Regression: Modelle, Methoden und Anwendungen ; mit 51 Tabellen
Gespeichert in:
| Hauptverfasser: | , , |
|---|---|
| Format: | Buch |
| Sprache: | German |
| Veröffentlicht: |
Berlin [u.a.]
Springer
2007
|
| Schriftenreihe: | Statistik und ihre Anwendungen
|
| Schlagworte: | |
| Online-Zugang: | Inhaltstext Inhaltsverzeichnis Klappentext |
| Beschreibung: | XIV, 501 S. graph. Darst., Kt. |
| ISBN: | 3540339329 9783540339328 |
Internformat
MARC
| LEADER | 00000nam a2200000 c 4500 | ||
|---|---|---|---|
| 001 | BV021602276 | ||
| 003 | DE-604 | ||
| 005 | 20080429 | ||
| 007 | t | ||
| 008 | 060531s2007 gw bd|| |||| 00||| ger d | ||
| 015 | |a 06,N19,0111 |2 dnb | ||
| 016 | 7 | |a 979366526 |2 DE-101 | |
| 020 | |a 3540339329 |c Pb. : ca. EUR 32.95, ca. sfr 56.50 |9 3-540-33932-9 | ||
| 020 | |a 9783540339328 |9 978-3-540-33932-8 | ||
| 024 | 3 | |a 9783540339328 | |
| 028 | 5 | 2 | |a 11749318 |
| 035 | |a (OCoLC)180908931 | ||
| 035 | |a (DE-599)BVBBV021602276 | ||
| 040 | |a DE-604 |b ger |e rakddb | ||
| 041 | 0 | |a ger | |
| 044 | |a gw |c XA-DE-BE | ||
| 049 | |a DE-739 |a DE-706 |a DE-19 |a DE-20 |a DE-29 |a DE-355 |a DE-703 |a DE-91G |a DE-91 |a DE-473 |a DE-M347 |a DE-1028 |a DE-521 |a DE-945 |a DE-83 |a DE-11 |a DE-188 |a DE-578 |a DE-Grf2 | ||
| 082 | 0 | |a 519.536 |2 22/ger | |
| 084 | |a QH 234 |0 (DE-625)141549: |2 rvk | ||
| 084 | |a SK 840 |0 (DE-625)143261: |2 rvk | ||
| 084 | |a 510 |2 sdnb | ||
| 084 | |a MAT 628f |2 stub | ||
| 084 | |a 310 |2 sdnb | ||
| 100 | 1 | |a Fahrmeir, Ludwig |d 1945- |e Verfasser |0 (DE-588)120635682 |4 aut | |
| 245 | 1 | 0 | |a Regression |b Modelle, Methoden und Anwendungen ; mit 51 Tabellen |c Ludwig Fahrmeir ; Thomas Kneib ; Stefan Lang |
| 264 | 1 | |a Berlin [u.a.] |b Springer |c 2007 | |
| 300 | |a XIV, 501 S. |b graph. Darst., Kt. | ||
| 336 | |b txt |2 rdacontent | ||
| 337 | |b n |2 rdamedia | ||
| 338 | |b nc |2 rdacarrier | ||
| 490 | 0 | |a Statistik und ihre Anwendungen | |
| 650 | 0 | 7 | |a Regressionsanalyse |0 (DE-588)4129903-6 |2 gnd |9 rswk-swf |
| 689 | 0 | 0 | |a Regressionsanalyse |0 (DE-588)4129903-6 |D s |
| 689 | 0 | |5 DE-604 | |
| 700 | 1 | |a Kneib, Thomas |d 1976- |e Verfasser |0 (DE-588)131555332 |4 aut | |
| 700 | 1 | |a Lang, Stefan |d 1970- |e Verfasser |0 (DE-588)123447496 |4 aut | |
| 856 | 4 | 2 | |q text/html |u http://deposit.dnb.de/cgi-bin/dokserv?id=2795646&prov=M&dok_var=1&dok_ext=htm |3 Inhaltstext |
| 856 | 4 | 2 | |m Digitalisierung UB Passau |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA |3 Inhaltsverzeichnis |
| 856 | 4 | 2 | |m Digitalisierung UB Passau |q application/pdf |u http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA |3 Klappentext |
| 999 | |a oai:aleph.bib-bvb.de:BVB01-014817596 | ||
Datensatz im Suchindex
| _version_ | 1804135385221038080 |
|---|---|
| adam_text | Inhaltsverzeichnis
1 Einführung......................................................... 1
1.1 Anwendungsbeispiele.............................................. 4
1.2 Erste Schritte.................................................... 11
1.2.1 Beschreibung der Verteilung der Variablen..................... 11
1.2.2 Grafische Zusammenhangsanalyse............................ 13
Stetige erklärende Variablen................................. 13
Kategóriáié
2 Regressionsmodelle................................................. 19
2.1 Einführung...................................................... 19
2.2 Lineare Regressionsmodelle........................................ 20
2.2.1 Das einfache lineare Regressionsmodell........................ 20
2.2.2 Das multiple lineare Regressionsmodell........................ 24
2.3 Regression bei binären Ziel variablen: Das Logit-Modell................ 30
2.4 Gemischte Modelle ............................................... 35
2.5 Einfache nichtparametrische Regression ............................. 40
2.6 Additive Regression............................................... 44
2.7 Generalisierte additive Regression.................................. 47
2.8 Geoadditive Regression............................................ 49
2.9 Modelle im Überblick............................................. 55
2.9.1 Lineare Modelle (LM, Kapitel 3)............................. 55
2.9.2 Logit-Modell (Kapitel 4) .................................... 56
2.9.3 Poisson-Regression (Kapitel 4)............................... 56
2.9.4 Generalisierte lineare Modelle (GLM, Kapitel 4, 5) ............. 56
2.9.5 Lineare gemischte Modelle (LMM, Kapitel 6) .................. 56
2.9.6 Additive Modelle und Erweiterungen (AM, Kapitel 7, 8) ........ 57
2.9.7 Generalisierte additive (gemischte) Modelle
2.9.8 Strukturiert-additive Regression (STAR, Kapitel 8)............. 58
3 Lineare Regressionsmodelle ........................................ 59
3.1 Das klassische lineare Modell....................................... 59
3.1.1 Modelldefinition............................................ 59
3.1.2 Modellparameter, Schätzungen und Residuen.................. 63
3.1.3 Diskussion der Modellannahmen ............................. 64
Linearität des Einflusses der Kovariablen...................... 64
Homoskedastische Varianz der Störgrößen..................... 64
Unkorreliertheit
Additivität der Störgrößen................................... 70
3.1.4 Modellierung des Einflusses der Kovariablen................... 72
Metrische Kovariablen...................................... 72
Kategóriáié
Interaktionen zwischen Kovariablen........................... 83
3.2 Parameterschätzungen............................................ 90
3.2.1 Schätzung der Regressionskoeffizienten........................ 90
Die Methode der kleinsten Quadrate.......................... 90
Maximum-Likelihood-Schätzung.............................. 92
Geschätzte Werte und Residuen.............................. 93
3.2.2 Schätzung der Varianz der Störgrößen......................... 94
Maximum-Likelihood-Schätzung.............................. 94
Restringierte Maximum-Likelihood-Schätzung.................. 94
3.2.3 Eigenschaften der Schätzungen............................... 95
Geometrische Eigenschaften des KQ-Schätzers ................. 95
Streuungszerlegung und Bestimmtheitsmaß.................... 98
Statistische Eigenschaften ohne spezielle Verteilungsannahmen ... 101
Statistische Eigenschaften bei Normalverteilungsannahme ....... 103
Asymptotische Eigenschaften des KQ-Schätzers................ 105
Statistische Eigenschaften der Residuen....................... 107
