STATISTIK-FORUM.de

[Maawe]

Moin,

ich bin mir gerade etwas unsicher bei der Interpretation der lm.summary Funktion in R und werfe da irgendwie ein paar Dinge durcheinander.
Ausgabe:

##
## Call:
## lm(formula = x ~ y)
##
## Residuals:
## Min 1Q Median 3Q Max
## -7.5293 -2.1550 0.3615 2.4377 6.4179
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.28391 0.87438 9.474 1.44e-12 ***
## y 0.16557 0.01749 9.464 1.49e-12 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 3.156 on 48 degrees of freedom
## Multiple R-squared: 0.6511, Adjusted R-squared: 0.6438
## F-statistic: 89.57 on 1 and 48 DF, p-value: 1.49e-12

Gesucht sind alpha, beta und sigma^2.
Nach meinem Verständnis wäre dann alpha und Beta die beiden Werte bei Estimate. Sigma^2 wäre nach meinem Verständnis die Varianz der Residuen, also "Residual standard Error" zum Quadrat nehmen, richtig? Und ist das richtig, dass das alles im Grunde Schätzer sind und man die Werte deswegen mit Dach über dem Buchstaben schreiben müsste?

[bele]

Ja.

[Maawe]

Perfekt

[bele]

Zwei Dinge muss ich aber noch los werden: 1. Wer rechnet x ~ y -- normalerweise ist es anders herum. 2. Du solltest Deine Daten nicht in losgelöst Vektoren sondern in Data.frame s aufheben. Beides nicht Teil Deiner Frage, musste ich aber loswerden.

LG, Bernhard