Wirtschaftswissenschaftliche Fakultät

Suche

Modellierung von Zähldaten


Ansprechpartner: Prof. Dr. Yarema Okhrin

 

In zahlreichen Anwendungen eines Regressionsmodells ist die abhängige Variable nicht stetig/metrisch, sondern nimmt bestimmte diskrete Werte an, z.B. Kauf vs. Nicht-Kauf, die Anzahl der Abrufe einer Webseite pro
Stunde, die Anzahl der Transaktionen pro Minute, die Anzahl Produkte, die dem Kunden zur Auswahl stehen usw. Die Modellierung solcher Daten verlangt andere Ansätze als die klassische Regression. Bei binären Variablen (zahlungsfähig vs. zahlungsunfähig; Kauf vs. Nicht-Kauf) verwendet man die logistische Regression; bei nominal Variablen (Wahl eines von mehreren Produkten; Wahl einer bestimmten politischen Partei) kommt die nominale Regression zum Einsatz; bei seltenen Ereignissen (Anzahl der Kunden pro Stunde, Anzahl der Schadensfälle, usw.) wird die Poisson-Regression verwendet. Im Rahmen der Arbeit wird ein Modell erlernt und auf die Modellierung der empirischen Daten angewendet.

 

Literatur:

A. Colin Cameron und Pravin K. Trivedi (2005), Microeconometrics: Methods and Applications, Cambridge University Press

Klaus Backhaus, Bernd Erichson, Wulff Plinke und Rolf Weiber von Springer (2010), Multivariate Analysemethoden: Eine anwendungsorientierte Einführung, Springer Lehrbuch

Gerhard Tutz (2011), Regression for categorical data, Cambridge University Press