% Daten einlesen dataset d d.infile using c:\monographieregression\homepage\download\sambia92.raw % Daten um extreme bzw. inkonsistente Beobachtungen bereinigen d.drop if m_bmi>40 d.drop if k_still>k_alter d.drop if k_still>30 % Hilfvariable fuer den quadratischen BMI-Effekt d.generate m_bmi2 = m_bmi*m_bmi % Dummy-Variablen fuer Bildung erzeugen d.generate m_bildung1 = 1*(m_bildung=1) d.generate m_bildung3 = 1*(m_bildung=3) d.generate m_bildung4 = 1*(m_bildung=4) % Dummy-Variablen fuer Region erzeugen d.generate region1 = 1*(region=1) d.generate region3 = 1*(region=3) d.generate region4 = 1*(region=4) d.generate region5 = 1*(region=5) d.generate region6 = 1*(region=6) d.generate region7 = 1*(region=7) d.generate region8 = 1*(region=8) d.generate region9 = 1*(region=9) % Spline-Basis für den Alterseffekt d.generate k_alter_spline = k_alter*(k_alter>23.5) % Karte einlesen (dauert eine gewisse Zeit...) map m m.infile using c:\monographieregression\homepage\download\sambia.bnd % Knotenmenge fuer den Interaktionseffekt einlesen % (die Berechnung der Knotenmenge ist aufwaendig und wird durch die Verwendung der vorgegebenen Menge vermieden) dataset kn kn.infile using c:\monographieregression\zambia\fallstudie\reml\basismodell_f_k_still_k_alter_kriging_knots.raw % Regressionsobjekt remlreg r % rein parametrisches Modell r.regress zscore = k_geschl + m_bildung1 + m_bildung3 + m_bildung4 + m_arbeit + m_alterg + m_groesse + m_bmi + m_bmi2 + k_alter + k_alter_spline + region1 + region3 + region4 + region5 + region6 + region7 + region8 + region9 , family=gaussian using d % Modell mit unstrukturiertem raeumlichem Effekt und einigen linearen Effekten r.regress zscore = k_geschl + m_bildung1 + m_bildung3 + m_bildung4 + m_arbeit + m_alterg + m_groesse + m_bmi + m_bmi2 + k_still*k_alter(kriging, knotdata=kn) + district(random) , family=gaussian using d; % Basismodell (dauert eine gewisse Zeit...) r.regress zscore = k_geschl + m_bildung1 + m_bildung3 + m_bildung4 + m_arbeit + m_alterg(psplinerw2) + m_groesse(psplinerw2) + m_bmi(psplinerw2) + k_still*k_alter(kriging, knotdata=kn) + district(spatial, map=m), family=gaussian using d