Zusammenfassung
Lineare Modelle eignen sich besonders für Regressionsanalysen, bei denen die Zielvariable stetig ist und – möglicherweise nach einer geeigneten Transformation – zumindest approximativ durch eine Normalverteilung modelliert werden kann. Zusätzlich muss sich der Erwartungswert der Zielvariablen durch eine Linearkombination von – möglicherweise ebenfalls transformierten – Kovariablen darstellen lassen. In vielen Anwendungen ist die Zielvariable jedoch nicht stetig, sondern binär bzw. kategorial oder eine Zählvariable.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2009 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Fahrmeir, L., Kneib, T., Lang, S. (2009). Generalisierte lineare Modelle. In: Regression. Statistik und ihre Anwendungen. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-01837-4_4
Download citation
DOI: https://doi.org/10.1007/978-3-642-01837-4_4
Received:
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-01836-7
Online ISBN: 978-3-642-01837-4
eBook Packages: Life Science and Basic Disciplines (German Language)