Standardisierte und studentisierte Residuen.................... 108
3.3 Hypothesentests und Konfidenzintervalle............................ 111
3.3.1 F-Test.................................................... 113
Zusammenhang mit dem Wald-Test........................... 115
F-Test für einige spezielle Testprobleme....................... 115
Asymptotische Eigenschaften des F-Tests...................... 119
3.3.2 Konfidenzbereiche und Prognoseintervalle..................... 119
Konfidenzintervalle und
Prognoseintervalle.......................................... 121
3.4 Das allgemeine lineare Regressionsmodell............................ 124
3.4.1 Modelldefinition............................................ 124
3.4.2 Gewichtete Methode der kleinsten Quadrate................... 125
Gruppierte Daten.......................................... 127
3.4.3 Heteroskedastische Fehler ................................... 128
Diagnose heteroskedastischer Fehler........................... 129
Maßnahmen bei Heteroskedastizität .......................... 132
3.4.4 Autokorrelierte Fehler....................................... 136
Autokorrelation erster Ordnung.............................. 137
Diagnose autokorrelierter Störungen.......................... 139
Maßnahmen bei Autokorrelation erster Ordnung............... 142
3.5
3.5.1 Priori-Verteilungen......................................... 147
3.5.2 Vollständig bedingte Dichten und MCMC-Inferenz.............. 149
3.5.3 Posteriori-Verteilung........................................ 152
3.6 Modellwahl und Variablenselektion................................. 152
3.6.1 Auswirkung der Modellspezifikation auf
Prognosegüte.............................................. 156
Auswirkung der Modellspezifikation auf
KQ-Schätzers ...................................... 156
Auswirkung der Modellspezifikation auf die Prognosegüte........ 157
3.6.2 Modellwahlkriterien___.................................... 159
Das korrigierte Bestimmtheitsmaß............................ 160
Mallow s
Informationskriterium nach
Kreuzvalidierung........................................... 162
Bayesianisches Informationskriterium
3.6.3 Praktische Verwendung der Modellwahlkriterien................ 163
3.6.4 Modelldiagnose............................................ 167
Überprüfen der Modellannahmen............................. 168
Kollinearitätsanalyse........................................ 170
Ausreißer- und Einflussanalyse............................... 173
Alternative Modellierungsansätze nach Modelldiagnose.......... 179
3.7 Bemerkungen und Ergänzungen.................................... 180
3.7.1 Literaturhinweise........................................... 180
3.7.2 Beweise................................................... 181
4 Generalisierte lineare Modelle...................................... 189
4.1 Binäre Regression................................................ 189
4.1.1 Binäre Regressionsmodelle................................... 189
Logit-Modell............................................... 190
Probit-Modell.............................................. 191
Komplementäres log-log-Modell.............................. 191
Binäre Modelle als Schwellenwertmodelle latenter linearer Modelle 193
Parameterinterpretation..................................... 194
Gruppierte Daten.......................................... 195
Überdispersion
4.1.2 Maximum-Likelihood-Schätzung.............................. 198
Vergleich mit der ML- bzw. KQ-Schätzung im linearen
Regressionsmodell .................................. 201
Iterative numerische Berechnung des ML-Schätzers............. 202
Asymptotische Eigenschaften des ML-Schätzers................ 203
4.1.3 Testen linearer Hypothesen.................................. 204
4.1.4 Kriterien zur Modellanpassung und Modellwahl................ 205
4.2 Regression für Zähldaten.......................................... 210
4.2.1 Modelle für Zähldaten ...................................... 210
Log-lineares Poisson-Modell.................................. 210
Lineares Poisson-Modell..................................... 210
Überdispersion............................................. 210
4.2.2 Schätzen und Testen: Likelihood-Inferenz...................... 212
Maximum-Likelihood-Schätzung.............................. 212
Testen linearer Hypothesen.................................. 213
Kriterien zur Modellanpassung und Modellwahl................ 213
Schätzung des Überdispersions-Parameters.................... 213
4.3 Modelle für positive stetige Zielvariablen............................ 215
Gamma-Regression......................................... 217
Inverse
4.4 Generalisierte Lineare Modelle..................................... 217
4.4.1 Allgemeine Modelldefinition ................................. 217
4.4.2 Likelihood-Inferenz......................................... 220
Asymptotische Eigenschaften des ML-Schätzers................ 223
Schätzung des Skalierungs- oder Überdispersionsparameters...... 224
Testen linearer Hypothesen.................................. 224
Kriterien zur Modellanpassung und Modellwahl................ 225
4.5 Quasi-Likelihood-Modelle.......................................... 226
4.6 Bayesianische generalisierte lineare Modelle.......................... 228
4.7 Bemerkungen und Ergänzungen.................................... 233
5
5.1 Einführung...................................................... 235
Multinomialverteilung....................................... 236
Daten..................................................... 237
5.2 Modelle für ungeordnete Kategorien ................................ 238
Nominale Modelle und latente Nutzenmodelle.................. 241
5.3
Das kumulative oder Schwellenwert-Modell.................... 242
Das sequentielle Modell..................................... 245
5.4 Schätzen und Testen: Likelihood-Inferenz............................ 247
Numerische Bestimmung des ML-Schätzers.................... 249
Asymptotische Eigenschaften und Tests linearer Hypothesen..... 249
5.5 Bemerkungen und Ergänzungen.................................... 252
6 Gemischte Modelle................................................. 253
6.1 Lineare gemischte Modelle für
6.2 Das allgemeine lineare gemischte Modell............................. 259
6.3
6.3.1 Schätzung fixer und zufälliger Effekte bei bekannter
Kovarianzstruktur.......................................... 261
6.3.2 Schätzung der Kovarianzstruktur............................. 263
6.3.3 Schätzung fixer und zufälliger Effekte......................... 264
6.3.4 Hypothesentests............................................ 266
6.4 Likelihood-Inferenz für
6.5 Bayesianische gemischte lineare Modelle............................. 271
Posteriori-Verteilung bei bekannter Kovarianzstruktur........... 273
Empirische Bayes-Schätzung................................. 273
Volle Bayes-Schätzung...................................... 274
6.6 Generalisierte lineare gemischte Modelle............................. 278
6.6.1 Definition und Eigenschaften von GLMM...................... 278
GLMM für
GLMM in allgemeiner Form................................. 279
Kategóriáié
6.7
6.7.1 Penalisierte
6.7.2 Volle Bayes-Inferenz mit MCMC ............................. 287
6.8 Bemerkungen und Ergänzungen.................................... 289
Nichtparametrische Regression..................................... 291
7.1 Univariate Glättung.............................................. 292
7.1.1 Polynom-Splines ........................................... 293
Polynom-Splines und trunkierte Potenzen..................... 296
Einfiuss der Knoten auf die Schätzung........................ 301
B-Splines.................................................. 303
7.1.2 Penalisierte
P-Splines basierend auf der TP-Basis......................... 307
P-Splines basierend auf B-Splines............................. 309
Penalisierte KQ-Schätzung .................................. 311
Bayesianische P-Splines..................................... 316
7.1.3 Allgemeine Penalisierungsansätze............................. 320
7.1.4 Glättungssplines ........................................... 323
7.1.5
7.1.6 Kriging................................................... 327
Klassisches Kriging......................................... 327
Kriging als Glättungsverfahren für Zeitreihen.................. 330
Kriging als Glättungsverfahren der nichtparametrische Regression 331
7.1.7 Lokale Glättungsverfahren................................... 333
Nächste-Nachbarn-Schätzer.................................. 333
Lokal polynomiale Regression und
Loess
7.1.8 Allgemeine Streudiagramm-Glätter........................... 340
Lineare Glättungsverfahren.................................. 340
Konfidenzintervalle und -bänder.............................. 342
Äquivalente Freiheitsgrade (effektive Parameterzahl)............ 345
Schätzung der Fehlervarianz................................. 347
Bias-Varianz-Trade Off...................................... 348
7.1.9 Wahl des Glättungsparameters............................... 350
Glättungsparameterwahl basierend auf Optimalitätskriterien..... 350
Repräsentation von Penalisierungsansätzen als gemischte Modelle. 353
Bayesianische Glättungsparameterwahl basierend auf MCMC .... 357
7.1.10
Multivariate
Regressionsbäume.......................................... 361
Bayesianische
Bayesianische
7.2
7.2.1 Tensorprodukt-P-Splines.................................... 371
Tensorprodukt-Basen....................................... 371
2D-Penalisierшlgsansätze.................................... 375
7.2.2 Radiale Basisfunktionen..................................... 379
7.2.3 Kriging: Räumliche Glättung bei stetiger Lokationsvariable...... 381
Klassische Geostatistik...................................... 382
Kriging als Basisfunktionenansatz............................ 384
Schätzung von Kriging-Modellen............................. 385
7.2.4
Lokationsvariable........................................... 387
Nachbarschaften und penalisiertes KQ-Kriterium............... 387
Bayesianische Modellformulierung............................ 389
Räumlich autoregressive Prozesse............................. 393
7.2.5 Fazit...................................................... 393
7.2.6 Lokale und
7.3 Höherdimensionale Glättung....................................... 395
7.4 Bemerkungen und Ergänzungen.................................... 397
Strukturiert-additive Regression.................................... 399
8.1 Additive Modelle................................................. 399
8.2 Geoadditive Regression............................................ 404
8.3 Modelle mit Interaktionen......................................... 407
8.3.1 Modelle mit variierenden Koeffizienten........................ 408
8.3.2 Interaktion zwischen zwei metrischen Kovariablen.............. 410
8.4 Strukturiert-additive Regression.................................... 413
8.5 Inferenz......................................................... 419
8.5.1 Penalisierte KQ- bzw- Likelihood-Schätzung................... 420
Backfitting................................................ 420
Direkte Minimierung des penalisierten KQ-Kriteriums........... 421
Generalisierte STAR-Modelle................................ 422
Schätzung der Glättungsparameter........................... 422
Modellwahl und Diagnose................................... 423
8.5.2 Inferenz basierend auf der Repräsentation als gemischtes Modell. . 423
Modellwahl und Diagnose................................... 425
8.5.3 Bayesianische Inferenz mit MCMC ........................... 425
Normalverteilte Zielgrößen................................... 425
Latente normalverteilte Zielgrößen............................ 427
Nicht-normalverteilte Zielgrößen.............................. 428
Modellwahl und Diagnose................................... 428
8.5.4 Software-Hinweise.......................................... 430
8.6 Fallstudie: Unterernährung in Sambia............................... 431
8.6.1 Hinweise zur grundsätzlichen Vorgehensweise .................. 431
Deskriptive Analyse der Rohdaten............................ 431
Datenaufbereitung.......................................... 431
Grafische zweidimensionale Zusammenhangsanalyse............. 432
Schätzung erster Arbeitsmodelle.............................. 432
Modelldiagnose und Verfeinerung der Arbeitsmodelle........... 432
Darstellung der Ergebnisse .................................. 434
8.6.2 Deskriptive Analysen....................................... 435
8.6.3 Modellierungsvarianten...................................... 437
8.6.4 Schätzergebnisse und Modellevaluation........................ 438
8.7 Bemerkungen und Ergänzungen.................................... 443
A
A.l Definition und elementare Operationen.............................. 445
A.2 Der Rang einer Matrix............................................ 449
A.3 Determinante und Spur einer Matrix................................ 451
A.4 Verallgemeinerte
Α.
