Logistische Regression Eine anwendungsorientierte Einführung mit R /

• Main Authors: Kalisch, Markus (Author), Meier, Lukas (Author)
• Corporate Author: SpringerLink (Online service)
• Format: Electronic eBook
• Language: German
• Published: Wiesbaden : Springer Fachmedien Wiesbaden : Imprint: Springer Spektrum, 2021.
• Edition: 1st ed. 2021.
• Series: essentials,
• Subjects: Regression analysis.; Linear Models and Regression.
• Online Access: Link to Metadata

Summary

Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen. Der Inhalt Begriffe der Odds, Log-Odds, Odds-Ratio Logistische Regression: Theorie, Umsetzung mit R und Interpretation Verwendung der logistischen Regression zur Klassifikation Die Zielgruppen Statistikanwender aus allen Fachbereichen mit Grundkenntnissen der linearen Regression Die Autoren Dr. Markus Kalisch und Dr. Lukas Meier lehren und forschen am Seminar für Statistik an der ETH Zürich. Zusammen leiten sie den statistischen Beratungsdienst, eine hochschulweite Anlaufstelle für alle statistischen Fragestellungen.

Physical Description

XII, 60 S. 13 Abb. online resource.

ISBN

9783658342258

ISSN

2197-6716

DOI

10.1007/978-3-658-34225-8

Access

Open Access