{"id":494,"date":"2026-10-03T19:24:54","date_gmt":"2026-10-03T18:24:54","guid":{"rendered":"https:\/\/wpcalc.com\/de\/lineare-regression-rechner\/"},"modified":"2026-10-03T19:24:54","modified_gmt":"2026-10-03T18:24:54","slug":"lineare-regression-rechner","status":"publish","type":"post","link":"https:\/\/wpcalc.com\/de\/statistik\/lineare-regression-rechner\/","title":{"rendered":"Lineare Regression Rechner"},"content":{"rendered":"<section class=\"not-prose calculator-box\" aria-labelledby=\"calculator-title\"><div class=\"flex items-baseline sm:items-center justify-between gap-2 sm:gap-3\"><div class=\"flex flex-col sm:flex-row sm:items-center gap-2\"><span class=\"icon icon-calculator text-primary-700! text-base! dark:text-primary-300!\" aria-hidden=\"true\"><\/span><h2 id=\"calculator-title\" class=\"text-lg font-display font-bold\">Gerade an Ihre Daten anpassen<\/h2><\/div><div class=\"calcdash-favorite group\">\n  <button type=\"button\" class=\"favorite\" id=\"favorite\" data-favorite-id=\"494\" data-favorite-title=\"Lineare Regression\" data-favorite-url=\"https:\/\/wpcalc.com\/de\/statistik\/lineare-regression-rechner\/\" data-favorite-excerpt=\"Passen Sie eine Gerade an gepaarte X\u2013Y-Daten mithilfe der Methode der kleinsten Quadrate an. Geben Sie beide Datens\u00e4tze ein und erhalten Sie Steigung, Achsenabschnitt, Korrelationskoeffizient, R\u00b2, Residuen und einen vorhergesagten Y-Wert f\u00fcr jedes beliebige X.\" aria-label=\"Zu Favoriten hinzuf\u00fcgen\" data-favorite-icon=\"icon icon-wpcalc-regression-plot\">\n    <span class=\"icon icon-shape-star-empty\" aria-hidden=\"true\"><\/span>\n  <\/button>\n  <div class=\"calcdash-favorite__tip\" aria-hidden=\"true\">\n   <span class=\"favorite-tooltip\" id=\"favorite-tooltip\"><\/span>\n  <\/div>\n  <span class=\"sr-only\" role=\"status\" id=\"favorite-status\"><\/span>\n<\/div><\/div><form action=\"https:\/\/wpcalc.com\/de\/statistik\/lineare-regression-rechner\/\" method=\"POST\" class=\"calculator\" id=\"calculator-494\" data-post=\"494\"><fieldset class=\"fieldset-input is-1\"><legend class=\"sr-only\">Eingabefelder<\/legend><div class=\"field is-single\" id=\"input-1\"><label for=\"field-1\">Datensatz X (unabh\u00e4ngige Variable)<\/label><textarea id=\"field-1\" name=\"datensatz_x_unabhngige_variable\">1, 2, 3, 4, 5, 6, 7, 8<\/textarea><\/div><div class=\"field is-single\" id=\"input-2\"><label for=\"field-2\">Datensatz Y (abh\u00e4ngige Variable)<\/label><textarea id=\"field-2\" name=\"datensatz_y_abhngige_variable\">53, 61, 68, 74, 80, 85, 90, 95<\/textarea><\/div><div class=\"field has-term\" id=\"input-3\"><label for=\"field-3\">Y vorhersagen f\u00fcr X =<\/label><div class=\"term\">x*<\/div>  <div class=\"absolute bottom-0 left-16 top-8 w-2 h-0.5 bg-blue-500\"><\/div><input type=\"number\" name=\"y_vorhersagen_fr_x_\" id=\"field-3\" aria-describedby=\"calc-info-3\" placeholder=\"e.g. 9\" step=\"any\" value=\"9\"\/><small id=\"calc-info-3\">Der X-Wert, der in die Ausgleichsgerade eingesetzt wird.<\/small><\/div><\/fieldset><div class=\"buttons\"><button type=\"submit\" data-text=\"Neu berechnen\" id=\"calculate-button\" data-post=\"494\">Berechnen<\/button><button type=\"reset\">Zur\u00fccksetzen<\/button><\/div><div class=\"field is-checkbox hidden!