#Vorlesung "Statistische Methoden" #================================= # #Kapitel 5.1 Wirkungs- und Prognosemodell #======================================== # # #Streuungsdiagramm und Regressionsgerade #======================================= # #Streungsdiagramm scatterplot(Umsatz~VertreterBes, reg.line=FALSE, smooth=FALSE, spread=FALSE, boxplots=FALSE, span=0.5, ylim=c(4,14), cex=1.5, cex.lab=1.2, data=Umsatz) # #Regressionsgerade erg<-lm(Umsatz~VertreterBes,data=Umsatz) erg # # # #Analyse der Regression #====================== # #Residuen erg$residuals # #Prognose progX <- data.frame(VertreterBes = c(9,10,11,10)) predict(erg,progX) # #Darstellung der Regressionsgerade scatterplot(Umsatz~VertreterBes, reg.line=lm, smooth=FALSE, spread=FALSE, boxplots=FALSE, span=0.5, ylim=c(4,14), cex=1.5, cex.lab=1.2, data=Umsatz) # # # #Varianzzerlegung (bezogen auf Grundgesamtheit) #============================================== # #Varianz von Y varY<-var(Umsatz[,"Umsatz"],na.rm = TRUE)*11/12 #11 FG # #Varianz der geschätzten y varYdach<-var(predict(erg),na.rm=-TRUE)*11/12 #11 FG # #Residualvarianz varU<-summary(erg)$sigma^2*10/12 #10 FG # #Formel der Streuungszerlegung varY==varYdach+varU # # #Bestimmtheitsmaß summary(erg)$r.squared # # ###