beta1-interpretation-schoice
Question
Im Kung-Regressionsmodell (height ~ weight_c) wird für \(\beta_1\) (das “Regressionsgewicht”) ein Schätzwert von etwa 0,9 berichtet. Wie ist dieser Wert korrekt zu interpretieren?
Answerlist
- Zwei erwachsene !Kung, die sich um 1 kg im (zentrierten) Gewicht unterscheiden, unterscheiden sich laut Modell im Schnitt um etwa 0,9 cm in der Körpergröße.
- Die durchschnittliche Körpergröße aller erwachsenen !Kung beträgt 0,9 cm.
- \(\beta_1=0{,}9\) bedeutet, dass 90 % der !Kung größer als der Mittelwert sind.
- Eine Person mit einem (zentrierten) Gewicht von 0 hat laut Modell eine Körpergröße von 0,9 cm.
- \(\beta_1=0{,}9\) gibt die Korrelation zwischen Gewicht und Größe an, die hier bei \(r=0{,}9\) liegt.
Solution
\(\beta_1\) ist die Steigung der Regressionsgeraden: Sie gibt an, um wie viele Einheiten sich die AV (Körpergröße) im Schnitt unterscheidet, wenn sich zwei Beobachtungen um eine Einheit in der UV (Gewicht) unterscheiden. Mit \(\beta_1\approx 0{,}9\) bedeutet das: Ein Unterschied von 1 kg Körpergewicht geht im Schnitt mit einem Unterschied von etwa 0,9 cm Körpergröße einher. Die erste Option ist korrekt.
Warum die Distraktoren falsch sind:
- Die zweite Option verwechselt \(\beta_1\) (die Steigung) mit \(\beta_0\) (dem Achsenabschnitt, der bei zentriertem Prädiktor die mittlere Körpergröße angibt) – die durchschnittliche Körpergröße liegt im Beispiel bei ca. 154 cm, nicht bei 0,9 cm.
- Die dritte Option interpretiert \(\beta_1\) fälschlich als einen Anteilswert (Prozentsatz) – \(\beta_1\) ist aber ein Regressionskoeffizient in der Einheit “cm pro kg”, kein Anteil an der Stichprobe.
- Die vierte Option verwechselt wiederum \(\beta_1\) mit \(\beta_0\): Die vorhergesagte Größe bei
weight_c = 0wird durch den Achsenabschnitt \(\beta_0\) angegeben, nicht durch die Steigung \(\beta_1\). - Die fünfte Option verwechselt den Regressionskoeffizienten \(\beta_1\) mit dem Korrelationskoeffizienten \(r\) – beide messen zwar verwandte Aspekte des Zusammenhangs, sind aber unterschiedliche Kennzahlen mit unterschiedlichen Einheiten und Wertebereichen (\(r\) liegt zwischen \(-1\) und \(1\), \(\beta_1\) kann beliebige Werte in der Einheit von AV/UV annehmen).
Aufgabenname: beta1-interpretation-schoice
Answerlist
- Wahr
- Falsch
- Falsch
- Falsch
- Falsch
Meta-information
exname: beta1-interpretation-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes