2.1 Grundlagen der linearen RegressionBedeutung des ResiduumsLineare Regression – Modellgleichung2.2 Verwendete R-Pakete2.3 Einführungsbeispiel2.4 Interpretation und Inferenz der Koeffizienten2.4.1 Interpretation der Koeffizienten – metrisch2.4.2 Interpretation der Koeffizienten – kategorial2.4.3 Inferenz der Koeffizienten2.5 Erweiterung der Modellgleichung2.5.1 Interaktion2.5.2 Verschachtelte Modelle2.5.3 Formelsyntax2.6 Globale Modellgüte und Inferenz2.6.1 Globale Modellgüte2.6.2 Inferenz für das Modell als Ganzes2.7 Anwendungsvoraussetzungen und Regressionsdiagnostik2.7.1 Variablentransformation2.7.2 Robustheit und einflussreiche Beobachtungen2.7.3 Nichtlinearer Zusammenhang und Fehlspezifikation2.7.4 Erwartungswert der Residuen2.7.5 Endogenität der unabhängigen Variablen2.7.6 Heteroskedastizität2.7.7 Autokorrelation2.7.8 Multikollinearität2.7.9 Normalverteilung der Residuen2.7.10 Verschiedene diagnostische Grafiken2.7.11 Stationarität der Variablen2.8 Modellselektion und Wichtigkeit der Variablen2.8.1 Modellselektion2.8.2 Erklärung2.8.3 Modellselektion mit der step()-Funktion2.8.4 Wichtigkeit der Variablen2.8.5 Vorhersage2.9 Literatur2.9.1 Weiterführende Literatur2.9.2 Anwendungsbeispiele