Es existiert die Sage dass eine weise Frau einst sagte:
"Das lineare Modell ist die Grundlage aller Regressionsmodelle, unser Fundament, auf das wir vertrauen, aufbauen, immer wieder zurückkommen wenn der Wind der nicht-normalverteilten Zielvariablen uns zu stark um die Nase weht."
Dem möchten wir wenig hinzufügen (außer vielleicht mehr Details über die Inhalte der Vorlesung/Übung, sowie Infos über Ort, Zeit und Klausur).
Zeit & Ort
Vorlesung (wöchentl.): Di., 10:15 bis 11:45 Uhr, Blauer Turm 8.163, 1. Termin: 9. April 2013.
Übung (wöchentl.): Do., 14:00 bis 15:30 Uhr, Blauer Turm 5.111, 1. Termin: 11. April 2013.
Inhalte
- Einfaches lineares Regressionsmodell: Eigenschaften des KQ-Schätzers, Quadratsummenzerlegung.
- Multiples lineares Regressionsmodell: Darstellung, Modellannahmen, Inferenz.
- Modelle mit diskreten Einflussgrößen: Dummy- und Effektkodierung, Interaktion diskreter Einflussgrößen, Interaktion diskreter und stetiger Einflussgrößen (Effektmodifikation).
- Behandlung metrischer Einflussgrößen: Transformationen, Polynome, stückweise lineare Effekte, Splines.
- Probleme bei der Regression und deren Diagnose: Residuenanalyse, Leverage, Kollinearität.
- Modellwahl: Maße für die Modellgüte, Variablenselektionsverfahren.
- Logistisches Regressionsmodell: Darstellung, Modellannahmen, Inferenz.
- Gemischtes lineares Regressionsmodell: Darstellung, Modellannahmen, Inferenz.
Beschreibung
Regressions-Modelle sind das zentrale Konzept der modernen Statistik und in vielen empirischen Fragestellungen das Mittel der Wahl, um Daten in Wissen zu transformieren. Innerhalb dieser Lehrveranstaltung soll das lineare Regressions-Modell motiviert, veranschaulicht und in verschiedene Fragestellungen/Datensituationen eingebettet werden, um ein stabiles Fundament dieses faszinierend(st)en Bereichs innerhalb der Statistik zu erstellen.