Lineare Regression oder ANCOVA

Bei Deinen Daten hast Du die Wahl zwischen der Verwendung der Linearen Regression und der ANCOVA (Kovarianzanalyse).

Bei beiden werden Effekte von einer oder mehreren unabhängigen Variablen (UVs) auf eine metrische abhängige Variable untersucht.

Die unabhängigen Variablen können nominal oder metrisch (=Kovariate) sein.

Als Voraussetzungen für die Lineare Regression gelten:

  • Normalverteilung der Residuen
  • Homoskedastizität der Residuen
  • keine Ausreißer in den Residuen
  • Linearität
  • keine Multikollinearität bei mehreren UVs

Als Voraussetzungen für die ANCOVA gelten:

  • Normalverteilung der AV in jeder Kategorie der UV(s)
  • Varianzhomogenität der AV für jede kategoriale UV
  • Unabhängigkeit der metrischen UV (Kovariate) von der/den kategorialen UV(s)
  • Homogenität der Regressionsgeraden der Kovariate

Passend zur Linearen Regression und zur ANCOVA findest Du weitere Themen ausführlicher in der Statistik-Akademie behandelt (siehe unten).

Auch zum Thema Normalverteilung findest Du dort Material:

Lineare Regression

  • Methodische Infos
  • Online-Seminar mit Handout als PDF

Lineare Regression mit R

  • R-Skript
  • Beispieldaten
  • Videotutorial

Lineare Regression mit SPSS

  • SPSS-Syntax
  • Beispieldaten
  • Videotutorial
  • Schritt-für-Schritt-Anleitung (PDF)

Normalverteilung

  • Methodische Infos
  • Online-Seminar mit Handout als PDF

ANOVA und ANCOVA

  • Methodische Infos zum Unterschied von ANOVA und ANCOVA
  • Online-Seminar mit Handout als PDF