Details

Einfache lineare Regression

Die Grundlage für komplexe Regressionsmodelle verstehen
essentials 1. Aufl. 2018

von: Irasianty Frost
4,99 €
Verlag:	VS Verlag
Format:	PDF
Veröffentl.:	12.10.2017
ISBN/EAN:	9783658197322
Sprache:	deutsch

In den Warenkorb

Als Gutschein

Dieses eBook enthält ein Wasserzeichen.

Beschreibungen

Titelbeschreibung

Dieses <i>essential</i> befasst sich mit der einfachen linearen Regression, der simpelsten Form von Regressionsmodellen, in der für die Modellbildung nur eine einzige Einflussvariable berücksichtigt wird. Leser finden in diesem Buch die Methode der kleinsten Quadrate zur Schätzung der Modellparameter, Residualanalysen zur Überprüfung der Modellannahmen sowie weitere statistische Verfahren zur Beurteilung des Modells. Zudem erfahren sie, wie das Modell als ein Prognoseinstrument eingesetzt werden kann. Somit erwerben Leser eine solide Grundlage zum Verständnis komplexer Regressionsansätze, bei denen mehrere Variablen die Zielgröße beeinflussen und nichtlineare Zusammenhänge vorliegen.

Inhaltsverzeichnis

<p>Definition des einfachen Regressionsmodells.- Überprüfung der Modellvoraussetzungen.- Beurteilung des Modells durch den Korrelations- und den Determinationskoeffizienten.- Regressionsgerade als ein Instrument für eine Prognose.- Umkehrregression.</p>

Autorenportrait

<p>Dipl.-Statistikerin Irasianty Frost ist als Dozentin für Statistik an der Hochschule Fresenius in München tätig.</p>

Back cover copy

<div>Dieses <i>essential </i>befasst sich mit der einfachen linearen Regression, der simpelsten Form von Regressionsmodellen, in der für die Modellbildung nur eine einzige Einflussvariable berücksichtigt wird. Leser finden in diesem Buch die Methode der kleinsten Quadrate zur Schätzung der Modellparameter, Residualanalysen zur Überprüfung der Modellannahmen sowie weitere statistische Verfahren zur Beurteilung des Modells. Zudem erfahren sie, wie das Modell als ein Prognoseinstrument eingesetzt werden kann. Somit erwerben Leser eine solide Grundlage zum Verständnis komplexer Regressionsansätze, bei denen mehrere Variablen die Zielgröße beeinflussen und nichtlineare Zusammenhänge vorliegen. </div><div><b><br/></b></div><div><b>Der Inhalt</b></div><div><ul><li>Definition des einfachen Regressionsmodells<br/></li><li>Überprüfung der Modellvoraussetzungen<br/></li><li>Beurteilung des Modells durch den Korrelations- und den Determinationskoeffizienten <br/></li><li>Regressionsgerade als einInstrument für eine Prognose<br/></li><li>Umkehrregression <br/></li></ul></div><div><b>Die Zielgruppen</b></div><div><ul><li>Studierende und Dozierende der Sozial- und Wirtschaftswissenschaften sowie Psychologie und Medizin<br/></li><li>Praktiker, die ihr Forschungsinstrument und ihre Studienergebnisse verstehen wollen<br/></li></ul></div><div><b>Die Autorin</b></div><div>Dipl.-Statistikerin Irasianty Frost ist als Dozentin für Statistik an der Hochschule Fresenius in München tätig.</div>

Sonderbeitrag

Eine verständliche Einführung in die lineare Regressionsanalyse Regressionsgerade Korrelation, Abhängigkeit, Kausalität Prognose-Intervalle Includes supplementary material: sn.pub/extras

Verkaufsargumente

<p></p>Eine verständliche Einführung in die lineare Regressionsanalyse<div><br/>Regressionsgerade</div><div><br/>Korrelation, Abhängigkeit, Kausalität</div><div><br/>Prognose-Intervalle <br/><p></p></div>