107.425 Verallgemeinerte lineare Regressionsmodelle
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2013S, VU, 3.0h, 4.5EC

Merkmale

  • Semesterwochenstunden: 3.0
  • ECTS: 4.5
  • Typ: VU Vorlesung mit Übung

Ziele der Lehrveranstaltung

Praxisnahe Vermittlung von Grundkenntnissen der Modellierung von regressionsanalytischen Fragestellungen. Verbindung zwischen theoretischem Wissen und der praktischen Umsetzung mittels statistischer Analysesoftware R. Anwendung von Modellen der Regressionsanalyse auf reale Datensätze.

Inhalt der Lehrveranstaltung

Lineare Regression

Einfachregression:Lineare Regression: Einfachregression Grundbegriffe, Modell, Prinzip der Kleinsten Quadrate,Konfidenzintervalle für Parameter und der Schätzwerte, Tests der Parameter, Bestimmtheitsmaß, Test der Parameter, Kovarianz, Korrelation. Kovarianz, Korrelation, Varianzzerlegung, Bestimmtheitsmaß, F-Test, Tests über die Parameter. Praktische Übungen mit R

Multiples Regressionsmodell: Matrixnotation, Kl. Quadrate Schätzer, Geometrische Interpretation, Hypothesentests im multiplen Regressionsmodell, Konfidenzintervalle. Praktische Übungen mit R Regression Diagnostics: Graphiken, Influential Data Points, Leverage Points, Heteroskedastizität, Autokorrelation, Variablenselektion, Datentransformationen, Regression mit Indikatorvariablen: Kontraste, Stepwise Regression, Ausblick auf fortgeschrittene Techniken der Regression. Praxisbeispiele mit R

Varianzanalyse: Einfach-/Zweifach-Modelle. Praxisbeispiele mit R

Theorie Verallgemeinerte Lineare Modelle

Logistische Regression: Das Grundmodell der logistischen Regression mit einer Variablen; Parameterschätzung, Interpretation, Tests und Konfidenzintervalle. Praktische Übungen mit R Multiple Logistische Regression; Parameterschätzung, Interpretation, Tests und Konfidenzintervalle. Praktische Übungen mit R Datenanalytische Aspekte der Logistischen Regression (Variablenselektion, Goodness-of-Fit). Praxisbeispiele mit R Einführung in das Log-lineare Modell Analyse von zwei- und dreifachen Kontingenztafeln, Zusammenhang zwischen log-linearem Modell und logistischer Regression Praktische Übungen mit R

Weitere Informationen


Vortragende

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Do.11:00 - 12:0007.03.2013 Gold. Lamm: BibliothekVorbesprechung

Leistungsnachweis

Mündliches Gespräch über den Vorlesungsstoff inklusive Präsentation der von den Teilnehmern selbst ausgearbeiteten Übungsbeispielen

Termine: Nach persönlicher Vereinbarung

LVA-Anmeldung

Von Bis Abmeldung bis
19.02.2013 00:00

Curricula

StudienkennzahlSemesterAnm.Bed.Info
033 531 Data Engineering & Statistics 3. Semester

Literatur

Handouts werden zur Verfügung gestellt.

Tutz, G. (2012): Regression for Categorical Data. Cambridge.

Dobson, A.J., Barnett, A.G.. (2008): An Introduction to Generalized Linear Models. CRC Press.

Madsen, H., Thyregod, P. (2011): Introduction to General and Generalized Linear Models. CRC Press.

Fox, J. (2002). An R and S-PLUS Companion to Applied Regression. Sage Publications.

Vorausgehende Lehrveranstaltungen

Vertiefende Lehrveranstaltungen

Weitere Informationen

  • Anwesenheitspflicht!

Sprache

Deutsch