moderne Datenanalyse - Jetzt bestellen!
statistik datenanalyse
Statistik - Der Weg zur Datenanalyse - Jetzt bestellen!
Antworten