2.0 KiB
domain, tool, scope, tags, owners, contact, component_type, source, source_version, meta_fingerprint, url, part, kind, parent_url, parent_hash, section, ziffer, chunk_index, chunk_fingerprint, last_updated, review_status, review_notes, content_hash
| domain | tool | scope | tags | owners | contact | component_type | source | source_version | meta_fingerprint | url | part | kind | parent_url | parent_hash | section | ziffer | chunk_index | chunk_fingerprint | last_updated | review_status | review_notes | content_hash | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| regulierung | allgemein | allgemein |
|
einfachbahn@deutschebahn.com | www.dbinfrago.com | https://www.dbinfrago.com/resource/blob/13699982/4242634c6c30ed2780137786b1aeb0cf/INB-2027-Anlage-5-2-data.pdf | Entwicklung des „besten Modells“ | chunk | https://www.dbinfrago.com/resource/blob/13699982/4242634c6c30ed2780137786b1aeb0cf/INB-2027-Anlage-5-2-data.pdf | 53622aa90def2c65 | Entwicklung des „besten Modells“ | 58 | deab492aec4556f3 | 2026-06-26 | approved | e268a2a3c713f99e |
Kontext: inb 2027 anlage 5 2 > Entwicklung des „besten Modells“
Entwicklung des „besten Modells“
Je nach Berücksichtigung bzw. Nicht-Berücksichtigung einzelner Zusatzparameter lassen sich unterschiedliche Regressionsmodelle analysieren. Das Vorgehen zur Entwicklung eines „besten Modells“ orientiert zunächst sich an der Güte der unterschiedlichen Regressionsmodelle. Als Gütekriterien werden vorrangig das adjustierte Bestimmtheitsmaß (adj. R²) und nachrangig das A- kaike information criterion (AIC) verwendet. Zum anderen spielt die Signifikanz der Regressionskoeffizienten eine Rolle, da nicht-signifikante Koeffizienten als nicht robust angesehen werden müssen. Grundsätzlich soll ein Signifikanzniveau von 5% als akzeptabel gelten. Zur Entwicklung eines „besten Modells“ wurden zunächst alle oben genannten Kontrollvariablen betrachtet. Anschließend wurden sukzessive diejenigen Variablen eliminiert, die einen nicht signifikant sind bzw. einen negativen Effekt auf das adj. R² zeigen. Durch die schrittweise Eliminierung nichtsignifikanter Zusatzparameter wird schließlich ein robustes „bestes Modell“ realisiert.