Zusammenfassung
Ziel der Modellbildung ist es, den Zusammenhang zwischen mindestens zwei Zufallsvariablen zu modellieren und Schätzungen der Modellparameter unter Berücksichtigung einer Zufallskomponente zu gewinnen. Das achte Kapitel gibt eine detaillierte Einführung am Beispiel der (multiplen) linearen Regression. Besonderes wird auf das Problem der Kollinearität, der Heteroskedastizität und auf den Einfluss extremer Beobachtungen hingewiesen. Darauf aufbauend werden Modellansätze zur verallgemeinerten linearen Regression, insbesondere die logistische Regression für dichotome Zielgrößen und die Poisson-Regression am Beispiel von Raten und für dreidimensionale Kontingenztafeln vorgestellt. Auch die Modellbildung für Clusterdaten und Verlaufsdaten (Messwiederholungen) durch gemischt lineare Modelle oder verallgemeinerte Schätzgleichungen wird an Beispielen gezeigt. Ausführlich wird die Analyse von Überlebenszeiten behandelt. Neben der univariaten Beschreibung (Kaplan-Meier Verfahren) und vergleichenden Bewertung von Ereigniszeiten mit der Logrank-Statistik, werden für die Modellbildung parametrische Regressionsansätze und das Cox-Regressionsmodell mit Anwendungsbeispielen vorgestellt.
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
© 2018 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Hedderich, J., Sachs, L. (2018). Statistische Modellbildung. In: Angewandte Statistik. Springer Spektrum, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-56657-2_8
Download citation
DOI: https://doi.org/10.1007/978-3-662-56657-2_8
Published:
Publisher Name: Springer Spektrum, Berlin, Heidelberg
Print ISBN: 978-3-662-56656-5
Online ISBN: 978-3-662-56657-2
eBook Packages: Life Science and Basic Disciplines (German Language)