\" id=\"field-auto-calc\"><input type=\"checkbox\" id=\"auto-calc\"><label for=\"auto-calc\">Automatisch berechnen<\/label><small>Wenn aktiviert, wird das Ergebnis automatisch aktualisiert, sobald Sie einen Wert \u00e4ndern.<\/small><\/div><div class=\"fieldset-result is-hidden\" aria-labelledby=\"result-title\" aria-live=\"polite\" role=\"region\"> <h3 class=\"result-title bg-gradient-to-r from-primary-50 to-gray-50 dark:from-primary-900 dark:to-gray-800\" id=\"result-title\"><span class=\"icon icon-s-pulse\" aria-hidden=\"true\"><\/span> Ihre Ergebnisse<\/h3><div class=\"result-box\"><div class=\"field-result\" id=\"output-1\"><span class=\"field-title\"><span>Steigung<\/span><span class=\"result-term\">b<\/span><\/span><span class=\"field-value\" id=\"result-1\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-2\"><span class=\"field-title\"><span>Achsenabschnitt<\/span><span class=\"result-term\">a<\/span><\/span><span class=\"field-value\" id=\"result-2\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-3\"><span class=\"field-title\"><span>Korrelationskoeffizient<\/span><span class=\"result-term\">r<\/span><\/span><span class=\"field-value\" id=\"result-3\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-4\"><span class=\"field-title\"><span>Bestimmtheitsma\u00df<\/span><span class=\"result-term\">R\u00b2<\/span><\/span><span class=\"field-value\" id=\"result-4\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result\" id=\"output-5\"><span class=\"field-title\"><span>Vorhergesagter Wert<\/span><span class=\"result-term\">\u0177<\/span><\/span><span class=\"field-value\" id=\"result-5\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><div class=\"field-result is-column\" id=\"output-6\"><span class=\"field-title\"><span>Regressionsgerade &amp; Details<\/span><\/span><span class=\"field-value\" id=\"result-6\"><\/span><button type=\"button\" class=\"copy-result\" data-tooltip=\"Ergebnis kopieren\" aria-label=\"Ergebnis kopieren\"><span class=\"copy-icon icon icon-document-copy\" aria-hidden=\"true\"><\/span><\/button><\/div><\/div><div class=\"result-actions\"><button type=\"button\" class=\"copy-link\"><svg viewBox=\"0 0 20 20\" fill=\"currentColor\" aria-hidden=\"true\"><path d=\"M12.232 4.232a2.5 2.5 0 0 1 3.536 3.536l-1.225 1.224a.75.75 0 0 0 1.061 1.06l1.224-1.224a4 4 0 0 0-5.656-5.656l-3 3a4 4 0 0 0 .225 5.865.75.75 0 0 0 .977-1.138 2.5 2.5 0 0 1-.142-3.667l3-3Z\"\/><path d=\"M11.603 7.963a.75.75 0 0 0-.977 1.138 2.5 2.5 0 0 1 .142 3.667l-3 3a2.5 2.5 0 0 1-3.536-3.536l1.225-1.224a.75.75 0 0 0-1.061-1.06l-1.224 1.224a4 4 0 1 0 5.656 5.656l3-3a4 4 0 0 0-.225-5.865Z\"\/><\/svg><span class=\"copy-link__text\">Link zu dieser Berechnung kopieren<\/span><\/button><span class=\"sr-only\" role=\"status\" id=\"copy-link-status\"><\/span><\/div><\/div><a href=\"#respond\" class=\"hidden transition-opacity duration-300 opacity-0 w-50 text-sm justify-center items-center gap-2 px-4 py-2 rounded bg-gray-200 text-gray-700 hover:bg-gray-300\" id=\"leave-comment\"><span class=\"icon icon-comments\" aria-hidden=\"true\"><\/span>Kommentar schreiben<\/a><\/form><\/section><section id=\"calc-reactions\" class=\"not-prose hidden my-12 bg-gradient-to-r from-primary-50 to-gray-50 border border-indigo-100 rounded-xl px-6 py-4 shadow-sm\" data-post=\"494\" aria-live=\"polite\" aria-labelledby=\"calc-reactions-title\"><p id=\"calc-reactions-title\" class=\"text-sm text-gray-500 text-center mb-2\">Wie finden Sie dieses Ergebnis?