Ridge Regression Rechner

Hier kannst du eine Ridge-Regression online berechnen. Kopiere dazu einfach deine Daten in die obere Tabelle und wähle anschließend eine metrische abhängige Variable und eine oder mehrere unabhängige Variablen aus.

Ridge-Regression

Die Ridge-Regression ist eine Form der linearen Regression, die einen L₂-Strafterm auf die Größe der Koeffizienten anwendet. Sie ist darauf ausgelegt, Multikollinearität und Überanpassung zu verringern, indem sie die Regressionskoeffizienten in Richtung null schrumpft, sie aber nicht exakt null werden lässt.

Im Unterschied zur Lasso-Regression nimmt die Ridge-Regression daher keine Variablenauswahl vor: Alle Prädiktoren bleiben im Modell, ihr Einfluss wird lediglich gedämpft. Über den Strafparameter Lambda steuerst du, wie stark geschrumpft wird. Je größer Lambda, desto kleiner fallen die Koeffizienten aus.

Die Koeffizienten einer regularisierten Regression sind keine Hypothesentests der gewöhnlichen Kleinste-Quadrate-Schätzung, deshalb werden für sie keine p-Werte ausgegeben. Interpretiere die Gütemaße immer zusammen mit dem gewählten Lambda und der Einstellung zur Standardisierung.

Einen Überblick über alle Verfahren findest du in der Übersicht zur Regressionsanalyse. Ist deine abhängige Variable kategorial, ist die logistische Regression das passende Verfahren.