A.6 Quadratische Formen............................................. 455
A.7 Differentiation von Matrixfunktionen................................ 457
В
B.l Einige eindimensionale Verteilungen ................................459
B.2 Zufallsvektoren................................................... 461
В.
8.
8.
8.
B.3.4 Multivariate t-Verteilung.................................... 467
B.4 Likelihood-Inferenz............................................... 467
B.4.1 Maximum-Likelihood-Schätzung.............................. 467
B.4.2 Numerische Berechnung des ML-Schätzers..................... 473
B.4.3 Asymptotische Eigenschaften des ML-Schätzers................ 475
B.4.4 Likelihood-basierte Tests für lineare Hypothesen................ 475
B.4.5 Modellwahl................................................ 477
B.5 Bayes-Inferenz................................................... 478
B.5.1 Grundlagen der Bayes-Inferenz............................... 478
B.5.2 Punkt- und Intervallschätzer................................. 480
Punktschätzer ............................................. 480
Intervallschätzung.......................................... 481
B.5.3 MCMC-Methoden.......................................... 482
Metropolis-Hastings-
Gibbs-Sampler und Hybrid-Algorithmen....................... 486
B.5.4 Modellwahl................................................ 488
Literaturverzeichnis.................................................... 491
Index................................................................... 497
In dieser Einführung werden erstmals klassische Regressions¬
ansätze und moderne nicht- und semiparametrische Methoden
in einer integrierten, einheitlichen und anwendungsorientierten
Form beschrieben. Die Darstellung wendet sich an Studierende
mit Wahl- oder Hauptfach Statistik sowie an empirisch-statistisch
und interdisziplinär arbeitende Wissenschaftler und Praktiker, zum
Beispiel in Wirtschafts- und Sozialwissenschaften, Bioinformatik,
Biostatistik, Ökonometrie, Epidemiologie.
Die praktische Anwendung der vorgestellten Konzepte und
Methoden wird anhand ausführlich vorgestellter Fallstudien
demonstriert, um dem Leser die Analyse eigener Fragestellungen
zu ermöglichen.
|
| adam_txt |
Inhaltsverzeichnis
1 Einführung. 1
1.1 Anwendungsbeispiele. 4
1.2 Erste Schritte. 11
1.2.1 Beschreibung der Verteilung der Variablen. 11
1.2.2 Grafische Zusammenhangsanalyse. 13
Stetige erklärende Variablen. 13
Kategóriáié
2 Regressionsmodelle. 19
2.1 Einführung. 19
2.2 Lineare Regressionsmodelle. 20
2.2.1 Das einfache lineare Regressionsmodell. 20
2.2.2 Das multiple lineare Regressionsmodell. 24
2.3 Regression bei binären Ziel variablen: Das Logit-Modell. 30
2.4 Gemischte Modelle . 35
2.5 Einfache nichtparametrische Regression . 40
2.6 Additive Regression. 44
2.7 Generalisierte additive Regression. 47
2.8 Geoadditive Regression. 49
2.9 Modelle im Überblick. 55
2.9.1 Lineare Modelle (LM, Kapitel 3). 55
2.9.2 Logit-Modell (Kapitel 4) . 56
2.9.3 Poisson-Regression (Kapitel 4). 56
2.9.4 Generalisierte lineare Modelle (GLM, Kapitel 4, 5) . 56
2.9.5 Lineare gemischte Modelle (LMM, Kapitel 6) . 56
2.9.6 Additive Modelle und Erweiterungen (AM, Kapitel 7, 8) . 57
2.9.7 Generalisierte additive (gemischte) Modelle
2.9.8 Strukturiert-additive Regression (STAR, Kapitel 8). 58
3 Lineare Regressionsmodelle . 59
3.1 Das klassische lineare Modell. 59
3.1.1 Modelldefinition. 59
3.1.2 Modellparameter, Schätzungen und Residuen. 63
3.1.3 Diskussion der Modellannahmen . 64
Linearität des Einflusses der Kovariablen. 64
Homoskedastische Varianz der Störgrößen. 64
Unkorreliertheit
Additivität der Störgrößen. 70
3.1.4 Modellierung des Einflusses der Kovariablen. 72
Metrische Kovariablen. 72
Kategóriáié
Interaktionen zwischen Kovariablen. 83
3.2 Parameterschätzungen. 90
3.2.1 Schätzung der Regressionskoeffizienten. 90
Die Methode der kleinsten Quadrate. 90
Maximum-Likelihood-Schätzung. 92
Geschätzte Werte und Residuen. 93
3.2.2 Schätzung der Varianz der Störgrößen. 94
Maximum-Likelihood-Schätzung. 94
Restringierte Maximum-Likelihood-Schätzung. 94