<\/p><div role=\"group\" aria-labelledby=\"calc-reactions-title\" class=\"grid grid-cols-3 sm:flex sm:flex-row sm:justify-around gap-4 sm:items-center sm:flex-wrap\"><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"like\"><span class=\"reaction-count\" data-reaction-count=\"like\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude00 <\/span><span class=\"reaction-description font-medium\">Gef\u00e4llt mir <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"helpful\"><span class=\"reaction-count\" data-reaction-count=\"helpful\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\udca1 <\/span><span class=\"reaction-description font-medium\">Hilfreich <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"confused\"><span class=\"reaction-count\" data-reaction-count=\"confused\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude15 <\/span><span class=\"reaction-description font-medium\">Verwirrt <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"disappointed\"><span class=\"reaction-count\" data-reaction-count=\"disappointed\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\ud83d\ude1e <\/span><span class=\"reaction-description font-medium\">Entt\u00e4uscht <\/span><\/button><button type=\"button\" aria-pressed=\"false\" class=\"reaction-btn flex flex-col items-center gap-1 text-sm text-gray-700 hover:text-primary-600 cursor-pointer transition-transform hover:scale-105\" data-reaction=\"inaccurate\"><span class=\"reaction-count\" data-reaction-count=\"inaccurate\">0<\/span><span class=\"reaction text-3xl\" aria-hidden=\"true\">\u274c <\/span><span class=\"reaction-description font-medium\">Ungenau <\/span><\/button><\/div><div id=\"reaction-message\" class=\"hidden mt-8 rounded-md border border-primary-100 bg-white\/50 backdrop-blur-sm px-4 py-2 text-sm text-center shadow-sm\"><\/div><\/section><div class=\"calcdash-ad not-prose calcdash-ad--calc_result calcdash-ad--in-article\"><ins class=\"adsbygoogle\" style=\"display:block\" data-ad-client=\"ca-pub-1721569815777345\" data-ad-slot=\"6317458308\" data-ad-layout=\"in-article\" data-ad-format=\"fluid\"><\/ins><script>(adsbygoogle = window.adsbygoogle || []).push({});<\/script><\/div>\n<style id=\"wpcoderpro-inline-1\">.formula-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section class=\"formula-box\" aria-labelledby=\"formula-title\">\r\n\t<div id=\"formula-title\" class=\"not-prose font-display mb-4\"><span class=\"icon icon-formula\" aria-hidden=\"true\"><\/span><h2>Formel der linearen Regression<\/h2><\/div>\r\n\t<figure class=\"not-prose formula\">\r\n\t\t<figcaption class=\"formula-title\">Formel<\/figcaption>\r\n\t\t<div class=\"text-base text-gray-800\" id=\"formula\">\n\\[ b = \\frac{S_{xy}}{S_{xx}} = \\frac{\\sum_{i=1}^{n}(x_i - \\bar{x})(y_i - \\bar{y})}{\\sum_{i=1}^{n}(x_i - \\bar{x})^2}, \\qquad a = \\bar{y} - b\\bar{x} \\\\\\ r = \\frac{S_{xy}}{\\sqrt{S_{xx} \\cdot S_{yy}}}, \\qquad R^2 = r^2, \\qquad \\hat{y} = a + b x^* \\]\n<\/div>\r\n\t<\/figure>\r\n\t<\/p>\n<p><strong>Wobei gilt:<\/strong><\/p>\n<ul>\n<li>\\(b\\) \u2014 Steigung der angepassten Geraden<\/li>\n<li>\\(a\\) \u2014 Achsenabschnitt (angepasster Y-Wert bei \\(x = 0\\))<\/li>\n<li>\\(x_i, y_i\\) \u2014 die gepaarten Datenpunkte<\/li>\n<li>\\(\\bar{x}, \\bar{y}\\) \u2014 die Mittelwerte der X- und Y-Datens\u00e4tze<\/li>\n<li>\\(n\\) \u2014 Anzahl der gepaarten Datenpunkte<\/li>\n<li>\\(r\\) \u2014 Pearson-Korrelationskoeffizient<\/li>\n<li>\\(R^2\\) \u2014 Bestimmtheitsma\u00df<\/li>\n<li>\\(\\hat{y}\\) \u2014 vorhergesagter Y-Wert bei \\(x^*\\)<\/li>\n<\/ul>\n<p>Dies sind die Sch\u00e4tzungen nach der Methode der kleinsten Quadrate (OLS, ordinary least squares): Die Steigung \\(b\\) und der Achsenabschnitt \\(a\\) definieren die Gerade, welche die Summe der quadrierten vertikalen Abst\u00e4nde zwischen den beobachteten Punkten und der Geraden selbst minimiert.<\/p>\n<p>\r\n<\/section>\n<style id=\"wpcoderpro-inline-2\">.calculation-box {\r\n\tborder-bottom: none !important;\r\n}<\/style><section id=\"calculation\" class=\"calculation-box\" aria-labelledby=\"calculation-title\">\r\n\t<div id=\"calculation-title\" class=\"not-prose font-display\"><span class=\"icon icon-unordered-list\" aria-hidden=\"true\"><\/span><h2>Lineare Regression \u2013 Rechenbeispiel<\/h2><\/div>\r\n\r\n<\/p>\n<p><strong>Beispiel:<\/strong> Ein Labor misst eine Ausgangsgr\u00f6\u00dfe Y bei acht gleichm\u00e4\u00dfig verteilten Einstellungen X, von 1 bis 8. Die X-Werte sind 1, 2, 3, 4, 5, 6, 7, 8 und die Y-Werte sind 53, 61, 68, 74, 80, 85, 90, 95. Wir passen eine Gerade an und sagen Y bei \\(x = 9\\) vorher.<\/p>\n<p>\\[ \\bar{x} = \\frac{1+2+\\cdots+8}{8} = 4.5, \\qquad \\bar{y} = \\frac{53+61+\\cdots+95}{8} = 75.75 \\]<br \/>\n\\[ S_{xy} = \\sum (x_i-\\bar{x})(y_i-\\bar{y}) = 248, \\quad S_{xx} = \\sum (x_i-\\bar{x})^2 = 42, \\quad S_{yy} = \\sum (y_i-\\bar{y})^2 = 1475.5 \\]<br \/>\n\\[ b = \\frac{248}{42} = 5.9048, \\qquad a = 75.75 - 5.9048 \\times 4.5 = 49.1786 \\]<br \/>\n\\[ r = \\frac{248}{\\sqrt{42 \\times 1475.5}} = 0.9962, \\qquad R^2 = 0.9925 \\]<br \/>\n\\[ \\hat{y} = 49.1786 + 5.9048 \\times 9 = 102.3214 \\]<\/p>\n<p><strong>Ergebnis:<\/strong> Die angepasste Gerade lautet \\(y = 49.1786 + 5.9048x\\), mit \\(r = 0.9962\\) und \\(R^2 = 0.9925\\) \u2014 eine hervorragende Anpassung. Bei \\(x = 9\\) sagt die Gerade \\(\\hat{y} \\approx 102.32\\) voraus.<\/p>\n<p>\n\r\n<\/section>\n<h2>So benutzen Sie den Lineare-Regression-Rechner<\/h2>\n<ol>\n<li>Geben Sie die Werte der unabh\u00e4ngigen Variablen in das Feld <strong>Datensatz X (unabh\u00e4ngige Variable)<\/strong> ein, getrennt durch Kommas, Leerzeichen, Semikolons oder Zeilenumbr\u00fcche.<\/li>\n<li>Geben Sie die zugeh\u00f6rigen Werte der abh\u00e4ngigen Variablen in <strong>Datensatz Y (abh\u00e4ngige Variable)<\/strong> ein, und zwar in genau derselben Reihenfolge wie die X-Werte. Beide Datens\u00e4tze m\u00fcssen dieselbe Anzahl von Werten enthalten.