Ich werde versuchen, dies in einfachen Worten zu erklären.
Das Regressionsmodell konzentriert sich auf die Beziehung zwischen einer abhängigen Variablen und einer Menge unabhängiger Variablen. Die abhängige Variable ist das Ergebnis, das Sie anhand einer oder mehrerer unabhängiger Variablen vorhersagen möchten.
Angenommen, Sie haben ein Modell wie das folgende:
Weight_i = 3,0 + 35 * Height_i + & epsi ;.
Nun ist eine der offensichtlichen Fragen: Wie gut funktioniert dieses Modell? Mit anderen Worten, wie gut sagt die Größe einer Person das Gewicht dieser Person genau voraus - oder erklärt es ?
Bevor wir diese Frage beantworten, müssen wir zunächst verstehen, wie stark die Gewichte der Menschen schwanken . Dies ist wichtig, da wir hier versuchen, die Schwankung (Variation) der Gewichte zwischen verschiedenen Personen anhand ihrer Körpergröße zu erklären. Wenn die Größe der Menschen in der Lage ist, diese Gewichtsschwankung zu erklären, dann haben wir ein gutes Modell.
Die Varianz ist eine gute Metrik für diesen Zweck, da sie misst, wie weit ein Satz von Zahlen (von ihrem Mittelwert) verteilt ist.
Dies hilft uns, unsere ursprüngliche Frage zu formulieren: Wie viel Abweichung im Gewicht einer Person kann durch ihre Größe erklärt werden ?
Hier kommt die „% -Varianz erklärt“ her. Übrigens ist es für die Regressionsanalyse gleich dem Korrelationskoeffizienten R-Quadrat .
Für das obige Modell könnten wir eine Aussage treffen wie: Mithilfe der Regressionsanalyse war es möglich, ein Vorhersagemodell unter Verwendung der Größe einer Person zu erstellen , das 60% der Varianz im Gewicht erklärt. “
Wie gut sind nun 60%? Es ist schwer, darüber ein objektives Urteil zu fällen. Wenn Sie jedoch andere konkurrierende Modelle haben - beispielsweise ein anderes Regressionsmodell, bei dem das Alter einer Person zur Vorhersage ihres Gewichts herangezogen wird -, können Sie verschiedene Modelle anhand der von ihnen erklärten Varianz vergleichen und entscheiden, welches Modell besser ist. (Es gibt einige Einschränkungen, siehe 'Interpretieren und Verwenden von Regression' - Christopher H. Achen http://www.sagepub.in/books/Book450/authors )