Dokumentation zum Mietspiegel Ehingen, Oberdischingen und Öpfingen 2024

Auswertung 31 Dokumentation zum Mietspiegel Ehingen (Donau), Oberdischingen und Öpfingen 2024 6.5 Güte des Regressionsmodells Für die Anwendung der Regressionsanalyse und die Beurteilung der Ergebnisse sind Anforderungen zu beachten bzw. Kriterien zu prüfen und zu erfüllen. Hierbei handelt es sich um: ○ Gewährleistung eines ausreichend hohen Bestimmtheitsmaßes bzw. Erklärungsgehalts (R²) des Modells ○ Prüfung auf Homoskedastizität/Heteroskedastizität der Residuen ○ Ausschluss zu hoher Korrelationen zwischen den Merkmalen/Regressoren ○ Gewährleistung einer ausreichend hohen Signifikanz hinsichtlich der ermittelten Einflüsse. Während der Auswertungen für den Mietspiegel Ehingen (Donau), Oberdischingen und Öpfingen wurden die globalen Gütemaße und die Auswirkungen von Veränderungen der Modelle auf deren Güte beobachtet. Zur Beurteilung der Modellgüte des vorliegenden Regressionsmodells wird der sogenannte Determinationskoeffizient bzw. der Erklärungsgehalt anhand des sogenannten R² herangezogen. Die Höhe des R² gibt an, welcher Anteil der Variation der Nettokaltmiete durch die im Modell verwendeten Regressoren/Variablen erklärt wird. Insgesamt zeigt sich ein Erklärungsgehalt von 75,8 %, d. h. 75,8 % der Variation der Nettokaltmiete wird durch die Modellvariablen des endgültigen Regressionsmodells erklärt. Hierbei handelt es sich um einen sehr guten Wert. Heteroskedastizität liegt vor, wenn die Störgröße (beobachtet durch die Residuen) im Regressionsmodell von der abhängigen Variable abhängig ist, d.h. sich mit zunehmenden Werten der Nettokaltmiete verringert oder erhöht. Dadurch wird der Standardfehler des Regressionskoeffizienten verfälscht und die Schätzung des Konfidenzintervalls ungenau. ALP hat die Residuen visuell in einem Streudiagramm geprüft, in dem die geschätzten Nettokaltmieten gegen die Residuen abgebildet wurden. Es haben sich daraus keine Anhaltspunkte für das Vorliegen von Heteroskedastizität ergeben. Korrelationen zwischen den einzelnen Merkmalen (Regressoren) wurden mithilfe einer Korrelationsstatistik (Korrelationen zwischen den einzelnen Regressoren) untersucht. Als Grundannahme bei der Regression gilt, dass die Regressoren auch untereinander unabhängig sein sollten. D. h. ein Regressor darf sich nicht als lineare Funktion der übrigen Regressoren darstellen lassen. Bei empirischen Daten liegt in der Regel ein gewisses Maß an Multikollinearität vor, das sich nicht störend auf die Güte des Modells auswirken muss. Eine hohe Multikollinearität führt aber dazu, dass die Standardfehler der Regressionskoeffizienten zunehmen und die Schätzung ungenauer wird. Korrelationen in problematischer Größenordnung zwischen den unabhängigen Variablen konnten nicht festgestellt werden. Darüber hinaus sind die berechneten Einflussbeiträge (Regressionskoeffizienten) hinsichtlich ihres Signifikanzniveaus geprüft worden. Als Grenzwert für eine ausreichende Signifikanz ist grundsätzlich ein Signifikanzniveau von ≤ 0,05 gewählt worden. Damit liegt

RkJQdWJsaXNoZXIy NzY5NzY=