3.2.3 Eigenschaften der Schätzungen. 95
Geometrische Eigenschaften des KQ-Schätzers . 95
Streuungszerlegung und Bestimmtheitsmaß. 98
Statistische Eigenschaften ohne spezielle Verteilungsannahmen . 101
Statistische Eigenschaften bei Normalverteilungsannahme . 103
Asymptotische Eigenschaften des KQ-Schätzers. 105
Statistische Eigenschaften der Residuen. 107
Standardisierte und studentisierte Residuen. 108
3.3 Hypothesentests und Konfidenzintervalle. 111
3.3.1 F-Test. 113
Zusammenhang mit dem Wald-Test. 115
F-Test für einige spezielle Testprobleme. 115
Asymptotische Eigenschaften des F-Tests. 119
3.3.2 Konfidenzbereiche und Prognoseintervalle. 119
Konfidenzintervalle und
Prognoseintervalle. 121
3.4 Das allgemeine lineare Regressionsmodell. 124
3.4.1 Modelldefinition. 124
3.4.2 Gewichtete Methode der kleinsten Quadrate. 125
Gruppierte Daten. 127
3.4.3 Heteroskedastische Fehler . 128
Diagnose heteroskedastischer Fehler. 129
Maßnahmen bei Heteroskedastizität . 132
3.4.4 Autokorrelierte Fehler. 136
Autokorrelation erster Ordnung. 137
Diagnose autokorrelierter Störungen. 139
Maßnahmen bei Autokorrelation erster Ordnung. 142
3.5
3.5.1 Priori-Verteilungen. 147
3.5.2 Vollständig bedingte Dichten und MCMC-Inferenz. 149
3.5.3 Posteriori-Verteilung. 152
3.6 Modellwahl und Variablenselektion. 152
3.6.1 Auswirkung der Modellspezifikation auf
Prognosegüte. 156
Auswirkung der Modellspezifikation auf
KQ-Schätzers . 156
Auswirkung der Modellspezifikation auf die Prognosegüte. 157
3.6.2 Modellwahlkriterien_. 159
Das korrigierte Bestimmtheitsmaß. 160
Mallow's
Informationskriterium nach
Kreuzvalidierung. 162
Bayesianisches Informationskriterium
3.6.3 Praktische Verwendung der Modellwahlkriterien. 163
3.6.4 Modelldiagnose. 167
Überprüfen der Modellannahmen. 168
Kollinearitätsanalyse. 170
Ausreißer- und Einflussanalyse. 173
Alternative Modellierungsansätze nach Modelldiagnose. 179
3.7 Bemerkungen und Ergänzungen. 180
3.7.1 Literaturhinweise. 180
3.7.2 Beweise. 181
4 Generalisierte lineare Modelle. 189
4.1 Binäre Regression. 189
4.1.1 Binäre Regressionsmodelle. 189
Logit-Modell. 190
Probit-Modell. 191
Komplementäres log-log-Modell. 191
Binäre Modelle als Schwellenwertmodelle latenter linearer Modelle 193
Parameterinterpretation. 194
Gruppierte Daten. 195
Überdispersion
4.1.2 Maximum-Likelihood-Schätzung. 198
Vergleich mit der ML- bzw. KQ-Schätzung im linearen
Regressionsmodell . 201
Iterative numerische Berechnung des ML-Schätzers. 202
Asymptotische Eigenschaften des ML-Schätzers. 203
4.1.3 Testen linearer Hypothesen. 204
4.1.4 Kriterien zur Modellanpassung und Modellwahl. 205
4.2 Regression für Zähldaten. 210
4.2.1 Modelle für Zähldaten . 210
Log-lineares Poisson-Modell. 210
Lineares Poisson-Modell. 210
Überdispersion. 210
4.2.2 Schätzen und Testen: Likelihood-Inferenz. 212
Maximum-Likelihood-Schätzung. 212
Testen linearer Hypothesen. 213
Kriterien zur Modellanpassung und Modellwahl. 213
Schätzung des Überdispersions-Parameters. 213
4.3 Modelle für positive stetige Zielvariablen. 215
Gamma-Regression. 217
Inverse
4.4 Generalisierte Lineare Modelle. 217
4.4.1 Allgemeine Modelldefinition . 217
4.4.2 Likelihood-Inferenz. 220
Asymptotische Eigenschaften des ML-Schätzers. 223
Schätzung des Skalierungs- oder Überdispersionsparameters. 224
Testen linearer Hypothesen. 224
Kriterien zur Modellanpassung und Modellwahl. 225
4.5 Quasi-Likelihood-Modelle. 226
4.6 Bayesianische generalisierte lineare Modelle. 228
4.7 Bemerkungen und Ergänzungen. 233
5
5.1 Einführung. 235
Multinomialverteilung. 236
Daten. 237
5.2 Modelle für ungeordnete Kategorien . 238
Nominale Modelle und latente Nutzenmodelle. 241
5.3
Das kumulative oder Schwellenwert-Modell. 242
Das sequentielle Modell. 245
5.4 Schätzen und Testen: Likelihood-Inferenz. 247
Numerische Bestimmung des ML-Schätzers. 249
Asymptotische Eigenschaften und Tests linearer Hypothesen. 249
5.5 Bemerkungen und Ergänzungen. 252
6 Gemischte Modelle. 253
6.1 Lineare gemischte Modelle für
6.2 Das allgemeine lineare gemischte Modell. 259
6.3
6.3.1 Schätzung fixer und zufälliger Effekte bei bekannter
