Konfidenz- und Vorhersageintervall in der Regression unterscheiden

1. Festlegen, ob der Mittelwert oder ein neuer Fall interessiert

Vor der Intervallberechnung klärst du die Frage. Möchtest du den mittleren erwarteten Wert bei einer bestimmten Ausprägung des Prädiktors schätzen, oder möchtest du den möglichen Wert eines neuen Einzelfalls vorhersagen? Diese Ziele sind verschieden. Im eigenen erfundenen Lernfall betrachten wir Bearbeitungszeiten bei einer gegebenen Aufgabenkomplexität. Der durchschnittlich erwartete Zeitbedarf vergleichbarer Personen ist nicht dasselbe wie die Bearbeitungszeit der nächsten einzelnen Person. Beide Größen können denselben vorhergesagten Mittelpunkt besitzen und trotzdem unterschiedlich große Unsicherheitsbereiche benötigen.

STAT 501 der Pennsylvania State University trennt entsprechend ein Konfidenzintervall für die mittlere Antwort von einem Vorhersageintervall für eine neue Beobachtung. Schreibe deine Zielgröße vor dem Blick auf die Software in einen vollständigen Satz. Ergänze die Einheit, den Prädiktorwert und die relevante Population. Diese eigene Zielformulierung hilft, eine irrtümlich ausgewählte Standardoption zu erkennen. Der Ausdruck 95-Prozent-Intervall allein ist unzureichend, weil er noch nicht erklärt, welche Größe geschätzt wird. Auch ein ansprechend gezeichnetetes Band beantwortet nicht automatisch die Frage, die du ursprünglich untersuchen wolltest.

Weiterführend: Pennsylvania State University, STAT 501: SLR Estimation and Prediction

2. Zusätzliche Streuung einer Einzelbeobachtung verstehen

Bei einem üblichen linearen Regressionsmodell beschreibt die geschätzte Regressionsfunktion den bedingten Mittelwert. Einzelne Beobachtungen liegen um diese Funktion herum. Für eine neue Einzelbeobachtung kommt daher zur Unsicherheit der geschätzten Funktion die verbleibende individuelle Streuung hinzu. Unter den gleichen üblichen Modellbedingungen und demselben Intervallniveau ist das Vorhersageintervall deshalb breiter als das zugehörige Konfidenzintervall für den mittleren Wert. Diese Aussage gilt für die hier behandelte Situation, nicht als pauschaler Vergleich beliebiger Intervalle aus unterschiedlichen Modellen, Datensätzen oder Zielgrößen.

Unser vollständig fiktives Zahlenbild macht den Unterschied sichtbar: Ein Modell liefert für eine bestimmte Aufgabenkomplexität einen Mittelpunkt von 45 Minuten. Zur Illustration denken wir uns ein Mittelwertintervall von 42 bis 48 Minuten und ein Einzelvorhersageintervall von 20 bis 70 Minuten. Diese Grenzen wurden nicht aus Daten berechnet. Sie dürfen daher nur das Prinzip zeigen: Der mittlere erwartete Wert kann recht genau geschätzt sein, während die nächste Person wesentlich kürzer oder länger braucht. Aus dem schmaleren Bereich abzuleiten, dass fast alle Personen zwischen 42 und 48 Minuten benötigen, wäre falsch.

3. Softwareoptionen und Modellbedingungen kontrollieren

Die offizielle Dokumentation von R zu predict.lm unterscheidet die Optionen confidence und prediction. Sie erläutert auch, dass ein Vorhersageintervall eine einzelne Beobachtung betrifft und Annahmen über deren Fehlervarianz enthält. Lies die Dokumentation der tatsächlich eingesetzten Software, statt eine Spaltenüberschrift wie lower oder upper ohne Kontext zu übernehmen. Notiere Modell, neue Prädiktorwerte, Intervalltyp und Niveau zusammen mit der Ausgabe. Bei gewichteten Modellen oder abweichenden Fehlerstrukturen sind zusätzliche Einstellungen und fachliche Prüfungen nötig. Ein Standardbefehl ist keine automatische Bestätigung seiner Voraussetzungen.

Prüfe, ob deine Vorhersagewerte innerhalb eines durch Daten sinnvoll abgedeckten Bereichs liegen. Eine Extrapolation kann auch dann unsicher sein, wenn die Software einen Zahlenbereich ausgibt. Kontrolliere zudem Residuen, funktionale Form, Unabhängigkeit und die zum Verfahren passende Varianzannahme. Für klassische Einzelvorhersageintervalle ist die angenommene Fehlerverteilung besonders wichtig. Halte ungewöhnliche Datenbereiche und fehlende Gruppenabdeckung auf deinem Interpretationsblatt fest. Breite Intervalle sind nicht automatisch ein Rechenfehler; sie können eine reale Grenze der möglichen Einzelvorhersage sichtbar machen. Verenge sie nicht nachträglich durch eine passendere Beschriftung.

Weiterführend: R stats: Predict method for Linear Model Fits

4. Einen Ergebnissatz mit klarer Zielgröße schreiben

Verwende eine Satzschablone als eigene Arbeitshilfe: Für den Prädiktorwert X schätzt das Modell den mittleren erwarteten Wert auf Y Einheiten; das angegebene Intervall ist ein Konfidenzintervall für diesen Mittelwert. Für einen neuen einzelnen Fall benennst du ausdrücklich das Vorhersageintervall. Ergänze Niveau, Modellkontext und relevante Grenzen anhand deiner tatsächlichen Analyse. Setze keine fiktiven Beispielzahlen in einen empirischen Ergebnisteil ein. Prüfe außerdem, ob Grafiklegende, Tabellenkopf und Fließtext denselben Intervalltyp nennen. Ein Versehen an einer dieser Stellen kann die gesamte Interpretation verschieben.

Das Tool Statistischen Test finden kann helfen, das Analyseziel und den Zusammenhang zwischen Variablen zu ordnen. Beschreibe, ob ein mittlerer Zusammenhang oder eine Einzelvorhersage untersucht werden soll, und kontrolliere die methodische Einordnung. Die eigentliche Intervallberechnung und Diagnostik führst du in geeigneter Statistiksoftware durch. Bewahre dafür den Analysebefehl und die verwendeten Datenversionen auf. Der fertige Zwischenstand besteht aus einer reproduzierbaren Ausgabe und einem Ergebnissatz, bei dem eine andere Person erkennen kann, welche Größe das Intervall betrifft und welche Vorhersage es gerade nicht erlaubt.