Zusammenfassung
Ausgehend vom klassischen linearen Modell werden Regressionsmethoden für Datenstrukturen dargestellt, bei denen die Standardannahmen (Unabhängigkeit, normalverteilte Fehler und konstante Varianz) nicht erfüllt sind. Läßt man die Response- variable aus einer Exponentialfamilie zu, so erhält man die Klasse generalisierter linearer Modelle (GLM). Dies erlaubt, den Erwartungswert von verschiedensten stetigen und diskreten Responsevariablen (z.B. Anteile, Häufigkeiten, etc.) über eine fixe Kovariatenstruktur zu modellieren. Hebt man zusätzlich die Notwendigkeit auf, eine Verteilung aus Exponentialfamilien spezifizieren zu müssen, erhält man Quasi-Likelihood Modelle, bei denen nur mehr eine Beziehung zwischen Erwartungswert und Varianz festgelegt werden muß. Die Berücksichtigung einer Korrelationsstruktur führt zu verallgemeinerten Schätzgleichungen, d.h. es können auch Longitudinaldaten ohne besondere Verteilungsannahmen analysiert werden. Ziel der Arbeit ist es, diese Methoden und ihre statistischen Eigenschaften vorzustellen und anhand eines Beispiels (Uberdispersion bei wiederholt gemessenen binomialen Anteilen) ihre Bedeutung in der biometrischen Praxis zu illustrieren.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Zitierte Literatur
Firth, D. (1991): Genealized linear models. In: Hinkley, D. V., Reíd, N., Snell, E. J.: Statistical Theory And Modelling. London: Chapman And Hall.
Jorgensen, B. (1987): Exponential dispersion models (with discussion). J. R. Statist. Soc. B 49, 127–162.
Laird, N. M. Und Ware, J. H. (1982): Random-effects models for longitudinal data. Biometrics38, 963–974.
Liang, K. Y. Und Zeger, S. L. (1986): Longitudinal data analysis using generalized linear models. Biometrika73, 13–22.
Mccullagh, P. Und Nelder, J. A. (1989): Generalized linear models. Second Edition. London: Chapman and Hall.
Payne, C. D.(1986): The GLIM Manual, Release 3. 77 Oxford: NAG.
Wedderburn, R. W. M. (1974): Quasi-likelihood functions, generalized linear models, and the Gauss-Newton method. Biometrika61, 439–447.
Wedderburn, R. W. M.(1976): On the existence and uniqueness of the maximum likelihood estimates for certain generalized linear models. Biometrika63, 27–32.
Williams, D. A. (1982): Extra-binomial variation in logistic linear models. Appl. Statist. 31, 144–148.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Hatzinger, R. (1991). Quasi-Likelihood Methoden zur Analyse von unabhängigen und abhängigen Beobachtungen. In: Seeber, G.U.H., Minder, C.E. (eds) Multivariate Modelle. Medizinische Informatik, Biometrie und Epidemiologie, vol 74. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-95669-0_3
Download citation
DOI: https://doi.org/10.1007/978-3-642-95669-0_3
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54511-8
Online ISBN: 978-3-642-95669-0
eBook Packages: Springer Book Archive