Kovarianzstruktur. 261
6.3.2 Schätzung der Kovarianzstruktur. 263
6.3.3 Schätzung fixer und zufälliger Effekte. 264
6.3.4 Hypothesentests. 266
6.4 Likelihood-Inferenz für
6.5 Bayesianische gemischte lineare Modelle. 271
Posteriori-Verteilung bei bekannter Kovarianzstruktur. 273
Empirische Bayes-Schätzung. 273
Volle Bayes-Schätzung. 274
6.6 Generalisierte lineare gemischte Modelle. 278
6.6.1 Definition und Eigenschaften von GLMM. 278
GLMM für
GLMM in allgemeiner Form. 279
Kategóriáié
6.7
6.7.1 Penalisierte
6.7.2 Volle Bayes-Inferenz mit MCMC . 287
6.8 Bemerkungen und Ergänzungen. 289
Nichtparametrische Regression. 291
7.1 Univariate Glättung. 292
7.1.1 Polynom-Splines . 293
Polynom-Splines und trunkierte Potenzen. 296
Einfiuss der Knoten auf die Schätzung. 301
B-Splines. 303
7.1.2 Penalisierte
P-Splines basierend auf der TP-Basis. 307
P-Splines basierend auf B-Splines. 309
Penalisierte KQ-Schätzung . 311
Bayesianische P-Splines. 316
7.1.3 Allgemeine Penalisierungsansätze. 320
7.1.4 Glättungssplines . 323
7.1.5
7.1.6 Kriging. 327
Klassisches Kriging. 327
Kriging als Glättungsverfahren für Zeitreihen. 330
Kriging als Glättungsverfahren der nichtparametrische Regression 331
7.1.7 Lokale Glättungsverfahren. 333
Nächste-Nachbarn-Schätzer. 333
Lokal polynomiale Regression und
Loess
7.1.8 Allgemeine Streudiagramm-Glätter. 340
Lineare Glättungsverfahren. 340
Konfidenzintervalle und -bänder. 342
Äquivalente Freiheitsgrade (effektive Parameterzahl). 345
Schätzung der Fehlervarianz. 347
Bias-Varianz-Trade Off. 348
7.1.9 Wahl des Glättungsparameters. 350
Glättungsparameterwahl basierend auf Optimalitätskriterien. 350
Repräsentation von Penalisierungsansätzen als gemischte Modelle. 353
Bayesianische Glättungsparameterwahl basierend auf MCMC . 357
7.1.10
Multivariate
Regressionsbäume. 361
Bayesianische
Bayesianische
7.2
7.2.1 Tensorprodukt-P-Splines. 371
Tensorprodukt-Basen. 371
2D-Penalisierшlgsansätze. 375
7.2.2 Radiale Basisfunktionen. 379
7.2.3 Kriging: Räumliche Glättung bei stetiger Lokationsvariable. 381
Klassische Geostatistik. 382
Kriging als Basisfunktionenansatz. 384
Schätzung von Kriging-Modellen. 385
7.2.4
Lokationsvariable. 387
Nachbarschaften und penalisiertes KQ-Kriterium. 387
Bayesianische Modellformulierung. 389
Räumlich autoregressive Prozesse. 393
7.2.5 Fazit. 393
7.2.6 Lokale und
7.3 Höherdimensionale Glättung. 395
7.4 Bemerkungen und Ergänzungen. 397
Strukturiert-additive Regression. 399
8.1 Additive Modelle. 399
8.2 Geoadditive Regression. 404
8.3 Modelle mit Interaktionen. 407
8.3.1 Modelle mit variierenden Koeffizienten. 408
8.3.2 Interaktion zwischen zwei metrischen Kovariablen. 410
8.4 Strukturiert-additive Regression. 413
8.5 Inferenz. 419
8.5.1 Penalisierte KQ- bzw- Likelihood-Schätzung. 420
Backfitting. 420
Direkte Minimierung des penalisierten KQ-Kriteriums. 421
Generalisierte STAR-Modelle. 422
Schätzung der Glättungsparameter. 422
Modellwahl und Diagnose. 423
8.5.2 Inferenz basierend auf der Repräsentation als gemischtes Modell. . 423
Modellwahl und Diagnose. 425
8.5.3 Bayesianische Inferenz mit MCMC . 425
Normalverteilte Zielgrößen. 425
Latente normalverteilte Zielgrößen. 427
Nicht-normalverteilte Zielgrößen. 428
Modellwahl und Diagnose. 428
8.5.4 Software-Hinweise. 430
8.6 Fallstudie: Unterernährung in Sambia. 431
8.6.1 Hinweise zur grundsätzlichen Vorgehensweise . 431
Deskriptive Analyse der Rohdaten. 431
Datenaufbereitung. 431
Grafische zweidimensionale Zusammenhangsanalyse. 432
Schätzung erster Arbeitsmodelle. 432
Modelldiagnose und Verfeinerung der Arbeitsmodelle. 432
Darstellung der Ergebnisse . 434
8.6.2 Deskriptive Analysen. 435
8.6.3 Modellierungsvarianten. 437
8.6.4 Schätzergebnisse und Modellevaluation. 438
8.7 Bemerkungen und Ergänzungen. 443
A
A.l Definition und elementare Operationen. 445
A.2 Der Rang einer Matrix. 449
A.3 Determinante und Spur einer Matrix. 451
A.4 Verallgemeinerte
Α.
A.6 Quadratische Formen. 455
A.7 Differentiation von Matrixfunktionen. 457
В
B.l Einige eindimensionale Verteilungen .459
B.2 Zufallsvektoren. 461
В.
8.
8.
8.
