In dieser Einführung werden erstmals klassische Regressionsansätze und moderne nicht- und semiparametrische Methoden in einer integrierten, einheitlichen und anwendungsorientierten Form beschrieben. Die Darstellung wendet sich an Studierende der Statistik in Wahl- und Hauptfach 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.
Inhaltsverzeichnis:
Einführung.- Regressionsmodelle.- Lineare Regressionsmodelle.- Generalisierte lineare Modelle.- Kategoriale Regressionsmodelle.- Gemischte Modelle.- Nichtparametrische Regression.- Matrix-Algebra.- Wahrscheinlichkeitsrechnung und induktive Statistik.
Inhaltsverzeichnis:
Einführung.- Regressionsmodelle.- Lineare Regressionsmodelle.- Generalisierte lineare Modelle.- Kategoriale Regressionsmodelle.- Gemischte Modelle.- Nichtparametrische Regression.- Matrix-Algebra.- Wahrscheinlichkeitsrechnung und induktive Statistik.