<\/li>\n<li>Geben Sie optional einen Wert in <strong>Y vorhersagen f\u00fcr X =<\/strong> ein \u2014 die Stelle, an der die angepasste Gerade ausgewertet werden soll. Lassen Sie das Feld leer, wenn Sie nur die Gerade selbst ben\u00f6tigen.<\/li>\n<li>Lesen Sie die Ergebnisse ab: <strong>Steigung<\/strong>, <strong>Achsenabschnitt<\/strong>, <strong>Korrelationskoeffizient<\/strong>, <strong>Bestimmtheitsma\u00df<\/strong> und <strong>Vorhergesagter Wert<\/strong> werden oben angezeigt, gefolgt von der Regressionsgeraden, einer leicht verst\u00e4ndlichen Interpretation sowie einer Tabelle mit angepassten Werten und Residuen f\u00fcr jeden Datenpunkt.<\/li>\n<\/ol>\n<h2>Was ist lineare Regression?<\/h2>\n<p>Die einfache lineare Regression modelliert die Beziehung zwischen einer unabh\u00e4ngigen Variablen \\(x\\) und einer abh\u00e4ngigen Variablen \\(y\\) als Gerade: \\(y = a + bx\\). Die Methode der kleinsten Quadrate findet diejenige Gerade, die die Summe der quadrierten vertikalen Abst\u00e4nde (Residuen) zwischen den beobachteten Datenpunkten und der Geraden minimiert. Da quadrierte Abweichungen verwendet werden, ziehen Punkte, die weit von der Geraden entfernt liegen, die Anpassung st\u00e4rker zu sich als Punkte in der N\u00e4he.<\/p>\n<p>Die beiden Koeffizienten haben eine unmittelbare Bedeutung. Die <strong>Steigung<\/strong> \\(b\\) ist die gesch\u00e4tzte \u00c4nderung von Y bei einer Erh\u00f6hung von X um eine Einheit \u2014 ist \\(b\\) negativ, nimmt Y mit zunehmendem X ab. Der <strong>Achsenabschnitt<\/strong> \\(a\\) ist der angepasste Y-Wert bei \\(x = 0\\). Er ist nur dann sinnvoll, wenn null innerhalb (oder nahe) des Bereichs der beobachteten X-Werte liegt; andernfalls ist er lediglich ein mathematischer Ankerpunkt der Geraden.<\/p>\n<p>Der <strong>Korrelationskoeffizient<\/strong> \\(r\\) liegt zwischen \\(-1\\) und \\(+1\\) und misst sowohl die St\u00e4rke als auch die Richtung des linearen Zusammenhangs. Das <strong>Bestimmtheitsma\u00df<\/strong> \\(R^2 = r^2\\) liegt zwischen 0 und 1 und ist leichter zu interpretieren: Es gibt den Anteil der Variation von Y an, der durch den linearen Zusammenhang mit X erkl\u00e4rt wird. Ein \\(R^2\\) von 0,99 wie im obigen Beispiel bedeutet, dass rund 99 % der Variation von Y durch die Gerade erkl\u00e4rt werden \u2014 eine hervorragende Anpassung. Werte unter etwa 0,5 deuten darauf hin, dass eine Gerade die Daten nur schwach beschreibt, und ein gekr\u00fcmmtes oder multivariates Modell geeigneter sein k\u00f6nnte.<\/p>\n<p>Die <strong>Residuen<\/strong> in der Ergebnistabelle zeigen, wie weit jeder beobachtete Wert \\(y_i\\) von seinem angepassten Wert \\(\\hat{y}_i\\) entfernt liegt. Ihre Untersuchung ist eine schnelle Diagnose: Residuen, die zuf\u00e4llig um null streuen, sprechen f\u00fcr ein brauchbares lineares Modell, w\u00e4hrend ein deutliches Muster (Kr\u00fcmmung oder mit X wachsende Residuen) darauf hindeutet, dass der Zusammenhang in Wahrheit nicht linear ist.