Inhaltsangabe1. Einleitung.- 2. Beziehungen zwischen zwei Variablen.- 2.1 Einleitung-Beispiele.- 2.2 Darstellung der Verteilung zweidimensionaler Merkmale.- 2.2.1 Kontingenztafeln bei diskreten Merkmalen.- 2.2.2 Grafische Darstellung bei diskreten Merkmalen.- 2.2.3 Maßzahlen zur Beschreibung der Verteilung beistetigen und gemischt stetig-diskreten Merkmalen.- 2.2.4 Grafische Darstellung der Verteilung stetigerbzw. gemischt stetig-diskreter Merkmale.- 2.3 Maßzahlen für den Zusammenhang zweier nominaler Merkmale.- 2.3.1 Pearsons x2-Statistik.- 2.3.2 Der Odds-Ratio.- 2.4 Rangkorrelationskoeffizient von Spearman.- 2.5 Zusammenhang zwischen zwei stetigen Merkmalen.- 3. Deskriptive univariate lineare Regression.- 3.1 Einleitung.- 3.2 Plots und Hypothesen.- 3.3 Prinzip der kleinsten Quadrate.- 3.3.1 Bestimmung der Schätzungen.- 3.3.2 Herleitung der Kleinste-Quadrate-Schätzungen.- 3.3.3 Eigenschaften der Regressionsgeraden.- 3.4 Güte der Anpassung.- 3.4.1 Varianzanalyse.- 3.4.2 Korrelation.- 3.5 Residualanalyse.- 3.6 Lineare Transformation der Originaldaten.- 3.7 Multiple lineare Regression und nichtlineare Regression.- 3.8 Polynomiale Regression.- 3.9 Lineare Regression mit kategorialen Regressoren.- 3.10 Spezielle nichtlineare Modelle.- 3.10.1 Wachstumskurven.- 3.10.2 Zeit als Regressor.- 3.11 Zeitreihen.- 3.11.1 Einleitung.- 3.11.2 Kurvendiagramme.- 3.11.3 Zerlegung von Zeitreihen.- 3.11.4 Fehlende Werte, äquidistante Zeitpunkte.- 3.11.5 Gleitende Durchschnitte.- 3.11.6 Saisonale Komponente, konstante Saisonfigur.- 3.11.7 Modell für den linearen Trend.- 4. Das klassische multiple lineare Regressionsmodell.- 4.1 Deskriptive multiple lineare Regression.- 4.2 Prinzip der kleinsten Quadrate.- 4.3 Geometrische Eigenschaften der Kleinste-Quadrat-Schätzung.- 4.4 Beste lineare erwartungstreue Schätzung.- 4.4.1 Lineare Schätzer.- 4.4.2 Mean-Square-Error.- 4.4.3 Beste lineare erwartungstreue Schätzung.- 4.4.4 Schätzung von v2.- 4.5 Multikollinearität.- 4.5.1 Extreme Multikollinearität und Schätzbarkeit.- 4.5.2 Schwache Multikollinearität.- 4.5.3 Identifikation und Quantifizierung vonMultikollinearität.- 4.6 Ökonometrische Gleichungen vom Regressionstyp.- 4.6.1 Stochastische Regressoren.- 4.6.2 Instrumental-Variablen Schätzer (IVS).- 4.6.3 Scheinbar unverbundene Regressionen.- 4.7 Klassische Normalregression.- 4.8 Prüfen von linearen Hypothesen.- 4.9 Varianzanalyse und Güte der Anpassung.- 4.9.1 Univariate Regression.- 4.9.2 Univariate Regression mit einer Dummyvariablen.- 4.9.3 Multiple Regression.- 4.9.4 Ein komplexes Beispiel.- 4.9.5 Grafische Darstellung.- 4.10 Tests auf Parameterkonstanz.- 4.10.1 Der Prognosetest von Chow.- 4.10.2 Der Test von Hansen.- 4.10.3 Tests mit rekursiver Schätzung.- 4.10.4 Tests mit Prognosefehlern.- 4.10.5 CUSUM und CUSUMSQ-Tests.- 4.10.6 Tests auf Strukturwechsel.- 4.11 Die kanonische Form.- 4.12 Methoden zur Überwindung von Multikollinearität.- 4.12.1 Hauptkomponenten-Regression.- 4.12.2 Ridge-Schätzung.- 4.12.3 Shrinkage-Schätzer.- 4.13 Minimax-Schätzung.- 4.13.1 Ungleichungsrestriktionen.- 4.13.2 Das Minimaxprinzip.- 5. Modelle der Varianzanalyse.- 5.1 Varianzanalyse als spezielles lineares Modell.- 5.2 Einfaktorielle Varianzanalyse.- 5.2.1 Darstellung als restriktives Modell.- 5.2.2 Zerlegung der Fehlerquadratsumme.- 5.2.3 Schätzung von a2 durch MO Resiaual.- 5.3 Vergleich von einzelnen Mittelwerten.- 5.3.1 Lineare Kontraste.- 5.3.2 Kontraste in den totalen (summierten)Responsewerten im balanzierten Fall.- 5.4 Multiple Vergleiche.- 5.4.1 Einleitung.- 5.4.2 Experimentweise Vergleiche.- 5.4.3 Vergleichsbezogene Prozeduren.- 5.5 Rangvarianzanalyse im vollständig randomisiertenVersuchsplan.- 5.5.1 Kruskal-Wallis-Test.- 5.5.2 Multiple Vergleiche.- 5.6 Zwei- und Mehrfaktorielle Varianzanalyse.- 5.7 Zweifaktorielle Experimente mit Wechselwirkung (Modell mitfesten Effekten).- 5.8 Zweifaktorielles Experiment in Effektkodierung.- 5.9 2k-faktorielles Experiment.- 5.9.1 Spezialfall: 22-Experiment.- 5.9.2 Das 23-Experiment.- 6. Exa

Einleitung.- Beziehungen zwischen zwei Variablen.- Deskriptive univariate lineare Regression.- Das klassische multiple lineare Regressionsmodell.- Modelle der Varianzanalyse.- Exakte und stochastische lineare Restriktionen.- Das verallgemeinerte lineare Regressionsmodell.- Vorhersage von y im verallgemeinerten Regressionsmodell.- Sensitivitätsanalyse.- Modelle für kategoriale Responsevariablen.- Regression bei unvollständigen Daten.- Matrixalgebra.

2. Auflage >

Hersteller:
Physica Verlag in Springer Science + Business Media
juergen.hartmann@springer.com
Tiergartenstr. 15-17
DE 69121 Heidelberg