Regression - Modelle, Methoden und Anwendungen

Ludwig Fahrmeir, Thomas Kneib & Stefan Lang

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 mit Wahl- oder Hauptfach Statistik 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.

Im September 2009 ist das Buch in einer zweiten, korrigierten Auflage erschienen.

Inhalt: Klassische lineare Modelle - Allgemeine lineare Modelle - Bayesianische lineare Modelle - Modellwahl und Variablenselektion im linearen Modell - Generalisierte lineare Modelle - Binäre Regression - Regression für Zähldaten - Kategoriale Regression - Gemischte Modelle - Nichtparametrische Regression - Bivariate Glättung - Räumliche Regression - Strukturiert additive Regression