Abhängige

mw-headline" id="Modellansatz">Modellansatz[Bearbeiten | | | =/span>Quellcode bearbeiten]>

Der Zielwert ist in der Statistik das beeinflusste Kenngrößenmerkmal und damit der Untersucher. Es wird daher auch als abhängige oder deklarierte Größe bezeichnet. Diese Einflußgrößen werden als Einflußgrößen oder Erklärungsvariablen bezeichnet. Das Verhältnis zwischen Einflussgröße und Zielvariable kann nicht genau bestimmt werden, da es von einer additiven, nicht beobachtbaren Störaussendung eingeblendet wird.

Im Rahmen eines naturwissenschaftlichen Experiments wird eine sich beliebig verändernde Manipulationsvariable, die eigenständige (auch exogene) Größe, vom Experimentator spezifisch geändert und die Auswirkung dieser Manipulation auf eine Meßgröße, die abhängige (auch endogene) Größe, bestimmt. Wenn die gemessenen Daten den von einer Lehre vorausgesagten Werten genügen, unterstützt dies die Behauptung der Lehre. yi{\displaystyle y_{i}} gibt den Zielwert an (vgl. Stimulus-Reaktionsmodell).

Dies wird auch als körpereigene Variablen oder Zielvariablen definiert. Weiterhin kennzeichnet xi{\displaystyle x_{i}} die erläuternde Variablen, die auch als eigenständige Variablen, Prädiktorvariablen oder Exogenvariablen bekannt ist. In der Regel wird die Größe mit einer natürlichen Schwankungsbreite als Sollgröße gewählt. Als Beispiel dient die Abbildung des Körpergewichtes in kg (hier: y{\displaystyle y}) in Anlehnung an die Körpergrösse in cm (hier: x{\displaystyle x}).

Sie sehen, dass die Zielgrösse y{\displaystyle y} und die Erklärungsvariable x{\displaystyle x} nicht austauschbar sind, da die Körpergrösse ab einem gewissen Lebensalter beibehalten wird. Als Regressionsgrößen werden Regressionsgrößen verstanden, die einen Einfluß auf die zu untersuchende Menge (Regress und deklarierte Menge) haben. Regress ist nur die abhängige Variable.

Zusätzlich zur Bedeutung können weitere Merkmale wie Eigenständigkeit und Vollkommenheit formuliert werden. Die Korrelationskennzahl gibt nur den Abhängigkeitsgrad von zwei Größen an. Bei der angenommenen Statistikautonomie der Regressierer handelt es sich nur um einen modellhaften Ansatz, der mit Unterstützung statistischer Verfahren zu bestätigen ist. Komplizierte Zusammenhänge wie die Annahme der Vollzähligkeit erfordern, dass alle wichtigen Erklärungsgrößen in das Model aufgenommen werden.

Lediglich die Rückschrittanalyse oder die Abweichungsanalyse bewertet die Beziehung zwischen den Größen und einem vorher gewählten Vorbild. Regressierer sind Teil der Rückschrittsanalyse und sollten nicht als eigenständige Variable angesehen werden. Der Regressionsnachweis ist ein Strukturprüfungsverfahren und geht von der Selbstständigkeit aus.

Der Subrogator ist also keine eigenständige Größe, da die Selbständigkeit nur angenommen wird. Daher ist nicht a priori (im Voraus) geklärt, ob ein Subrogat wirklich eine Erklärungsvariable ist und ob es einen signifikanten Einfluss auf das Subrogat hat. Beispielgleichung: In einer Beziehung, z.B. einer physischen Formeln, betrachten Sie oft, wie sich eine Variablen ändern muss (die abhängige Variable), um die Beziehung zu befriedigen, wenn Sie eine andere Variablen (die abhängige Variable) ändern.

Fallbeispiel 2: Generell kann davon ausgegangen werden, dass sich die eigenständig zu bestimmenden Werbeaufwendungen oder die eigenständig zu bestimmende Produktqualität positiv auf den Umsatz auswirken. Statistische Auswertungen können nun genutzt werden, um zu überprüfen, ob eine Steigerung der Werbe- oder Qualitätssteigerung den Umsatz deutlich steigert und wie groß der (relative) Effekt der beiden Regressionsfaktoren auf die Werbeaufwendungen und die Umsatzqualität ist.

Wenn Sie z.B. die Konstantgeschwindigkeit für einen sich gleichmäßig bewegenden Korpus angegeben haben, können Sie prüfen, wie sich die zurückgelegten Wegstrecken (die abhängige Variable) verhalten, wenn sich die Zeit (der abhängigen Variable) ändert. Andererseits kann auch geprüft werden, nach welcher Zeit (als abhängige Variable) eine gewisse festgelegte Distanz (als eigenständige Variable) durchlaufen wurde.

Fallbeispiel 5: Sie wollen wissen, ob die Farben einen Einfluß auf den Verkauf eines Fahrzeugs haben. Danach ist die Hintergrundfarbe die eigenständige Variablen und der Abschnitt die abhängige Variablen. Wenn Sie wissen wollen, ob der Abschnitt die Farben beeinflußt, dann ist der Abschnitt die eigenständige Variablen und die Farben die abhängige Variablen.