2018 | OriginalPaper | Buchkapitel
Nichtlineare Regression
verfasst von : Klaus Backhaus, Bernd Erichson, Wulff Plinke, Rolf Weiber
Erschienen in: Multivariate Analysemethoden
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Die Nichtlineare Regression wird in diesem Kapitel auf sieben Seiten in den wesentlichen Grundzügen vorgestellt. Dabei werden die mittels Nichtlinearer Regression zu behandelnden Problemstellungen (z. B. die Vorgehensweise bei der Schätzung eines Wachstumsmodells) skizziert und die Umsetzung mit IBM SPSS kurz aufgezeigt. Mit Hilfe der Nichtlinearen Regression lassen sich nahezu beliebige Modellstrukturen schätzen. Anwendungen finden sich z. B. im Rahmen der Werbewirkungsforschung, in der Marktforschung oder bei der Untersuchung von Wachstumsmodellen. Allerdings können die Modellschätzungen aufgrund der nicht linearen Modellstrukturen nur mit Hilfe von iterativen Algorithmen berechnet werden. Ob diese Algorithmen konvergieren, hängt u. a. davon ab, welche Startwerte der Untersucher vorgibt. Es werden somit auch erhöhte Anforderungen an den Anwender gestellt. Die statistischen Tests, die bei der linearen Regressionsanalyse zur Prüfung der Güte des Modells oder der Signifikanz der Parameter verwendet werden, sind für die Nichtlineare Regression nicht anwendbar.Eine ausführliche Darstellung der Nichtlinearen Regression mit der Berechnung eines umfangreichen Fallbeispiels findet der Leser in dem Buch von: Backhaus, K./Erichson, B./ Weiber, R.: Fortgeschrittene Multivariate Analysemethoden, 3. Aufl., Berlin Heidelberg 2016.