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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2007 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
(2007). Generalisierte lineare Modelle. In: Regression. Statistik und ihre Anwendungen. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-33933-5_4
Download citation
DOI: https://doi.org/10.1007/978-3-540-33933-5_4
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-33932-8
Online ISBN: 978-3-540-33933-5
eBook Packages: Life Science and Basic Disciplines (German Language)