44,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Die Modellselektion ist der Bereich der Statistik, welcher Wissenschaftlern eine Möglichkeit bietet ein Modell fu¨r die Analyse von Rohdaten zu geben. Dabei ist die Wahl eins geeigneten Modells entscheidend, da mit der Wahl eines geeigneten Modells die jeweilige Theorie einer wissenschaftlichen Forschung unterstu¨tzt werden kann. In der wissenschaftlichen Praxis stehen hierfu¨r diverse Ansätze zur Verfu¨gung. Die Modellselektion bietet, mit diversen Ansätzen, einen Anhaltspunkt, wie Modelle selektiert werden können, um die vorhandenen Daten zu analysieren und in der Folge die Theorie zu…mehr

Produktbeschreibung
Die Modellselektion ist der Bereich der Statistik, welcher Wissenschaftlern eine Möglichkeit bietet ein Modell fu¨r die Analyse von Rohdaten zu geben. Dabei ist die Wahl eins geeigneten Modells entscheidend, da mit der Wahl eines geeigneten Modells die jeweilige Theorie einer wissenschaftlichen Forschung unterstu¨tzt werden kann. In der wissenschaftlichen Praxis stehen hierfu¨r diverse Ansätze zur Verfu¨gung. Die Modellselektion bietet, mit diversen Ansätzen, einen Anhaltspunkt, wie Modelle selektiert werden können, um die vorhandenen Daten zu analysieren und in der Folge die Theorie zu verifizieren bzw. falsifizieren.Hierbei stehen Wissenschaftlern diverse Ansätze und Selektionskriterien zur Verfu¨gung, welche die Wissenschaftler dabei unterstu¨tzen können, ein geeignetes Modell fu¨r die Analyse der Daten zu selektieren. Die Selektion kann dabei mittels Tests und der Richtung der Modellselektion, mittels diversen mittels Shrinkageansätzen oder auf Basis eines Informationskriteriums erfolgen. Die Wahl eines Informationskriteriums findet in der Folge Anwendung in einer Regressionsanalyse. Dabei stehen dem Wissenschaftler diverse univariate und multivariate Regressionsmodelle zur Verfu¨gung. Falls die Daten von Kollinearität gekennzeichnet sind, sollten Verfahren, wie die Ridge Regression oder die LASSO Regression den linearen Regressionsmodellen bevorzugt werden.