Lineare Regression in R

Arndt Regorz, Dipl. Kfm. & MSc. Psychologie, 05.09.2022

Dieses ist eine Begleitseite zum Video-Tutorial über die lineare Regression (einfache Regression, multiple Regression, hierarchische Regression) mit R.

(Hinweis: Mit Anklicken des Videos wird ein Angebot des Anbieters YouTube genutzt.)

Code aus dem Video-Tutorial:

Hier ist der gesamte Code aus dem Video-Tutorial zum linearen Regression:

mydata<-read.csv(choose.files(), header=TRUE, dec=",")
head(mydata)

#install.packages("jtools")
library(jtools)

# 1 Einfache Regression

fit_e <- lm(AV ~ UV1, data = mydata)
summary(fit_e)
summ(fit_e, digits=3)

# mit standardisierten Gewichten (betas)
summ(fit_e, scale=TRUE, transform.response = TRUE, digits=3)

# 2 Multiple Regression

fit_m <- lm(AV ~ UV1 + UV2, data = mydata)
summ(fit_m, digits=3)

# 3 Datensätze selektieren

fit_w <- lm(AV ~ UV1 + UV2, data = mydata, subset = (Geschlecht == 1))
summ(fit_w, digits=3)

fit_m <- lm(AV ~ UV1 + UV2, data = mydata, subset = (Geschlecht == 0))
summ(fit_m, digits=3)

# 4 Hierarchische Regression

# 4a Nur vollständige Datensätze für alle Prädiktoren der Schritte
head(mydata)
mydata_v <- mydata[complete.cases(mydata[,c(2,3,4,5)]),]
# ANPASSEN AN DEN DATENSATZ!!!!!

# 4b Zwei Regressionen

fit_1 <- lm(AV ~ KV1 + KV2, data = mydata_v)
fit_2 <- lm(AV ~ KV1 + KV2 + UV1 + UV2, data = mydata_v)

summ(fit_1, digits=3)
summ(fit_2, digits=3)

# Test für den zweiten Regressionsschritt
anova(fit_1, fit_2)

# Delta R²
summary(fit_2)$r.squared - summary(fit_1)$r.squared