Zusammenfassung
In Kapitel 2 haben wir einen frequentistischen Ansatz zur Inferenz eines generalisierten additiven Modells kennengelernt. Das folgende Kapitel behandelt die Schätzung generalisierter additiver Modelle bzw. allgemeiner Modelle mit strukturiert-additivem Prädiktor aus Bayesianischer Sicht. Einige der Verfahren aus Kapitel 2 lassen sich Bayesianisch motivieren, insbesondere P-Splines und Markov-Zufallsfelder, die wir im Folgenden näher beschreiben. Eine vollständige Bayes-Schätzung bedarf der Hilfe moderner computerintensiver MCMC-Verfahren, insbesondere im Falle einer nicht-gausschen Response. Die grundlegende Idee ist es dabei, die schon aus Kapitel 1 und 2 bekannte iterativ gewichtete KQ-Schätzung bzw. das Fisher-Scoring mit dem Metropolis-Hastings-Algorithmus zu verknüpfen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Säfken, B. (2015). Strukturiert-additive Regression: Ein Bayesianischer Ansatz. In: Semiparametrische Regressionsmodelle in der Versorgungsplanung. BestMasters. Springer Spektrum, Wiesbaden. https://doi.org/10.1007/978-3-658-08786-9_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-08786-9_3
Publisher Name: Springer Spektrum, Wiesbaden
Print ISBN: 978-3-658-08785-2
Online ISBN: 978-3-658-08786-9
eBook Packages: Life Science and Basic Disciplines (German Language)