Hallo :) Danke für das Video. Meine Variable ist mit 1 und 2 kodiert. Sollte ich sie umkodieren in 0 und 1 oder wäre mein Referenzwert dann statt der 0 einfach 1? Liebe Grüße
Hallo, ich habe eine Frage. Ich habe eine lineare Regression mit einer ordinal skalierten UV auf eine metrische AV durchgeführt. Bei den Voraussetzungen ist ja die Linearität vorgegeben. Durch die Ausprägungen von 0 und 1 bei den automatischen Dummy-Variablen, sind die Verteilungen daher nicht linear sondern einmal auf der Y-Achse bei dem Wert 0 und 1 verteilt. Ist die Voraussetzung dennoch erfüllt?
@@datatab ich habe die monatlichen Renditen des Dax ab 1959 und den Wintermonaten eine 1 zugewiesen und den Sommermonaten ein 0. Und dann die Regression gemacht. Wintermonate sind signifikant größer als die Sommermonate, jedoch ist das R2 sehr klein
![MISSING: SLIM SHADY [Expanded Mourner’s Edition Trailer]](http://i.ytimg.com/vi/xh8qgHrOO1g/mqdefault.jpg)
Für alle die Statistik einfach verstehen möchten, unser Buch ist draußen: datatab.de/statistik-buch 🙂
Super Video. Vielen Dank!
Danke für dein nettes Feedback!
Hallo :)
Danke für das Video.
Meine Variable ist mit 1 und 2 kodiert. Sollte ich sie umkodieren in 0 und 1 oder wäre mein Referenzwert dann statt der 0 einfach 1?
Liebe Grüße
Danke für die Frage. Ja ich würde sie auf 0 und 1 umcodieren damit man die Ergebnisse besser interpretieren kann! LG Mathias
Hallo, ich habe eine Frage. Ich habe eine lineare Regression mit einer ordinal skalierten UV auf eine metrische AV durchgeführt. Bei den Voraussetzungen ist ja die Linearität vorgegeben. Durch die Ausprägungen von 0 und 1 bei den automatischen Dummy-Variablen, sind die Verteilungen daher nicht linear sondern einmal auf der Y-Achse bei dem Wert 0 und 1 verteilt. Ist die Voraussetzung dennoch erfüllt?
Bei meinem Modell ist das Bestimmtheitmaß sehr gering bei 0,01. Ist das bei der Nutzung von Dummy Variablen üblich?
Hallo, danke für deine Frage! Ne eigentlich nicht! LG mathias
@@datatab ich habe die monatlichen Renditen des Dax ab 1959 und den Wintermonaten eine 1 zugewiesen und den Sommermonaten ein 0. Und dann die Regression gemacht. Wintermonate sind signifikant größer als die Sommermonate, jedoch ist das R2 sehr klein