oft lese ich, dass neben dem r² auch der Standartfehler der Schätzung wichtig sei, um das Gesamtmodell zu beurteilen. Zum Beispiel dieses Zitat: "Der Standardschätzfehler (SEE) des gesamten Regressionsmodells gibt Auskunft über die Abweichungen der beobachteten von den geschätzten Y-Werten. Je kleiner dieser Standardschätzfehler ist, desto besser ist die Anpassungsgüte des geschätzten Regressionsmodells" (Angewandte Regressionsanalyse: Theorie, Technik und Praxis von Dieter Urban und Jochen Mayerl, 2018, S. 163).
Aber wie entscheide ich denn nun, ob er klein oder groß ist? Kennt jemand einen "Interpretationsrahmen" oder etwas, voran man sich orientieren kann, um den SEE zu beurteilen?
Die Skala meiner AV hat einen Wertebereich von 1 bis 7 und der SEE der Regression beträgt 0,98, also knapp 1., das bedeutet, wenn der vorhergesagte Wert z. B. 5 für eine Person ist, könnte der tatsächliche Y-Wert jedoch auch zwischen 4 und 6 liegen (richtig?).
Gibt es jedoch irgendwelche Konventionen, um den SEE zu bewerten (ob er klein genug ist
) oder mache ich das aufgrund der Eigenschaften meiner Variable (ob da eine Abweischung von 1 "dramatisch" wäre)? Wenn jemand etwas weiß
und das mit mir teilen würde, würde mich das sehr freuen!!Viele Grüße
Clet
