generalisiertes lineares Modell

Inhaltsverzeichnis Einleitung Suizidgedanken und -versuche Daten Stichprobenbeschreibung Logistische Regression Warum keine lineare Regression? Grundidee der logistischen Regression Einfache Logistische Regression Mehrere Prädiktoren und Modellvergleiche Klassifikationsgüte Multinomiale Logistische Regression Vorbereitung Modell Vorhesagen und Abbildungen Inferenzstatistik Volle Modelle Abschluss Literatur Einleitung In diesem Beitrag geht es darum, wie wir die Prinzipien der Regression nutzen können, um Vorhersagen auch dann zu ermöglichen, wenn die abhängige Variable nominalskaliert ist.

In diesem Beitrag wird die logistische Regression behandelt, die sich im Falle einer dichotomen abhängigen Variable eignet. Dabei werden der Logit (die Linkfunktion), die Erfolgswahrscheinlichkeit und die Odds erläutert. Es erfolgt ein Vergleich zwischen logistischer Regression und normaler Regressionsanalyse sowie eine Demonstration der logistischen Regressionsanalyse, bei der die Beiträge einzelner Prädiktoren zur Vorhersage untersucht werden.