Advertisement

Lineare Modelle - Regression und Varianzanalyse (ANOVA)

  • Claudia CzadoEmail author
  • Thorsten Schmidt
Chapter
  • 7.9k Downloads
Part of the Statistik und ihre Anwendungen book series (STATIST)

Zusammenfassung

Ziel von linearen Modellen ist es, Abhängigkeiten zwischen einer Zielvariablen und beobachteten Einflussgröβen zu studieren. Die Zielvariable Y wird auch als abhängige oder endogene Variable bezeichnet, im Englischen wird der Begriff Response verwendet. Die bekannten Einflussgröβen x 1,...,x k werden als Kovariablen, unabhängige oder exogene Variablen bezeichnet. exogene Variable Variable Ko- Variable unabhängige Variable exogene Variable endogene In den linearen Modellen wird die Zielvariable Y nicht nur einmal, sondern n-mal, etwa an verschiedenen Patienten mit jeweils unterschiedlichen Kovariablen beobachtet.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Casella, G. und R. L. Berger (2002). Statistical Inference (2nd ed.). Duxbury. Pacific Grove.Google Scholar
  2. Chatterjee, S. (2006). Regression Analysis by Example (4th ed.). John Wiley & Sons. New York.Google Scholar
  3. Fahrmeir, L., T. Kneib und S. Lang (2009). Regression: Modelle, Methoden und Anwendungen (2nd ed.). Springer Verlag. Berlin Heidelberg New York.Google Scholar
  4. Fischer, G. (1978). Lineare Algebra. Vieweg Mathematik, Hamburg.Google Scholar
  5. Fox, J. (2008). Applied Regression Analysis and Generalized Linear Models (2nd ed.). Sage, London.Google Scholar
  6. Georgii, H.-O. (2004). Stochastik (2nd ed.). Walter de Gruyter. Berlin.Google Scholar
  7. Milton, J. S. and R. H. Myers (1998). Linear Statistical Models (2nd ed.). Mc Graw Hill. New York.Google Scholar
  8. Myers, R. H. (1990). Classical and Modern Regression with Applications (2nd ed.). Duxbury/Thomson Learning, Boston.Google Scholar
  9. Rice, J. A. (1995). Mathematical Statistics and Data Analysis (2nd ed.). Duxbury Press.Google Scholar
  10. Ryan, T. P. (2008). Modern Regression Methods (2nd ed.). John Wiley & Sons. New York.Google Scholar
  11. Seber, G. A. F. und C. J. Wild (2003). Nonlinear Regression. John Wiley & Sons. New York.Google Scholar
  12. Weisberg, S. (2005). Applied Linear Regression (3rd ed.). John Wiley & Sons. New York.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2011

Authors and Affiliations

  1. 1.Lehrstuhl für Mathematische StatistikTechnische Universität MünchenGarchingDeutschland
  2. 2.Fakultät für MathematikTechnische Universität ChemnitzChemnitzDeutschland

Personalised recommendations