Das Akaike-Informationskriterium (AIC) ist eine Metrik, die verwendet wird, um die Anpassung verschiedener Regressionsmodelle zu vergleichen.
Es wird berechnet als:
AIC = 2K – 2ln (L)
wo:
- K: Die Anzahl der Modellparameter …
Ein Korrelationskoeffizient ist ein Maß für die lineare Assoziation zwischen zwei Variablen. Es kann einen Wert zwischen -1 und 1 annehmen, wobei:
- -1 zeigt eine vollkommen negative lineare Korrelation zwischen zwei Variablen an
- 0 zeigt keine lineare Korrelation zwischen zwei Variablen an
- 1 zeigt eine vollkommen positive lineare Korrelation zwischen zwei Variablen an
Mit den folgenden Schritten können Sie den Korrelationskoeffizienten zwischen zwei Variablen auf einem TI-84-Rechner berechnen:
Schritt 1: Diagnose einschalten.
Zuerst müssen wir die Diagnose aktivieren. Drücken Sie dazu die 2. und dann die Nummer 0. Dadurch gelangen Sie zum KATALOG-Bildschirm.
Scrollen Sie nach unten zu DiagnosticOn und drücken Sie ENTER.
Drücken Sie dann erneut die EINGABETASTE.
Die Diagnose ist jetzt aktiviert, damit wir den Korrelationskoeffizienten zwischen zwei Variablen berechnen können.
Schritt 2: Geben Sie die Daten ein.
Als nächstes müssen wir die Datenwerte für unsere beiden Variablen eingeben. Drücken Sie Stat und dann EDIT. Geben Sie die Werte für die erste Variable in Spalte L1 und die Werte für die zweite Variable in Spalte L2 ein:
Schritt 3: Finden Sie den Korrelationskoeffizienten.
Als nächstes berechnen wir den Korrelationskoeffizienten zwischen den beiden Variablen. Drücken Sie Stat und scrollen Sie dann zu CALC. Scrollen Sie dann nach unten zu 8:Linreg(a+bx) und drücken Sie die Eingabetaste.
Stellen Sie für Xlist und Ylist sicher, dass L1 und L2 ausgewählt sind, da dies die Spalten sind, die wir zur Eingabe unserer Daten verwendet haben. Lassen Sie FreqList leer. Scrollen Sie nach unten zu Berechnen und drücken Sie die Eingabetaste.
Auf dem neuen Bildschirm sehen wir, dass der Korrelationskoeffizient (r) zwischen den beiden Variablen 0,9145 beträgt.
Interpretieren eines Korrelationskoeffizienten
Die folgende Tabelle zeigt die Faustregel für die Interpretation der Stärke der Beziehung zwischen zwei Variablen basierend auf dem Wert von r:
| Absoluter Wert von *r* | Stärke der Abhängigkeit |
|---|---|
| r < 0.25 | Keine Beziehung |
| 0.25 < r < 0.5 | Schwache Beziehung |
| 0.5 < r < 0.75 | Moderate Beziehung |
| r > 0.75 | Starke Beziehung |
In unserem Beispiel zeigt ein Korrelationskoeffizient von 0,9145 eine starke positive Beziehung zwischen den beiden Variablen an.
Das könnte Sie auch interessieren:
So berechnen Sie AIC von Regressionsmodellen in Python
So berechnen Sie die AUC (Fläche unter der Kurve) in Python
Die logistische Regression ist eine statistische Methode, die wir verwenden, um ein Regressionsmodell anzupassen, wenn die Antwortvariable binär ist.
Um zu beurteilen, wie gut ein logistisches Regressionsmodell zu einem Datensatz …