Software

Auf diese Seite geben wir Hinweise zu Software, die die Umsetzung der im Buch beschriebenen Methodik erlaubt. Dabei soll keinesfalls ein Anspruch auf Vollständigkeit erhoben werden, die Auswahl und Ausführlichkeit ist vielmehr an unserer eigenen Erfahrung mit den unterschiedlichen Programmen orientiert. Sollten Sie zu einzelnen Punkten Verbesserungswünsche oder zusätzliche Hinweise haben, teilen Sie uns diese bitte per Mail mit.

BayesX

• BayesX ist eine spezialisierte Software, die verschiedene Routinen zur Schätzung strukturiert additiver Regressionmodelle bereitstellt. Unterstützt werden sowohl die voll-bayesianische Schätzung basierend auf MCMC-Verfahren (bayesreg objects) als auch die penalisierte ML- bzw. empirische Bayes-Schätzung basierend auf Methodik für gemischte Modelle (remlreg objects). Als Spezialfälle der strukturiert additiven Modelle sind auch Modelle mit zufälligen Effekten, generalisierte additive Modelle, generalisierte additive gemischte Modelle und geoadditive Modelle mit abgedeckt. Neben Modellen für Zielvariablen aus univariaten Exponentialfamilien erlaubt BayesX auch die Schätzung strukturiert additiver Regressionsmodelle für kategoriale Zielvariablen, Überlebenszeiten und Mehrzustands-Modelle.
• Homepage: BayesX

R

• R ist eine kostenlos für alle üblichen Betriebssyteme erhätliche statistische Software, die umfangreiche statistische Methoden, eine Programmierumgebung und Möglichkeiten zur flexiblen Grafikerstellung verbindet. Eine Vielzahl statistischer Verfahren wird in Form von R-Paketen durch die Benutzer bereitgestellt, so dass die Funktionalität von R ständig erweitert wird und moderne Entwicklungen häufig schneller als in kommerziellen Programmpaketen verfügbar sind.
• Parametrische Regressionsmodelle werden in R in den Funktionen lm (Lineare Modelle) und glm (Generalisierte lineare Modelle) bereitgestellt, die Teil der Basis-Distribution von R sind. Kategoriale Regressionsmodelle sind im Paket VGAM erhältlich. Lineare gemischte Modelle sind Teil des (Standard-) Pakets nlme, generalisierte lineare gemischte Modelle sind noch weniger entwickelt. Bayesianische Varianten finden sich im Paket GLMMGibbs, ML-basierte Methoden findet man unter anderem in glmmML oder der Funktion glmmPQL des MASS-Pakets. Die am weitesten fortgeschrittene Implementation nichtparametrischer Regressionsmodelle findet man in der Funktion gam des mgcv-Pakets. Hier existiert auch eine Erweiterung namens gamm, die den Einbezug zufälliger Effekte ermöglicht.
• Um R-Funktionen zur Lösung spezieller Probleme zu finden, bietet sich die Suche auf der R-Homepage an.
• Neben der allgemeinen Suche werden auch sogenannte Task Views zu speziellen statistischen Themen angeboten, unter denen Hinweise zu relevanten R-Paketen gegeben werden. Hierunter befinden sich beispielsweise Task Views zur Räumlichen Statistik oder zu Bayesianischen Verfahren.
• Homepage: http://www.r-project.org

SAS

• SAS ist eine kommerzielle statistische Software, die insbesondere im Bereich medizinischer Anwendungen aber auch in Banken und Versicherungen verbreitet ist.
• Lineare Modelle werden in den Prozeduren ANOVA, REG und GLM zur Verfügung gestellt. Dabei ist zu beachten, dass in SAS unter einem GLM ein allgemeines lineares Modell verstanden wird und kein generalisiertes lineares Modell. Letztere sind in der Prozedur GENMOD umgesetzt. Gemischte Modelle sind in den Prozeduren MIXED (lineare gemischte Modelle) und GLIMMIX (generalisierte lineare gemischte Modelle) verfügbar. Generalisierte lineare Modelle werden in der GAM-Prozedur unterstützt.
• Homepage: http://www.sas.com

SPSS

• SPSS findet insbesondere im Bereich der Sozialwissenschaften Verwendung. Die Benutzung erfolgt weitgehend menü-gesteuert und ist damit intuitiv, andererseits aber auch relativ limitiert. SPSS unterstützt die Schätzung linearer und generalisierter linearer Modelle, besitzt aber nur sehr eingeschränkte oder gar keine Funktionalität für kategoriale oder semiparametrische Regressionsmodelle. Die Schätzung linearer gemischter Modelle ist möglich, Erweiterungen für generalisierte lineare gemischte Modelle sind dagegen nicht erhältlich.
• Homepage: http://www.spss.com

Stata

• Stata ist besonders im Bereich der Wirtschaftwissenschaften verbreitet.
• Stata bietet effiziente Implementationen für lineare und generalisierte lineare Modelle in den Funktionen regress und glm. Erweiterungen für kategoriale Zielvariablen sind in einer Reihe von Funktionen umgesetzt, beispielsweise ologit, clogit und mlogit für ordinale, kumulative und multinomiale Logit-Modelle und analogen Befehlen für Probit-Modelle. Mit den Buchstaben xt beginnende Befehle erlauben die Analyse von Longitudinaldaten und insbesondere die Schätzung von gemischten Modellen. Beispiele sind xtmixed (lineare gemischte Modelle), xtlogit (Logit-Modelle mit zufälligen Effekten) oder xtprobit (Probit-Modelle mit zufälligen Effekten). Gemischte Modelle mit mehreren Gruppierungsebenen und eine Reihe weiterer Erweiterungen sind in den von Sophia Rabe-Hesketh, Anders Skrondal und Andrew Pickles zur Verfügung gestellten gllamm-Funktionen implementiert. Ein Modul zur Schätzung generalisierter additiver Modelle ist von Patrick Royston und Gareth Ambler erhältlich.
• Homepage: http://www.stata.com

WinBUGS

• WinBUGS stellt eine flexible Möglichkeit zur Spezifikation Bayesianischer statistischer Modelle und ihrer Schätzung basierend auf MCMC-Verfahren dar. Die Struktur eines Modells wird als grafisches Modell festgelegt, das die Abhängigkeiten und Verteilungsannahmen spezifziert. Die Schätzung erfolgt dann automatisiert, so dass der Benutzer nur geringe Kenntnisse zur konkreten Umsetzung von MCMC-Verfahren benötigt. Die Schätzung Bayesianische linearer und generalisierter lineare Modelle sowie kategorialer Modelle und gemischter Modelle ist möglich. Die Umsetzung semiparametrischer Erweiterungen ist prinzipiell denkbar, aber im Detail deutlich aufwändiger. Darüberhinaus ergeben sich durch die flexible Modellspezifikation im Vergleich zu spezialisierterer Software teilweise deutlich längere Laufzeiten und unter Umständen auch ein ungünstigeres Verhalten der erzeugten Markov-Ketten.
• Homepage: http://www.mrc-bsu.cam.ac.uk/bugs/winbugs/contents.shtml