Was ist Regressionsanalyse
In der statistischen Modellierung ist die Regressionsanalyse eine Reihe statistischer Prozesse zur Schätzung der Beziehungen zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen. Die gebräuchlichste Form der Regressionsanalyse ist die lineare Regression, bei der man die Linie findet, die nach einem bestimmten mathematischen Kriterium am besten zu den Daten passt. Beispielsweise berechnet die Methode der gewöhnlichen kleinsten Quadrate die eindeutige Linie, die die Summe der quadrierten Differenzen zwischen den wahren Daten und dieser Linie minimiert. Aus bestimmten mathematischen Gründen ermöglicht dies dem Forscher, die bedingte Erwartung der abhängigen Variablen abzuschätzen, wenn die unabhängigen Variablen einen bestimmten Satz von Werten annehmen. Weniger verbreitete Formen der Regression verwenden leicht unterschiedliche Verfahren, um alternative Standortparameter oder die bedingte Erwartung über eine breitere Sammlung nichtlinearer Modelle zu schätzen.
Ihre Vorteile
(I) Erkenntnisse und Validierungen zu den folgenden Themen:
Kapitel 1: Regressionsanalyse
Kapitel 2: Kleinste Quadrate
Kapitel 3: Gauß?Markov-Theorem
Kapitel 4: Nichtlineare Regression
Kapitel 5: Bestimmtheitskoeffizient
Kapitel 6: Schätzung instrumenteller Variablen
Kapitel 7: Voreingenommenheit aufgrund ausgelassener Variablen
Kapitel 8: Gewöhnliche kleinste Quadrate
Kapitel 9: Residualsumme der Quadrate
Kapitel 10: Einfache lineare Regression
Kapitel 11: Verallgemeinerte kleinste Quadrate
Kapitel 12: Heteroskedastizitätskonsistente Standardfehler
Kapitel 13: Varianzinflationsfaktor
Kapitel 14: Nichtlinear Kleinste Quadrate
Kapitel 15: Hauptkomponentenregression
Kapitel 16: Fehlende Quadratsumme
Kapitel 17: Hebelwirkung (Statistik)
Kapitel 18: Polynomielle Regression
Kapitel 19: Fehler-in-Variablen-Modelle
Kapitel 20: Lineare kleinste Quadrate
Kapitel 21: Lineare Regression
(II) Beantwortung der häufigsten öffentlichen Fragen zur Regressionsanalyse.
(III) Beispiele aus der Praxis für den Einsatz der Regressionsanalyse in vielen Bereichen.
Für wen sich dieses Buch eignet
Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die für jede Art von Regressionsanalyse über das Grundwissen oder die Informationen hinausgehen möchten.
Was ist Regressionsanalyse
In der statistischen Modellierung ist die Regressionsanalyse eine Reihe statistischer Prozesse zur Schätzung der Beziehungen zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen. Die gebräuchlichste Form der Regressionsanalyse ist die lineare Regression, bei der man die Linie findet, die nach einem bestimmten mathematischen Kriterium am besten zu den Daten passt. Beispielsweise berechnet die Methode der gewöhnlichen kleinsten Quadrate die eindeutige Linie, die die Summe der quadrierten Differenzen zwischen den wahren Daten und dieser Linie minimiert. Aus bestimmten mathematischen Gründen ermöglicht dies dem Forscher, die bedingte Erwartung der abhängigen Variablen abzuschätzen, wenn die unabhängigen Variablen einen bestimmten Satz von Werten annehmen. Weniger verbreitete Formen der Regression verwenden leicht unterschiedliche Verfahren, um alternative Standortparameter oder die bedingte Erwartung über eine breitere Sammlung nichtlinearer Modelle zu schätzen.
Ihre Vorteile
(I) Erkenntnisse und Validierungen zu den folgenden Themen:
Kapitel 1: Regressionsanalyse
Kapitel 2: Kleinste Quadrate
Kapitel 3: Gauß?Markov-Theorem
Kapitel 4: Nichtlineare Regression
Kapitel 5: Bestimmtheitskoeffizient
Kapitel 6: Schätzung instrumenteller Variablen
Kapitel 7: Voreingenommenheit aufgrund ausgelassener Variablen
Kapitel 8: Gewöhnliche kleinste Quadrate
Kapitel 9: Residualsumme der Quadrate
Kapitel 10: Einfache lineare Regression
Kapitel 11: Verallgemeinerte kleinste Quadrate
Kapitel 12: Heteroskedastizitätskonsistente Standardfehler
Kapitel 13: Varianzinflationsfaktor
Kapitel 14: Nichtlinear Kleinste Quadrate
Kapitel 15: Hauptkomponentenregression
Kapitel 16: Fehlende Quadratsumme
Kapitel 17: Hebelwirkung (Statistik)
Kapitel 18: Polynomielle Regression
Kapitel 19: Fehler-in-Variablen-Modelle
Kapitel 20: Lineare kleinste Quadrate
Kapitel 21: Lineare Regression
(II) Beantwortung der häufigsten öffentlichen Fragen zur Regressionsanalyse.
(III) Beispiele aus der Praxis für den Einsatz der Regressionsanalyse in vielen Bereichen.
Für wen sich dieses Buch eignet
Profis, Studenten und Doktoranden, Enthusiasten, Hobbyisten und diejenigen, die für jede Art von Regressionsanalyse über das Grundwissen oder die Informationen hinausgehen möchten.
Regressionsanalyse: Beherrschen Sie die Kunst der Regressionsanalyse: Vorhersagen, Analysieren, Entscheiden
378
Regressionsanalyse: Beherrschen Sie die Kunst der Regressionsanalyse: Vorhersagen, Analysieren, Entscheiden
378
Product Details
| BN ID: | 2940168055857 |
|---|---|
| Publisher: | Eine Milliarde Sachkundig [German] |
| Publication date: | 02/04/2024 |
| Series: | Wirtschaftswissenschaft [German] , #454 |
| Sold by: | PUBLISHDRIVE KFT |
| Format: | eBook |
| Pages: | 378 |
| File size: | 5 MB |
| Language: | German |