Was die lineare Regression macht
Die lineare Regression legt durch eine Punktwolke die Gerade, die am besten passt. Als Maßstab dient die Methode der kleinsten Quadrate: Gesucht ist die Gerade, bei der die Summe der quadrierten senkrechten Abstände aller Punkte minimal ist. Daraus ergeben sich Steigung m und Achsenabschnitt n.
Der Korrelationskoeffizient r nach Pearson misst, wie eng die Punkte an einer Geraden liegen. Er reicht von −1 für einen perfekten fallenden Zusammenhang über 0 für keinen linearen Zusammenhang bis +1 für einen perfekten steigenden. Sein Quadrat, das Bestimmtheitsmaß R², gibt den Anteil der erklärten Streuung an.
Mit der Geraden lassen sich Werte prognostizieren. Für x-Werte innerhalb der Messreihe, die Interpolation, ist das meist verlässlich. Für Werte weit außerhalb, die Extrapolation, ist Vorsicht geboten, weil der Zusammenhang dort nicht mehr linear sein muss.
Richtig interpretieren
Eine hohe Korrelation beweist keine Ursache. Eis- und Sonnenbrillenverkäufe steigen gemeinsam, aber nicht, weil das eine das andere verursacht, sondern weil beide vom Wetter abhängen. Prüfen Sie deshalb immer, ob ein inhaltlicher Zusammenhang plausibel ist.
Ausreißer können die Gerade stark verziehen, weil Abweichungen quadriert werden. Schauen Sie sich die Punkte vorher an und prüfen Sie auffällige Werte auf Messfehler. Mit nur zwei oder drei Punkten ist die Aussage außerdem wenig belastbar.
Sind alle y-Werte gleich, ist die Gerade waagerecht, und die Korrelation ist nicht definiert, weil die Streuung der y-Werte null ist. Sind alle x-Werte gleich, gibt es gar keine Regressionsgerade, weil eine senkrechte Gerade keine Steigung hat. Der Rechner weist in beiden Fällen darauf hin.
Ist der Zusammenhang erkennbar gekrümmt, passt eine Gerade schlecht, und das Bestimmtheitsmaß fällt niedrig aus. Dann lohnt es sich, die Werte zu transformieren, zum Beispiel mit dem Logarithmus, oder ein anderes Modell zu verwenden. Eine Skizze der Punkte zeigt das sofort.
Rechenbeispiele Schritt für Schritt
Eisverkauf und Tagestemperatur
Ein Eiscafé notiert an sechs Tagen die Höchsttemperatur (x in °C) und die verkauften Kugeln (y): 18/120, 21/150, 24/190, 27/210, 30/260, 33/290. Wie viele Kugeln sind bei 28 °C zu erwarten?
| Regressionsgerade | y = 11,428571x − 88,095238 |
|---|---|
| Korrelationskoeffizient r | 0,996088 |
| Bestimmtheitsmaß R² | 0,992191 |
| Prognose bei 28 °C | 231,904762 |
Je Grad mehr werden rund 11,4 Kugeln mehr verkauft, bei 28 °C etwa 232. Mit R² ≈ 0,99 erklärt die Gerade fast die gesamte Streuung. Der negative Achsenabschnitt hat keine praktische Bedeutung, weil 0 °C weit außerhalb der Messreihe liegt.
Fallender Zusammenhang: Gebrauchtwagenpreis nach Alter
Angebotspreise eines Modells nach Fahrzeugalter in Jahren (frei gewählte Beispielwerte): 1/28.000, 2/24.500, 3/21.000, 4/18.500, 5/16.000, 6/14.000 €. Prognose für ein 8 Jahre altes Fahrzeug.
| Steigung m | −2800 |
|---|---|
| Achsenabschnitt n | 30133,333333 |
| Korrelationskoeffizient r | −0,9941 |
| Prognose bei 8 Jahren | 7733,333333 |
Pro Jahr sinkt der Preis im Mittel um 2.800 €, r ist stark negativ. Die Prognose von rund 7.733 € für 8 Jahre ist eine Extrapolation und vermutlich zu niedrig, weil der Wertverlust in Wirklichkeit eher abflacht als gleichmäßig weiterläuft.
Alle Punkte auf einer Geraden
Die Punkte (1|3), (2|5), (3|7), (4|9) liegen exakt auf einer Geraden. Das ist der Idealfall, den echte Messwerte fast nie erreichen.
| Regressionsgerade | y = 2x + 1 |
|---|---|
| Korrelationskoeffizient r | 1 |
| Bestimmtheitsmaß R² | 1 |
| Prognose bei x = 10 | 21 |
Mit r = 1 liegen alle Punkte auf der Geraden y = 2x + 1. In der Praxis deutet ein so perfekter Wert eher auf berechnete oder abgeschriebene als auf gemessene Daten hin.
Wirkung eines Ausreißers
Die bekannte Beispielreihe (1|2), (2|4), (3|5), (4|4), (5|6) wird um einen sechsten Punkt (6|20) ergänzt, etwa einen Tippfehler statt 6.
| Ohne Ausreißer | y = 0,8x + 1,8, R² ≈ 0,727 |
|---|---|
| Regressionsgerade mit Ausreißer | y = 2,714286x − 2,666667 |
| Bestimmtheitsmaß R² | 0,594598 |
| Prognose bei x = 7 | 16,333333 |
Ein einziger Punkt verdreifacht die Steigung von 0,8 auf rund 2,71 und senkt R² von 0,73 auf 0,59. Prüfen Sie auffällige Werte deshalb immer, bevor Sie die Gerade verwenden.
