Die Regressionsanalyse beruht darauf, dass die zuvor als abhängige deklarierte Variable, durch viele oder durch nur eine unabhängige Variablen definiert wird, erst wenn dieser Zusammenhang überprüft wurde kann eine Prognose erstellt werden. Diese Zusammenhänge können dann, zum Beispiel in einer sogenannten Regresssionsgerade grafisch dargestellt werden und zeigen die Unterschiede auf.

Desto näher die Variablen an dieser Gerade liegen, umso höher ist der Einfluss der unabhängigen und der abhängigen variablen untereinander.

Unternehmen können so zum Beispiel einschätzen, wie sich Aufwendungen für Werbung auf den Umsatz eines Produktes auswirken.

Wie Effizient ist eine solche Analyse

Eine solche Analyse ist nur effektiv wenn alle Daten vollständig berücksichtig werden, denn sobald eine Variable nicht berücksichtigt wird kann dieses Modell eine komplett falsche Aussage treffen und somit zu falschen Schritten leiten

Welche Arten von Regressionsanalyse gibt es?

Einfache lineare Regression: Es wird nur eine Variable verwendet um die Abhängigkeit zu prüfen.

Multiple lineare Regression: viele unabhängige Variablen werden mit einer abhängigen Variable in Verbindung gebracht.

Lineare (“normale“) Regression: Hier werden mehre unabhängige sowie abhängige Variablen verwendet die zusammen eine lineare Gerade ergeben sollen.

Nicht lineare Regression: Die Variablen sind zu unterschiedlich und bilden keine Gerade.