Zusammenfassung
Oftmals erweist sich bei der Aufstellung von Erklärungsmodellen die Auswahl der am besten geeigneten Spezifikation als nicht einfach. Im Regelfall stehen verschiedene Modellvarianten und Variablensätze zur Auswahl. Die Beurteilung, welche Kombination die beste Erklärungsgüte besitzt, ist dabei diffizil (Breiman und Spector 1992). In der Regel wird darauf vertraut, anhand der Residual-Methode den Datenfit der einzelnen Varianten zu beurteilen. Orientiert man sich dabei lediglich an dem Datenfit unter Benutzung eines einzelnen Datensatzes, so kann es zum so genannten „overfitting“ kommen. Dabei wird der Fehler des Modells systematisch unterschätzt. In Abbildung 34.1 wird dieses Phänomen grafisch dargestellt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Breiman, L. und P. Spector (1992): Submodel Selection and Evaluation in Regression: The X-Random Case, International Statistical Review,60, 291–319.
Cooil, B., R.S. Winer und D.L. Rados (1987): Cross-Validation for Prediction, Journal of Marketing Research, 24, 271–279.
Green, P.E. und D.S. Tull (1982): Methoden und Techniken der Marketingforschung,Stuttgart.
Hjorth, J.S.U. (1994): Computer Intensive Statistical Methods: Validation Model Selection and Bootstrap,London et al.
Kerlinger, F.N. und E.J. Pedhazur (1973): Multiple Regression in Behavioral Research,New York et al.
Lachenbruch, P.A. und M.E. Mickey (1968): Estimation of Error Rates in Discriminant Analysis, Technometrics, 10, 1–11.
Picard, R.R. und R.D. Cook (1984): Cross-Validation of Regression Models, Journal of the American Statistical Association, 79, 387, 575–583.
Shao, J. (1993): Linear Model Selection by Cross-Validation, Journal of the American Statistical Association, 88, 422, 486–494.
Shao, J. und D. Tu (1995): The Jackknife and Bootstrap,New York et al.
Snee, R.D. (1977): Validation of Regression Models: Methods and Examples, Technometrics, 19, 415–428.
Steckel, J.H. und W.R. Vanhonacker (1993a): Cross-Validating Regression Models in Marketing Research, Marketing Science, 12, 415–427.
Steckel, J.H. und W.R. Vanhonacker (1993b): Addendum to “Cross-Validating Regression Models in Marketing Research”, Marketing Science, 15, 109.
Zhang, P. (1993): Model Selection via Multifold Cross Validation, The Annals of Statistics, 21, 299–313.
Editor information
Rights and permissions
Copyright information
© 2009 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Kuhlmann, J. (2009). Ausgewählte Verfahren der Holdout- und Kreuzvalidierung. In: Albers, S., Klapper, D., Konradt, U., Walter, A., Wolf, J. (eds) Methodik der empirischen Forschung. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-322-96406-9_34
Download citation
DOI: https://doi.org/10.1007/978-3-322-96406-9_34
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-8349-1703-4
Online ISBN: 978-3-322-96406-9
eBook Packages: Business and Economics (German Language)