Lineare Regression mit linearen Parameterrestriktionen (PDF)
Diplomarbeit aus dem Jahr 2006 im Fachbereich BWL - Allgemeines, Note: 1,3, Universität Augsburg (Planung und Entscheidung), Sprache: Deutsch, Abstract: Die Regressionsanalyse ist eine äußerst vielseitig anwendbare und daher bedeutende statistische...
sofort als Download lieferbar
eBook (pdf)
29.99 €
- Lastschrift, Kreditkarte, Paypal, Rechnung
- Kostenloser tolino webreader
Produktdetails
Produktinformationen zu „Lineare Regression mit linearen Parameterrestriktionen (PDF)“
Diplomarbeit aus dem Jahr 2006 im Fachbereich BWL - Allgemeines, Note: 1,3, Universität Augsburg (Planung und Entscheidung), Sprache: Deutsch, Abstract: Die Regressionsanalyse ist eine äußerst vielseitig anwendbare und daher bedeutende statistische Methodik. Sie ndet neben der Ökonomie in zahlreichen anderen
Wissenschaftsgebieten wie etwa der Soziologie und Psychologie, der Politologie
aber auch in der experimentellen Forschung der naturwissenschaftlichen Disziplinen Verwendung (Gruber, 1997, S. 3). Regressionsmodelle dienen ganz allgemein zur Untersuchung von Beziehungen, die zwischen irgendwelchen beobachtbaren Größen bestehen bzw. bestehen können. Es wird eine Masse an Daten gebraucht, um die Existenz der vermuteten Zusammenhänge zwischen den Variablen nachzuweisen. Dabei wird auf Einzelphänomene in der Datenmasse keine Rücksicht oder Bezug genommen. Im Gegensatz zur Korrelationsanalyse, welche die Stärke des Zusammenhangs zweier Variablen erfaßt ohne eine Aussage bzgl. einer Wirkungsrichtung zu treffen baut die Regressionsanalyse auf der Annahme über eine einseitig funktionale Beziehung auf, deren Herleitung es in der Praxis sachlogischer Überlegungen bedarf (Fahrmeier, 1999, S. 152). Ein sogenanntes ökonometrisches Modell ergibt sic somit durch die wirtschaftstheoretische Fundierung eines rein formalen Regressionsmodells (vgl. Gruber (1997, S. 2 f.)) oder anders herum gesehen durch die Ausstattung eines Theoriegerüstes ökonomischer Kausalbeziehungen mit diversen stochastischen Prämissen (vgl. Judge (1988, S. 175)). Die Arbeit widmet sich dem Fall der verallgemeinerten, multiplen Regression.
Wissenschaftsgebieten wie etwa der Soziologie und Psychologie, der Politologie
aber auch in der experimentellen Forschung der naturwissenschaftlichen Disziplinen Verwendung (Gruber, 1997, S. 3). Regressionsmodelle dienen ganz allgemein zur Untersuchung von Beziehungen, die zwischen irgendwelchen beobachtbaren Größen bestehen bzw. bestehen können. Es wird eine Masse an Daten gebraucht, um die Existenz der vermuteten Zusammenhänge zwischen den Variablen nachzuweisen. Dabei wird auf Einzelphänomene in der Datenmasse keine Rücksicht oder Bezug genommen. Im Gegensatz zur Korrelationsanalyse, welche die Stärke des Zusammenhangs zweier Variablen erfaßt ohne eine Aussage bzgl. einer Wirkungsrichtung zu treffen baut die Regressionsanalyse auf der Annahme über eine einseitig funktionale Beziehung auf, deren Herleitung es in der Praxis sachlogischer Überlegungen bedarf (Fahrmeier, 1999, S. 152). Ein sogenanntes ökonometrisches Modell ergibt sic somit durch die wirtschaftstheoretische Fundierung eines rein formalen Regressionsmodells (vgl. Gruber (1997, S. 2 f.)) oder anders herum gesehen durch die Ausstattung eines Theoriegerüstes ökonomischer Kausalbeziehungen mit diversen stochastischen Prämissen (vgl. Judge (1988, S. 175)). Die Arbeit widmet sich dem Fall der verallgemeinerten, multiplen Regression.
Bibliographische Angaben
- Autor: Ronny Schönborn
- 2010, 1. Auflage, 69 Seiten, Deutsch
- Verlag: GRIN Verlag
- ISBN-10: 3640663748
- ISBN-13: 9783640663743
- Erscheinungsdatum: 19.07.2010
Abhängig von Bildschirmgröße und eingestellter Schriftgröße kann die Seitenzahl auf Ihrem Lesegerät variieren.
eBook Informationen
- Dateiformat: PDF
- Größe: 0.75 MB
- Ohne Kopierschutz
- Vorlesefunktion
Kommentar zu "Lineare Regression mit linearen Parameterrestriktionen"
0 Gebrauchte Artikel zu „Lineare Regression mit linearen Parameterrestriktionen“
Zustand | Preis | Porto | Zahlung | Verkäufer | Rating |
---|
Schreiben Sie einen Kommentar zu "Lineare Regression mit linearen Parameterrestriktionen".
Kommentar verfassen