Heteroskedastizität in R erkennen (grafisch) - Daten analysieren in R (38) HD

// Heteroskedastizät in R erkennen (grafisch) // Heteroskedastizität der Residuen in der (multiplen) linearen Regression ist ein Problem. Es beschreibt die zunehmende oder abnehmende Varianz der Residuen der abhängigen Variable. Einfacher formuliert: Es gibt keine lineare Streuung der Residuen/Fehlerterme. Sind sie linear gestreut, spricht man von Homoskedastizität - das ist eine Voraussetzung für die Durchführung einer linearen (multiplen) Regression. Bei Heteroskedastizität ergibt sich ein Effekt auf Standardfehler - sie werden ungenau. Dadurch werden automatisch t-Werte und p-Werte ungenau. Hierdurch steigt wiederum die Wahrscheinlichkeit einen Fehler 1. Art und/oder Fehler 2. Art zu begehen (Nullhypothese fälschlich verwerfen bzw. Nullhypothese fälschlich annehmen). Typischerweise begnügt man sich mit einem grafischen Test zur Diagnose von Heteroskedastizät. Hierbei werden die (un)standardisierten Residuen und die standardiserten prognostizierten Werte geplottet. Die sich hieraus ergebende Punktewolke sollte eine stets ungefähr gleich große vertikale Distanz zwischen den Residuen zeigen, also eine Art Schlauch oder Kasten um die Gerade legen. Dreiecksförmige Punktewolken sind z.B. nicht mehr akzeptabel. ########## Alles zur analytischen Diagnose und zum Beheben von Heteroskedasizität noch mal zum Nachlesen auf meiner Homepage: https://www.bjoernwalther.com/heteroskedastizitaet-in-r-erkennen-und-beheben/ ########## Bei Fragen und Anregungen zum Erkennen von Heteroskedastizität bei einer Regression in R nutzt bitte die Kommentarfunktion. Ob ihr das Video hilfreich fandet, entscheidet ihr mit einem Daumen nach oben oder unten. #statistikampc _ ⭐Kanalmitglied⭐ werden: https://www.youtube.com/channel/UCK1rZmGakkss0bvnxspzg3g/join _ Um den Kanal zu unterstützen, erledigt eure Einkäufe bei Amazon über meinen Affiliate-Link: http://amzn.to/2iBFeG9