Statistik-Glossar

Achsenabschnitt

Intercept / Y-Achsenabschnitt · Maximilian Fuchs · 24. April 2026 · 4 Min. Lesezeit

In diesem Beitrag

Was versteht man unter Achsenabschnitt?
Warum ist der Achsenabschnitt wichtig?
Praxisbeispiel

Was versteht man unter Achsenabschnitt?

Der Achsenabschnitt (englisch: intercept) ist ein zentraler Parameter in der linearen Regression. Er gibt den Wert der abhängigen Variable Y an, wenn alle unabhängigen Variablen den Wert null annehmen. In der einfachen linearen Regression hat das Modell die folgende Form:

Formel: Einfaches lineares Regressionsmodell

$\hat{Y} = \beta_0 + \beta_1 X$

Dabei ist $\beta_0$ der Achsenabschnitt (auch Konstante genannt) und $\beta_1$ der Regressionskoeffizient für die unabhängige Variable $X$ . Grafisch entspricht der Achsenabschnitt dem Punkt, an dem die Regressionsgerade die Y-Achse schneidet.

Einfach erklärt: Stell dir die Regressionsgerade wie eine schiefe Rampe vor, die irgendwo anfängt. Der Achsenabschnitt ist genau der Punkt, wo diese Rampe die senkrechte Achse (Y-Achse) berührt – also der Startwert, bevor überhaupt ein Einfluss einer anderen Variable ins Spiel kommt.

Warum ist der Achsenabschnitt für statistische Analysen wichtig?

Der Achsenabschnitt erfüllt in der Regressionsanalyse vor allem eine technische Funktion: Er stellt sicher, dass das Modell rechnerisch korrekt angepasst wird und die Regressionsgerade nicht künstlich durch den Ursprung (0, 0) gezwungen wird. Ohne einen Achsenabschnitt würde das Modell systematisch verzerrt schätzen, sofern der wahre Y-Wert bei X = 0 nicht tatsächlich null ist.

In manchen Fällen ist der Achsenabschnitt inhaltlich interpretierbar – etwa wenn ein Wert von X = 0 in der Praxis sinnvoll ist. In vielen anderen Fällen liegt der Wert X = 0 jedoch weit außerhalb der tatsächlichen Daten, sodass der Achsenabschnitt zwar rechnerisch notwendig, aber inhaltlich wenig aussagekräftig ist.

Häufiger Fehler: Der Achsenabschnitt wird voreilig inhaltlich interpretiert, obwohl X = 0 im Datensatz gar nicht vorkommt oder keinen realen Sinn ergibt. Beispiel: In einem Modell, das das Gehalt anhand von Berufsjahren vorhersagt, wäre X = 0 (keine Berufserfahrung) zwar möglich – aber ein negativer oder unrealistisch niedriger Achsenabschnitt sollte nicht überinterpretiert werden.

Gut zu wissen: In der multiplen Regression bleibt die Interpretation gleich: Der Achsenabschnitt ist der erwartete Wert von Y, wenn alle unabhängigen Variablen gleichzeitig den Wert null haben. Das ist rechnerisch oft noch weiter von der Realität entfernt als im einfachen Modell.

Praxisbeispiel zu Achsenabschnitt

Eine Forscherin untersucht, ob die wöchentliche Lernzeit (in Stunden) die Prüfungspunkte von Studierenden vorhersagt. Sie führt eine einfache lineare Regression durch und erhält folgendes Ergebnis:

Tabelle 1. Regressionsergebnisse: Prüfungspunkte ~ Lernzeit
Parameter	Schätzwert	Interpretation
Achsenabschnitt (β₀)	32,5	Erwartete Punkte bei 0 Stunden Lernzeit
Regressionskoeffizient (β₁)	4,2	Punktzuwachs pro zusätzlicher Lernstunde

Das Modell lautet also: Prüfungspunkte = 32,5 + 4,2 · Lernzeit. Der Achsenabschnitt von 32,5 bedeutet, dass ein Studierender, der gar nicht lernt (0 Stunden), im Modell im Durchschnitt 32,5 Punkte erzielen würde. Ob dieser Wert inhaltlich plausibel ist, muss fachlich bewertet werden – rechnerisch ist er aber notwendig, damit das Modell die Daten korrekt abbildet.