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
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.