Residuum
In diesem Beitrag
Was versteht man unter Residuum?
Ein Residuum (Plural: Residuen) ist die Differenz zwischen einem tatsächlich beobachteten Wert und dem durch ein statistisches Modell vorhergesagten Wert. In der linearen Regression lässt sich das Residuum für eine Beobachtung i wie folgt beschreiben:
Formel: Residuum
Dabei steht für den beobachteten Wert, für den vom Modell geschätzten (vorhergesagten) Wert. Das Residuum gibt also an, um wie viel das Modell daneben liegt – nach oben oder nach unten.
Wichtig: Das Residuum ist nicht dasselbe wie der statistische Fehler (auch „Störterm“ genannt). Der wahre Fehler beschreibt die Abweichung vom unbekannten, theoretisch wahren Modell in der Grundgesamtheit. Das Residuum hingegen ist die messbare Abweichung im konkreten Datensatz vom geschätzten Modell.
Warum ist das Residuum für statistische Analysen wichtig?
Residuen sind in der Regressionsanalyse weit mehr als ein Nebenprodukt der Schätzung. Sie erfüllen mehrere zentrale Funktionen:
- Modellgüte beurteilen: Je kleiner die Residuen, desto besser passt das Modell zu den Daten. Maße wie der mittlere quadratische Fehler (MSE) oder das Bestimmtheitsmaß R² basieren direkt auf den Residuen.
- Modellannahmen prüfen: Viele statistische Verfahren setzen voraus, dass die Residuen bestimmte Eigenschaften haben – zum Beispiel Normalverteilung, Unabhängigkeit und konstante Varianz (Homoskedastizität). Diese Annahmen lassen sich durch die Analyse der Residuen überprüfen.
- Ausreißer und Einflussbeobachtungen erkennen: Ungewöhnlich große Residuen können auf Ausreißer oder Datenfehler hinweisen, die das Modell verzerren.
Praxisbeispiel zu Residuum
Eine Forscherin untersucht, ob die Lernzeit (in Stunden) den Prüfungserfolg (in Punkten) vorhersagt. Sie erhebt Daten von fünf Studierenden und schätzt ein lineares Regressionsmodell. Die folgende Tabelle zeigt die beobachteten Werte, die Modellvorhersagen und die resultierenden Residuen:
| Studierende:r | Lernzeit (h) | Punkte (beobachtet) | Punkte (vorhergesagt) | Residuum |
|---|---|---|---|---|
| A | 2 | 55 | 52 | +3 |
| B | 4 | 63 | 66 | −3 |
| C | 6 | 80 | 80 | 0 |
| D | 8 | 91 | 94 | −3 |
| E | 10 | 112 | 108 | +4 |
Die Residuen fallen hier klein und ohne klares Muster aus – ein gutes Zeichen. Wäre beispielsweise das Residuum von Studierender E sehr groß (z. B. +30), würde das auf einen Ausreißer hindeuten, den die Forscherin genauer untersuchen sollte. In einem nächsten Schritt würde sie die Residuen grafisch darstellen – etwa in einem Residuenplot – um sicherzustellen, dass keine systematischen Abweichungen vorliegen.
