Veranstaltungsdetail

Lineare Regressionsverfahren gehören zu den wichtigsten Bausteinen statistischer Analysen. Ihr Erfolg beruht u.a. auf der einfachen Interpretierbarkeit der Ergebnisse, die wiederum auf die lineare Form der Regressionsfunktion zurückgeht. Ähnliches gilt auch für verallgemeinerte Regressionsverfahren wie Logits etc. Nun ist in vielen Fällen die Linearität der Regressionsfunktion unangemessen. Zudem interessiert man sich oft gerade für nicht-lineare Zusammenhänge zwischen Variablen. Dann kann man auf semiparametrische Regressionsverfahren zurückgreifen, die in den letzten 30 Jahren entwickelt wurden.

In diesem Seminar werden zunächst die wichtigsten Bausteine semiparametrischer Modelle vorgestellt: Glätter in Streudiagrammen und Splines. Dann werden verallgemeinerte additive Regressionsverfahren eingeführt und deren Anwendungen am Rechner ausprobiert.

Voraussetzung für Studiennachweis:

Übungen am Rechner (Studiennachweis) bzw. Bearbeitung von Übungsaufgaben