B.3.4 Multivariate t-Verteilung. 467
B.4 Likelihood-Inferenz. 467
B.4.1 Maximum-Likelihood-Schätzung. 467
B.4.2 Numerische Berechnung des ML-Schätzers. 473
B.4.3 Asymptotische Eigenschaften des ML-Schätzers. 475
B.4.4 Likelihood-basierte Tests für lineare Hypothesen. 475
B.4.5 Modellwahl. 477
B.5 Bayes-Inferenz. 478
B.5.1 Grundlagen der Bayes-Inferenz. 478
B.5.2 Punkt- und Intervallschätzer. 480
Punktschätzer . 480
Intervallschätzung. 481
B.5.3 MCMC-Methoden. 482
Metropolis-Hastings-
Gibbs-Sampler und Hybrid-Algorithmen. 486
B.5.4 Modellwahl. 488
Literaturverzeichnis. 491
Index. 497
In dieser Einführung werden erstmals klassische Regressions¬
ansätze und moderne nicht- und semiparametrische Methoden
in einer integrierten, einheitlichen und anwendungsorientierten
Form beschrieben. Die Darstellung wendet sich an Studierende
mit Wahl- oder Hauptfach Statistik sowie an empirisch-statistisch
und interdisziplinär arbeitende Wissenschaftler und Praktiker, zum
Beispiel in Wirtschafts- und Sozialwissenschaften, Bioinformatik,
Biostatistik, Ökonometrie, Epidemiologie.
Die praktische Anwendung der vorgestellten Konzepte und
Methoden wird anhand ausführlich vorgestellter Fallstudien
demonstriert, um dem Leser die Analyse eigener Fragestellungen
zu ermöglichen. |
| any_adam_object | 1 |
| any_adam_object_boolean | 1 |
| author | Fahrmeir, Ludwig 1945- Kneib, Thomas 1976- Lang, Stefan 1970- |
| author_GND | (DE-588)120635682 (DE-588)131555332 (DE-588)123447496 |
| author_facet | Fahrmeir, Ludwig 1945- Kneib, Thomas 1976- Lang, Stefan 1970- |
| author_role | aut aut aut |
| author_sort | Fahrmeir, Ludwig 1945- |
| author_variant | l f lf t k tk s l sl |
| building | Verbundindex |
| bvnumber | BV021602276 |
| classification_rvk | QH 234 SK 840 |
| classification_tum | MAT 628f |
| ctrlnum | (OCoLC)180908931 (DE-599)BVBBV021602276 |
| dewey-full | 519.536 |
| dewey-hundreds | 500 - Natural sciences and mathematics |
| dewey-ones | 519 - Probabilities and applied mathematics |
| dewey-raw | 519.536 |
| dewey-search | 519.536 |
| dewey-sort | 3519.536 |
| dewey-tens | 510 - Mathematics |
| discipline | Mathematik Wirtschaftswissenschaften |
| discipline_str_mv | Mathematik Wirtschaftswissenschaften |
| format | Book |
| fullrecord | <?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>02333nam a2200505 c 4500</leader><controlfield tag="001">BV021602276</controlfield><controlfield tag="003">DE-604</controlfield><controlfield tag="005">20080429 </controlfield><controlfield tag="007">t</controlfield><controlfield tag="008">060531s2007 gw bd|| |||| 00||| ger d</controlfield><datafield tag="015" ind1=" " ind2=" "><subfield code="a">06,N19,0111</subfield><subfield code="2">dnb</subfield></datafield><datafield tag="016" ind1="7" ind2=" "><subfield code="a">979366526</subfield><subfield code="2">DE-101</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">3540339329</subfield><subfield code="c">Pb. : ca. EUR 32.95, ca. sfr 56.50</subfield><subfield code="9">3-540-33932-9</subfield></datafield><datafield tag="020" ind1=" " ind2=" "><subfield code="a">9783540339328</subfield><subfield code="9">978-3-540-33932-8</subfield></datafield><datafield tag="024" ind1="3" ind2=" "><subfield code="a">9783540339328</subfield></datafield><datafield tag="028" ind1="5" ind2="2"><subfield code="a">11749318</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(OCoLC)180908931</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)BVBBV021602276</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-604</subfield><subfield code="b">ger</subfield><subfield code="e">rakddb</subfield></datafield><datafield tag="041" ind1="0" ind2=" "><subfield code="a">ger</subfield></datafield><datafield tag="044" ind1=" " ind2=" "><subfield code="a">gw</subfield><subfield code="c">XA-DE-BE</subfield></datafield><datafield tag="049" ind1=" " ind2=" "><subfield code="a">DE-739</subfield><subfield code="a">DE-706</subfield><subfield code="a">DE-19</subfield><subfield code="a">DE-20</subfield><subfield code="a">DE-29</subfield><subfield code="a">DE-355</subfield><subfield code="a">DE-703</subfield><subfield code="a">DE-91G</subfield><subfield code="a">DE-91</subfield><subfield code="a">DE-473</subfield><subfield code="a">DE-M347</subfield><subfield code="a">DE-1028</subfield><subfield code="a">DE-521</subfield><subfield code="a">DE-945</subfield><subfield code="a">DE-83</subfield><subfield code="a">DE-11</subfield><subfield code="a">DE-188</subfield><subfield code="a">DE-578</subfield><subfield code="a">DE-Grf2</subfield></datafield><datafield tag="082" ind1="0" ind2=" "><subfield code="a">519.536</subfield><subfield code="2">22/ger</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">QH 234</subfield><subfield code="0">(DE-625)141549:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">SK 840</subfield><subfield code="0">(DE-625)143261:</subfield><subfield code="2">rvk</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">510</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">MAT 628f</subfield><subfield code="2">stub</subfield></datafield><datafield tag="084" ind1=" " ind2=" "><subfield code="a">310</subfield><subfield code="2">sdnb</subfield></datafield><datafield tag="100" ind1="1" ind2=" "><subfield code="a">Fahrmeir, Ludwig</subfield><subfield code="d">1945-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)120635682</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">Regression</subfield><subfield code="b">Modelle, Methoden und Anwendungen ; mit 51 Tabellen</subfield><subfield code="c">Ludwig Fahrmeir ; Thomas Kneib ; Stefan Lang</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="a">Berlin [u.a.]