Startseite > Lexikon > Tracking & Analytics > Regressionsanalyse

Bleistiftskizze: Eine Hand zieht mit Lineal und Stift eine orange Gerade durch eine ansteigende Punktwolke auf Karopapier, als Bild für die Regressionsanalyse
Tracking & Analytics

Regressionsanalyse

Bringt mehr Werbebudget wirklich mehr Umsatz — und wie viel genau? Die Regressionsanalyse macht aus einer Punktewolke eine Gleichung. Rechnen kann sie jede Tabellenkalkulation, verstehen musst du sie selbst.

Auch bekannt alsRegressionlineare Regression

5 Min

Lesezeit

19.11.2026

Letzte Aktualisierung

Was ist eine Regressionsanalyse?

Du schaust auf die letzten sechs Monate: mal 2.000 € Werbebudget, mal 5.000 €, und der Umsatz schwankt mit. Die Regressionsanalyse legt eine Linie durch diese Punkte und sagt dir: Jeder zusätzliche Euro Budget hing mit so und so viel Umsatz zusammen.

Fachlich gesprochen schätzt sie, wie eine abhängige Größe (y, etwa Umsatz) von einer oder mehreren erklärenden Größen (x, etwa Budget, Preis, Saison) abhängt. Die übliche Methode heißt Methode der kleinsten Quadrate: Die Linie wird so gelegt, dass die quadrierten Abstände der Punkte zur Linie zusammen möglichst klein sind. Das US-Normeninstitut NIST nennt sie das mit Abstand meistgenutzte Modellierungsverfahren.

Wie wird sie berechnet?

Einfache lineare Regression

y = a + b · x

a = Achsenabschnitt (y, wenn x null ist) · b = Steigung (um wie viel y steigt, wenn x um 1 steigt)

  • Steigung: b = Σ(x − x̄)(y − ȳ) ÷ Σ(x − x̄)². x̄ und ȳ sind die Mittelwerte.
  • Achsenabschnitt: a = ȳ − b · x̄.
  • Bestimmtheitsmaß R²: 1 minus Restabweichung durch Gesamtabweichung. Es liegt zwischen 0 und 1. R² = 0,83 heißt: 83 % der Schwankung von y werden durch x erklärt.

Mit mehreren Einflüssen wird daraus die multiple Regression: y = a + b₁ · x₁ + b₂ · x₂ + … — etwa Umsatz aus Google-Budget, Meta-Budget und Preis zugleich.

Beispiele aus der Praxis

Case A · Rechenbeispiel

Werbebudget und Umsatz über sechs Monate

1–6 Tsd. €

Budget je Monat

12–27 Tsd. €

Umsatz je Monat

Umsatz ≈ 9,2 + 2,94 · Budget, R² ≈ 0,99. Bei 7.000 € Budget sagt die Linie rund 29.800 € Umsatz voraus.

Beispielzahlen, selbst gerechnet. Bei 20.000 € Budget käme 68.000 € raus — das wäre Unsinn, weil das Modell nie so viel Budget gesehen hat.

Case B · Marketing-Mix-Modellierung

Mehrere Kanäle in einem Modell

2 Jahre

Wochendaten als Minimum

1 : 10

Variablen zu Beobachtungen

Meta Robyn schätzt den Beitrag jedes Kanals mit einer Ridge-Regression. Für fünf Kanäle plus Saison und Preis brauchst du nach der Faustregel rund 70 Wochen — 104 Wochen reichen.

Faustregel und Mindestmenge laut Robyn-Doku, die 70 Wochen sind eigene Rechnung.

Googles Meridian geht einen Schritt weiter: ein Bayes-Modell auf Regionsebene, das Nachwirkung (Adstock) und Sättigung mit einrechnet. Beide Werkzeuge sind Open Source.

Häufige Fehler

Fehler 1 · Zusammenhang für Ursache halten

Im Dezember steigen Budget und Umsatz — weil Weihnachten ist. Die Regression sieht nur, dass beides zusammen hochgeht. Ob die Werbung den Umsatz bringt, zeigt erst ein Test, etwa ein A/B-Test oder ein Test mit Regionen ohne Werbung.

Fehler 2 · Über die Daten hinaus prognostizieren

NIST warnt ausdrücklich: Lineare Modelle taugen oft nicht zum Extrapolieren. Werbung sättigt irgendwann. Die Linie weiß davon nichts und läuft einfach weiter.

Fehler 3 · Zu wenig Daten, zu viele Einflüsse

Sechs Monatswerte und vier Kanäle? Dann passt das Modell perfekt und sagt nichts. Faustregel aus der Robyn-Doku: eine Variable auf zehn Beobachtungen. Schon ein, zwei Ausreißer können das Ergebnis kippen.

Fehler 4 · Nur auf R² schauen

Ein hohes R² heißt laut NIST nicht, dass das Modell gut passt. Und laufen Google und Meta immer gleichzeitig hoch, kann keine Regression ihre Wirkung trennen — das nennt sich Multikollinearität. Schau dir die Punkte im Diagramm an, nicht nur die Zahl.

So rechnest du sie selbst

  • Excel: RGP(Y_Werte;X_Werte) liefert Steigung und Achsenabschnitt, mit dem vierten Argument WAHR auch R². TREND() rechnet direkt Prognosewerte.
  • Google Sheets: LINEST und TREND, mit „ausführlich“ = TRUE inklusive Bestimmtheitsmaß.
  • Diagramm-Trendlinie: Punktdiagramm anlegen, Trendlinie einblenden, „Gleichung und R² anzeigen“ — die schnellste Variante.
  • Für Kanalbudgets: Meta Robyn oder Google Meridian, beide brauchen Daten über mindestens zwei Jahre und jemanden, der Python oder R kann.

Häufige Fragen

Was ist der Unterschied zwischen Regression und Korrelation?

Die Korrelation misst nur, wie stark und in welche Richtung zwei Größen zusammenhängen. Die Regression liefert zusätzlich eine Gleichung, mit der du ausrechnen kannst, um wie viel sich y ändert, wenn x sich ändert.

Ab wann ist das Bestimmtheitsmaß R² gut?

Eine feste Grenze gibt es nicht. Je näher an 1, desto mehr der Schwankung erklärt das Modell. Ein hohes R² kann aber auch durch Zufall oder einen gemeinsamen Treiber wie die Saison entstehen. Schau dir immer das Diagramm mit an.

Wie rechne ich eine Regression in Excel?

Am schnellsten über ein Punktdiagramm mit Trendlinie und der Option „Formel und R² anzeigen“. Als Funktion liefert RGP Steigung, Achsenabschnitt und auf Wunsch R², TREND rechnet direkt Prognosewerte aus.

Wie viele Datenpunkte brauche ich?

Für eine einfache Linie gehen schon wenige Punkte, belastbar wird es ab einigen Dutzend. Für mehrere Einflüsse gilt als Faustregel: zehn Beobachtungen je Variable. Für Marketing-Mix-Modelle empfiehlt Meta mindestens zwei Jahre Wochendaten.

Beweist eine Regression, dass meine Werbung wirkt?

Nein. Sie zeigt einen Zusammenhang, keine Ursache. Den Nachweis bringt ein Experiment, etwa ein Test, bei dem eine zufällige Gruppe oder Region keine Werbung sieht. Gute Marketing-Mix-Modelle nehmen solche Testergebnisse mit auf.

Begriff teilenHat dir die Definition geholfen? Schick sie weiter.