Generalisierte lineare Modelle

Question 1

Generalized linear Modell

Answer 1

Das Verallgemeinerte lineare Modell

Ermöglicht über das Argument family die Modellierung von Response Variablen unterschiedlicher Verteilungen

Kann über link Funktionen eine Beziehung zwischen Response und Modell herstellen

Question 2

von Response Variablen unterschiedlicher Verteilungen

Answer 2

nicht nur Normalverteilte abhängige Variablen sondern auch Poisson-Verteilte oder Binomialverteilte (0 und 1)

Question 3

Link bei logistischer Regression

Answer 3

Logistische Regression: ein GLM mit
Logit Link

durch LogitLink ist es eine S-Kurve (immer bei Logistischem Regressionsmodell)

Question 4

Poisson-Verteilung

Answer 4

Die Poisson Verteilung gehört zu den diskreten Verteilungen. Sie wird vor allem dann gebraucht, wenn in einem Zufallsexperiment die Häufigkeit eines Ereignisses über eine gewisse Zeit betrachtet wird. (Zähldaten)

Question 5

Link-Funktion

Answer 5

Funktion beschreibt die Art und Weise, in der die abhängige Variable von der erklärenden abhängt

Logit Link: e^y /( e^y)

y= linearer Prädiktor (kleines Regressionsmodell)

Question 6

Modellgüte bei GLM

Answer 6

Ein GLM nutzt nicht OLS ( ordinary least squares ), sondern Maximum Likelihood zur Parameter Schätzung, daher Deviance statt Variance

Question 7

Null-Deviance

Answer 7

äquivalent zu Total Sum of Squares -> dies ist die Abweichung/ Fehlersumme des schlechtesten (unwahrscheinlichsten) Modells

Question 8

Residual Deviance

Answer 8

äquivalent zu Residual Sum of Squares
Residual
Deviance eines Modells sollte möglichst klein sein! -> nicht erklärter Anteil der Streuung