050039 VU Generalized Linear Models (2007W)

Lineare Regression: Einfachregression: Grundbegriffe, Kovarianz, Korrelation, Prinzip der Kleinsten Quadrate, Varianzzerlegung, Bestimmtheitsmaß, F-Test, Konfidenzintervalle für Parameter und der Schätzwerte, Tests über die Parameter; Praktische Übungen mit Excel und R; Multiples Regressionsmodel: Matrixnotation, Kl. Quadrate Schätzer, Geometrische Interpretation, Hypothesentests im multiplen Regressionsmodell Praktische Übungen mit Excel und R; Regression Diagnostics, Graphiken, Influential Data Points, Leverage Points, Heteroskedastizität, Autokorrelation, Variablenselektion, Datentransformationen, Regression mit Indikatorvariablen: Kontraste, Stückweise Regression, Ausblick auf fortgeschrittene Techniken der Regression Praxisbeispiele mit R;
Varianzanalyse: Grundmodell der Ein-Faktorenanalyse; multiple Vergleiche; Zweifaktorielle Varianzanalyse (Kreuzklassifikation, Hierarchisches Design) Praxisbeispiele mit R; Theorie Verallgemeinerte Lineare Modelle: Logistische Regression: Das Grundmodell der logistischen Regression mit einer Variablen; Parameterschätzung, Interpretation, Tests und Konfidenzintervalle Praktische Übungen mit R; Multiples Logistische Regression; Parameterschätzung, Interpretation, Tests und Konfidenzintervalle Praktische Übungen mit R; Datenanalytische Aspekte der Logistischen Regression (Variablenselektion, Goodness-of-Fit) Praxisbeispiele mit R; Einführung in das Log-lineare Modell: Analyse von zwei- und dreifachen Kontingenztafeln, Zusammenhang zwischen log-linearem Modell und logistischer Regression Praktische Übungen mit R