</subfield><subfield code="b">Springer</subfield><subfield code="c">2007</subfield></datafield><datafield tag="300" ind1=" " ind2=" "><subfield code="a">XIV, 501 S.</subfield><subfield code="b">graph. Darst., Kt.</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="b">n</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="b">nc</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="490" ind1="0" ind2=" "><subfield code="a">Statistik und ihre Anwendungen</subfield></datafield><datafield tag="650" ind1="0" ind2="7"><subfield code="a">Regressionsanalyse</subfield><subfield code="0">(DE-588)4129903-6</subfield><subfield code="2">gnd</subfield><subfield code="9">rswk-swf</subfield></datafield><datafield tag="689" ind1="0" ind2="0"><subfield code="a">Regressionsanalyse</subfield><subfield code="0">(DE-588)4129903-6</subfield><subfield code="D">s</subfield></datafield><datafield tag="689" ind1="0" ind2=" "><subfield code="5">DE-604</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Kneib, Thomas</subfield><subfield code="d">1976-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)131555332</subfield><subfield code="4">aut</subfield></datafield><datafield tag="700" ind1="1" ind2=" "><subfield code="a">Lang, Stefan</subfield><subfield code="d">1970-</subfield><subfield code="e">Verfasser</subfield><subfield code="0">(DE-588)123447496</subfield><subfield code="4">aut</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="q">text/html</subfield><subfield code="u">http://deposit.dnb.de/cgi-bin/dokserv?id=2795646&prov=M&dok_var=1&dok_ext=htm</subfield><subfield code="3">Inhaltstext</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Passau</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Inhaltsverzeichnis</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="m">Digitalisierung UB Passau</subfield><subfield code="q">application/pdf</subfield><subfield code="u">http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA</subfield><subfield code="3">Klappentext</subfield></datafield><datafield tag="999" ind1=" " ind2=" "><subfield code="a">oai:aleph.bib-bvb.de:BVB01-014817596</subfield></datafield></record></collection> |
| id | DE-604.BV021602276 |
| illustrated | Illustrated |
| index_date | 2024-07-02T14:48:07Z |
| indexdate | 2024-07-09T20:39:40Z |
| institution | BVB |
| isbn | 3540339329 9783540339328 |
| language | German |
| oai_aleph_id | oai:aleph.bib-bvb.de:BVB01-014817596 |
| oclc_num | 180908931 |
| open_access_boolean | |
| owner | DE-739 DE-706 DE-19 DE-BY-UBM DE-20 DE-29 DE-355 DE-BY-UBR DE-703 DE-91G DE-BY-TUM DE-91 DE-BY-TUM DE-473 DE-BY-UBG DE-M347 DE-1028 DE-521 DE-945 DE-83 DE-11 DE-188 DE-578 DE-Grf2 |
| owner_facet | DE-739 DE-706 DE-19 DE-BY-UBM DE-20 DE-29 DE-355 DE-BY-UBR DE-703 DE-91G DE-BY-TUM DE-91 DE-BY-TUM DE-473 DE-BY-UBG DE-M347 DE-1028 DE-521 DE-945 DE-83 DE-11 DE-188 DE-578 DE-Grf2 |
| physical | XIV, 501 S. graph. Darst., Kt. |
| publishDate | 2007 |
| publishDateSearch | 2007 |
| publishDateSort | 2007 |
| publisher | Springer |
| record_format | marc |
| series2 | Statistik und ihre Anwendungen |
| spelling | Fahrmeir, Ludwig 1945- Verfasser (DE-588)120635682 aut Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen Ludwig Fahrmeir ; Thomas Kneib ; Stefan Lang Berlin [u.a.] Springer 2007 XIV, 501 S. graph. Darst., Kt. txt rdacontent n rdamedia nc rdacarrier Statistik und ihre Anwendungen Regressionsanalyse (DE-588)4129903-6 gnd rswk-swf Regressionsanalyse (DE-588)4129903-6 s DE-604 Kneib, Thomas 1976- Verfasser (DE-588)131555332 aut Lang, Stefan 1970- Verfasser (DE-588)123447496 aut text/html http://deposit.dnb.de/cgi-bin/dokserv?id=2795646&prov=M&dok_var=1&dok_ext=htm Inhaltstext Digitalisierung UB Passau application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA Inhaltsverzeichnis Digitalisierung UB Passau application/pdf http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA Klappentext |
| spellingShingle | Fahrmeir, Ludwig 1945- Kneib, Thomas 1976- Lang, Stefan 1970- Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen Regressionsanalyse (DE-588)4129903-6 gnd |
| subject_GND | (DE-588)4129903-6 |
| title | Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen |
| title_auth | Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen |
| title_exact_search | Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen |
| title_exact_search_txtP | Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen |
| title_full | Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen Ludwig Fahrmeir ; Thomas Kneib ; Stefan Lang |
| title_fullStr | Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen Ludwig Fahrmeir ; Thomas Kneib ; Stefan Lang |
| title_full_unstemmed | Regression Modelle, Methoden und Anwendungen ; mit 51 Tabellen Ludwig Fahrmeir ; Thomas Kneib ; Stefan Lang |
| title_short | Regression |
| title_sort | regression modelle methoden und anwendungen mit 51 tabellen |
| title_sub | Modelle, Methoden und Anwendungen ; mit 51 Tabellen |
| topic | Regressionsanalyse (DE-588)4129903-6 gnd |
| topic_facet | Regressionsanalyse |
| url | http://deposit.dnb.de/cgi-bin/dokserv?id=2795646&prov=M&dok_var=1&dok_ext=htm http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000003&line_number=0001&func_code=DB_RECORDS&service_type=MEDIA http://bvbr.bib-bvb.de:8991/F?func=service&doc_library=BVB01&local_base=BVB01&doc_number=014817596&sequence=000004&line_number=0002&func_code=DB_RECORDS&service_type=MEDIA |
| work_keys_str_mv | AT fahrmeirludwig regressionmodellemethodenundanwendungenmit51tabellen AT kneibthomas regressionmodellemethodenundanwendungenmit51tabellen AT langstefan regressionmodellemethodenundanwendungenmit51tabellen |