Zusammenfassung
Nachdem der allgemeine Begriff der Regression eingeführt und der Spezialfall einer linearen Regression mit einem Regressor behandelt wurde, wenden wir uns nun dem Fall zu, in dem zwar ebenfalls ein eindimensionaler numerischer Regressor X vorliegt, die Regression aber keine lineare Funktion des Regressors ist. Auch in einem solchen Fall kann man eine Korrelation berechnen, die dann aber nur angibt, wie stark die durch eine lineare Funktion des Regressors beschreibbare Abhängigkeit ist. Diese Funktion nennen wir dann die lineare Quasi-Regression. In der Regel dürfte aber die „echte“ Regression von größerem Interesse sein, die die tatsächliche Form der Abhängigkeit, jedenfalls was die bedingten Erwartungswerte des Regressanden angeht, beschreibt. Allerdings spielt die lineare Quasi-Regression auch bei der Prüfung der Linearität der Regression eine Rolle.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2003 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Steyer, R. (2003). Einfache nichtlineare Regression. In: Wahrscheinlichkeit und Regression. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-55673-9_8
Download citation
DOI: https://doi.org/10.1007/978-3-642-55673-9_8
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-62873-3
Online ISBN: 978-3-642-55673-9
eBook Packages: Springer Book Archive