Titlebook: Regression; Modelle, Methoden un Ludwig Fahrmeir,Thomas Kneib,Stefan Lang Textbook 2009Latest edition Springer-Verlag Berlin Heidelberg 200

得體

https://doi.org/10.1007/978-3-642-01837-4Generalisierte Lineare Modelle; Regression; Statistik; Wahrscheinlichkeit; Wahrscheinlichkeitsrechnung; i

即席演說

2627-5317 n.In dieser Einführung werden erstmals klassische Regressionsans?tze und moderne nicht- und semiparametrische Methoden in einer integrierten, einheitlichen und anwendungsorientierten Form beschrieben. Die Darstellung wendet sich an Studierende der Statistik in Wahl- und Hauptfach sowie an empirisch-

結(jié)合

Regressionsmodelle, …, .. beschrieben werden. Dabei werden die Zielvariable auch als . und die Kovariablen als . oder . bezeichnet. Die behandelten Modelle unterscheiden sich im Wesentlichen durch unterschiedliche Typen von Zielvariablen (stetig, bin?r, kategorial oder Z?hlvariablen) und verschiedene Arten von Kovaria

ureter

radiograph

上腭

Gemischte Modelle,islang betrachteten festen Effekten auch zuf?llige Effekte oder Koeffizienten ein. Man spricht deshalb auch von Modellen mit zuf?lligen Effekten (random effects models). Ein wichtiger Anwendungsbereich dieser Modelle ist die Analyse von Longitudinaldaten, die sich durch zeitlich wiederholte Beobacht

anthropologist

ingestion

Strukturiert-additive Regression,lvariable . ohne Vorgabe einer restriktiven funktionalen Form des Effekts .(.) flexibel modellieren und sch?tzen l?sst, und wie man die Konzepte für zwei metrische Kovariablen (.., ..) oder eine geografisch-r?umliche Lokationsvariable . erweitern kann. Wie wir in Kapitel 3 und vielen Beispielen, etw

交響樂

可互換

Strukturiert-additive Regression,a zum Mietspiegel, zur Unterern?hrung in Afrika, zum Kredit-Scoring und zur Patenterteilung gesehen haben, liegt in Anwendungen h?ufig folgende Situation vor: Für einen Teil der Kovariablen l?sst sich der Einfluss auf die Zielvariable ad?quat durch einen linearen Pr?diktor beschreiben.