Generalisierte lineare Modelle

Auszug

Lineare Modelle eignen sich besonders für Regressionsanalysen, bei denen die Zielvariable stetig ist und — möglicherweise nach einer geeigneten Transformation — zumindest approximativ durch eine Normalverteilung modelliert werden kann. Zusätzlich muss sich der Erwartungswert der Zielvariablen durch eine Linearkombination von — möglicherweise ebenfalls transformierten — Kovariablen darstellen lassen. In vielen Anwendungen ist die Zielvariable jedoch nicht stetig, sondern binär bzw. kategorial oder eine Zählvariable. Beispiele sind:

• Einspruch gegen einen Patentantrag (ja/nein), vgl. Abschnitt 2.3 (Seite 30),

• Kunde kreditwürdig (ja/nein),

• Tumor gut- oder bösartig,

• Person ist arbeitslos, teilzeitbeschäftigt oder vollbeschäftigt,

• Baum ist sehr stark, stark, mittel, schwach, nicht geschädigt,

• Anzahl von Krankheitsfällen, Schadensfällen oder problematischen Krediten in bestimmten Zeitperioden.