Hallo zusammen
Ich brauche dringend Ihre Hilfe, da ich ein deutscher Student bin, der zum ersten Mal jmp verwendet und auch noch nie eine Regressionsanalyse durchgeführt hat (learning by doing und mit ein paar Büchern 
Was passiert, wenn eine multiple lineare Regression durchgeführt wird, aber eine positive Autokorrelation vorliegt?
Denn zunächst ging ich davon aus, dass zwischen den Variablen ein linearer Zusammenhang besteht.
Ich bekomme auch völlig andere Ergebnisse als von meiner beschreibenden Statistik erwartet. Ich schaue mir Immobilien an und vor allem, wie lange es dauerte, sie zu verkaufen. Die abhängige Variable ist die Zeit bis zum Verkauf, und unabhängige Variablen sind mehrere, wie z. B. Preis, Anzahl der Räume usw. Außerdem habe ich für die verschiedenen Regionen Dummy-Variablen verwendet und auch für die Quartale, in denen sie verkauft wurden.
Besonders diese Dummys scheinen falsch zu sein, da ich in meiner deskriptiven Statistik völlig unterschiedliche Ergebnisse erzielt habe. Diejenigen, die ich als Referenz am besten fand, habe ich weggelassen
Beobachtungen über 2'000
R2 = 0,059, aber offensichtlich so klein, weil einige Informationen wie Balkongarten usw. nicht angegeben wurden.
Vielen Dank, dass Sie mir geholfen haben.
Tanja
Autokorrelation bezieht sich auf die Zeilen der Datentabelle, die in gewisser Weise miteinander in Beziehung stehen. Dies würde gegen die Regressionsannahme verstoßen, dass die Zeilen unabhängig voneinander sind. Ich denke, Ihr Problem ist hier Multikollinearität oder manchmal auch Kollinearität genannt. Dies bezieht sich auf die Variablen in Ihrem Modell, die miteinander in Beziehung stehen (z. B. Kosten und Anzahl der Räume). Die Auswirkung davon sind überhöhte Abweichungen bei Ihren Parameterschätzungen und Modellen, die nicht sehr stabil sind. Schlagen Sie in Ihren Regressionstexten nach Multikollinearität nach und Sie sollten eine gute Erklärung der Probleme sehen. In den meisten Texten werden auch einige Dinge besprochen, mit denen Sie möglicherweise das Problem lösen können.