<\/p>\n<h2>Voraussetzungen, Grenzen und praktische Hinweise<\/h2>\n<ul>\n<li><strong>Gepaarte Daten erforderlich:<\/strong> Jeder X-Wert muss einen zugeh\u00f6rigen Y-Wert besitzen, der in derselben Reihenfolge eingegeben wird. Der Rechner meldet einen Fehler, wenn die beiden Datens\u00e4tze unterschiedlich lang sind.<\/li>\n<li><strong>Linearit\u00e4t:<\/strong> Die Methode der kleinsten Quadrate setzt voraus, dass der zugrunde liegende Zusammenhang eine Gerade ist. Zeigt ein Streudiagramm Ihrer Daten eine Kr\u00fcmmung, sind die angepasste Gerade \u2014 und ihr \\(R^2\\) \u2014 irref\u00fchrend.<\/li>\n<li><strong>Mindestens zwei Punkte:<\/strong> Mit weniger als zwei unterschiedlichen X-Werten kann keine eindeutige Gerade angepasst werden; bei sehr wenigen Punkten reagiert die Anpassung h\u00f6chst empfindlich auf jede einzelne Beobachtung.<\/li>\n<li><strong>Korrelation ist keine Kausalit\u00e4t:<\/strong> Ein starkes \\(r\\) zeigt einen Zusammenhang, nicht aber, dass X Y verursacht. Eine dritte Variable kann beide antreiben.<\/li>\n<li><strong>Vorsicht bei Extrapolation:<\/strong> Eine Vorhersage bei X-Werten weit au\u00dferhalb des Datenbereichs (wie \\(x = 9\\) im Beispiel, knapp \u00fcber dem beobachteten Maximum von 8) ist eine Annahme, keine Messung \u2014 der Zusammenhang bleibt au\u00dferhalb des beobachteten Bereichs m\u00f6glicherweise nicht linear.<\/li>\n<li><strong>Ausrei\u00dfer spielen eine Rolle:<\/strong> Da die Methode der kleinsten Quadrate die Fehler quadriert, kann ein einzelner extremer Punkt die gesamte Gerade kippen. Pr\u00fcfen Sie in der Residuentabelle Punkte mit ungew\u00f6hnlich gro\u00dfen Residuen und vergewissern Sie sich, dass es sich um echte Messwerte und keine Tippfehler handelt.<\/li>\n<li><strong>Einheiten:<\/strong> Die Steigung tr\u00e4gt die Einheiten von Y pro Einheit von X. Vergleichen Sie Steigungen aus verschiedenen Datens\u00e4tzen, sollten Sie sicherstellen, dass die Einheiten \u00fcbereinstimmen.<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"<p>Passen Sie eine Gerade an gepaarte X\u2013Y-Daten mithilfe der Methode der kleinsten Quadrate an. Geben Sie beide Datens\u00e4tze ein und erhalten Sie Steigung, Achsenabschnitt, Korrelationskoeffizient, R\u00b2, Residuen und einen vorhergesagten Y-Wert f\u00fcr jedes beliebige X.<\/p>\n","protected":false},"author":3168,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[12],"tags":[30],"class_list":["post-494","post","type-post","status-publish","format-standard","hentry","category-statistik","tag-korrelation-regression"],"acf":[],"_links":{"self":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/posts\/494","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/users\/3168"}],"replies":[{"embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/comments?post=494"}],"version-history":[{"count":0,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/posts\/494\/revisions"}],"wp:attachment":[{"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/media?parent=494"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/categories?post=494"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wpcalc.com\/de\/wp-json\/wp\/v2\/tags?post=494"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}