Konstante y-Werte
Alle y-Werte sind 3, die x-Werte 0,5; 1; 1,5; 2 enthalten Dezimalzahlen mit Komma.
| Regressionsgerade | y = 3 |
|---|---|
| Steigung m | 0 |
| Korrelationskoeffizient r | nicht definiert |
Die Gerade ist waagerecht, r ist nicht definiert, weil die y-Werte nicht streuen. Ein fehlender Zusammenhang ist das nicht: Es gibt schlicht keine Streuung, die erklärt werden könnte.
Sonderfälle und Grenzen
- Keine Signifikanzprüfung: Der Rechner gibt weder Standardfehler noch p-Wert oder Konfidenzintervall für die Steigung aus. Ob ein Zusammenhang statistisch gesichert ist, hängt stark von der Zahl der Wertepaare ab und erfordert eine Statistiksoftware.
- Nur eine erklärende Größe: Berechnet wird die einfache lineare Regression. Hängt y von mehreren Einflussgrößen ab, etwa Preis von Alter und Kilometerstand, braucht es eine multiple Regression.
- Exponentielle Zusammenhänge: Wachstum oder Zerfall lässt sich linearisieren, indem Sie statt y den natürlichen Logarithmus ln(y) eingeben. Die Steigung entspricht dann der Wachstumsrate, die Prognose muss mit e^y zurückgerechnet werden.
- Gerade durch den Ursprung: Manche Aufgaben verlangen eine Gerade ohne Achsenabschnitt, etwa bei Proportionalität. Der Rechner bestimmt immer auch n, eine erzwungene Ursprungsgerade hat eine andere Steigung (Σxy ÷ Σx²).
- Scheinkorrelation durch Zeit: Zwei Größen, die beide über die Jahre wachsen, korrelieren fast immer hoch, auch ohne jeden Zusammenhang. Bei Zeitreihen ist ein hohes r daher besonders vorsichtig zu deuten.
Häufige Fragen
Ab welchem Korrelationskoeffizienten spricht man von einem starken Zusammenhang?
Eine verbreitete Faustregel nach Cohen nennt |r| ab 0,1 schwach, ab 0,3 mittel und ab 0,5 stark. Diese Grenzen sind aber Konventionen aus den Sozialwissenschaften. In Physik oder Technik gilt ein r von 0,9 oft noch als mäßig, weil dort sehr genaue Messungen erwartet werden. Entscheidend ist immer der Fachzusammenhang und die Zahl der Wertepaare.
Was ist der Unterschied zwischen Korrelation und Regression?
Die Korrelation misst nur, wie eng zwei Größen linear zusammenhängen, und ist symmetrisch: r von x mit y ist gleich r von y mit x. Die Regression beschreibt den Zusammenhang als Gleichung und unterscheidet eine erklärende Größe x von einer Zielgröße y. Vertauscht man x und y, ergibt sich in der Regel eine andere Gerade.
Was ist ein Residuum?
Ein Residuum ist der senkrechte Abstand eines Messpunkts zur Regressionsgeraden, also beobachteter y-Wert minus vorhergesagter y-Wert. Bei der Methode der kleinsten Quadrate ist die Summe der Residuen immer null und die Summe ihrer Quadrate minimal. Zeigen die Residuen ein Muster, etwa erst positiv, dann negativ, dann wieder positiv, ist der Zusammenhang vermutlich nicht linear.
Kann ich die lineare Regression in Excel berechnen?
Ja. In Excel und LibreOffice liefern die Funktionen STEIGUNG und ACHSENABSCHNITT die Parameter m und n, KORREL den Korrelationskoeffizienten r und BESTIMMTHEITSMASS den Wert R². Im Diagramm können Sie außerdem eine lineare Trendlinie mit Formel einblenden. Die Ergebnisse stimmen mit diesem Rechner überein, sofern dieselben Wertepaare verwendet werden.
Wie gebe ich Zeitreihen wie Monate oder Jahre ein?
Nummerieren Sie die Zeitpunkte einfach durch, etwa 1 bis 12 für die Monate eines Jahres. Sie können auch die Jahreszahlen direkt eingeben, dann wird der Achsenabschnitt n allerdings sehr groß und bezieht sich auf das Jahr 0. Die Steigung bleibt in beiden Fällen gleich und gibt die Veränderung je Zeiteinheit an.
Was bedeutet ein negatives Bestimmtheitsmaß?
Bei der einfachen linearen Regression mit Achsenabschnitt kann R² nicht negativ werden, es liegt immer zwischen 0 und 1. Negative Werte tauchen nur auf, wenn ein Modell ohne Achsenabschnitt oder ein fremdes Modell auf Daten angewendet wird und schlechter passt als der bloße Mittelwert. In diesem Rechner ist R² einfach das Quadrat von r.
Quellen und Rechtsgrundlagen
- NIST/SEMATECH e-Handbook of Statistical Methods – Linear Least Squares Regression National Institute of Standards and Technology
- ISO 3534-1:2006 – Statistik, Begriffe und Formelzeichen, Teil 1 International Organization for Standardization
Alle Berechnungen erfolgen direkt in Ihrem Browser, Ihre Eingaben werden nicht übertragen oder gespeichert. Die Ergebnisse sind Orientierungswerte ohne Gewähr und ersetzen keine steuerliche, rechtliche oder finanzielle Beratung. Die Erklärtexte auf dieser Seite wurden mit KI erstellt. Letzte inhaltliche Änderung dieser Seite: . Mehr dazu: So entstehen und prüfen wir die Rechner.