regression1a

regression
2023
schoice
paper
Published

May 8, 2023

Question

Die folgende Frage bezieht sich auf dieses Ergebnis einer Regressionsanalyse:


Call:
lm(formula = y ~ x, data = d)

Residuals:
    Min      1Q  Median      3Q     Max 
-1.9158 -0.6804 -0.0971  0.7164  1.8180 

Coefficients:
            Estimate Std. Error t value Pr(>|t|)  
(Intercept)  -0.0779     0.1336   -0.58    0.562  
x             0.2196     0.1266    1.73    0.089 .
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.96 on 50 degrees of freedom
Multiple R-squared:  0.0567,    Adjusted R-squared:  0.0379 
F-statistic: 3.01 on 1 and 50 DF,  p-value: 0.0891

Zusammengefasst sind die Koeffizienten (beta0 und beta1) also:

coef(m)
(Intercept)           x 
     -0.078       0.220 

Welche der folgenden Aussagen passt am besten?

Solution

Für diese Aufgabe ist es hilfreich, wenn Sie wissen, wie man \(\hat{y}\) berechnet: \(\hat{y}=\alpha + \beta x\). In Worten: “Das vorhergesagte Y ist die Summe von Achsenabschnitt (alpha) und Steigung (beta) mal x”.

Ein einfaches Rechenbeispiel:

Wenn man nichts für die Klausur lernt, also \(x=0\) hat man 7 Punkte (Achsenabschnitt), \(\hat{y}=\beta_0 + \beta_1 \cdot 0\). Pro Stunde lernen kommt ein halber Klausurpunkte dazu. Wie viele Punkte hat man nach diesem Modell, wenn man 20 Stunden lernt? Antwort: \(\hat{y}=7 + 0.5*20 = 7 + 10 = 17\).

Aufgabenname: regression1a

Meta-information

exname: regression1a extype: schoice <<<<<<< HEAD exsolution: 10000 ======= expoints: 1 exsolution: 10000 >>>>>>> 96f7e896fa9d92e511a4d7f0328fc6a338565d9b exshuffle: FALSE


Categories:

  • regression
  • ‘2023’
  • schoice