Mithilfe der Linearen Regressionsanalyse wird ein Modell erstellt, dass die Beziehung zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen beschreibt. Je nachdem, ob es einer oder mehreren unabhängigen Variablen gibt, wird zwischen der einfachen und der multiplen linearen Regressionsanalyse unterschieden. Im ersten Fall, der einfachen linearen Regression, gilt es, den Einfluss einer unabhängigen Variable auf eine abhängige Variable zu untersuchen. Im zweiten Fall, der multiplen linearen Regression, wird der Einfluss mehrerer unabhängiger Variablen auf eine abhängige Variable analysiert. In beiden Fällen ist die Voraussetzung, dass das Skalenniveau der Variablen intervallskaliert ist, sowie eine Normalverteilung vorliegt.

Einfache Lineare Regression
Das Ziel der einfachen linearen Regression ist, den Wert einer abhängigen Variable aufgrund von einer unabhängigen Variable vorherzusagen. Je größer der lineare Zusammenhang zwischen der unabhängigen und der abhängigen Variable ist, desto genauer ist die Vorhersage. Dies bedeutet ebenfalls, dass ein umso größerer Anteil der Varianz der abhängigen Variable durch die unabhängige Variable erklärt werden kann. Visuell kann der Zusammenhang zwischen den Variablen in einem Streudiagramm dargestellt werden. Umso größer der lineare Zusammenhang zwischen der abhängigen und der unabhängigen Variable ist, desto stärker liegen die Datenpunkte auf einer Geraden.

Multiple Lineare Regression
Im Gegensatz zur einfachen linearen Regression, ermöglicht die multiple lineare Regression die Berücksichtigung von mehr als zwei unabhängigen Variablen. Das Ziel ist es, eine Variable auf der Basis von mehreren anderen Variablen zu schätzen. Die Variable, die geschätzt werden soll, wird dabei als abhängige Variable (Kriterium) bezeichnet. Die Variablen, welche zur Vorhersage herangezogen werden, heißen unabhängige Variablen (Prädiktoren).

Mehr Informationen:
https://datatab.de/tutorial/lineare-r...

Online Statistik Rechner:
https://datatab.de/statistik-rechner/...