imported>RonMeier: /* Literatur */ Formatierung

2020-02-17T09:30:51Z

Literatur: Formatierung

Neue Seite

'''Logarithmisch-lineare Modelle''', kurz '''Log-lineare Modelle''' gehören zu den [[multivariates Verfahren|multivariaten Verfahren]], die besonders in der Statistik Anwendung finden. Mit log-linearen Modellen werden nominalskalierte Daten analysiert. Durch eine logarithmische [[Liste von Transformationen in der Mathematik|Transformation]] kann man bei der Analyse mehrdimensionaler [[Häufigkeitstabelle]]n das Problem meist anschaulicher darstellen, etwa in dem Sinn, dass [[Haupteffekte]] und Interaktionen einer mehrdimensionalen Häufigkeitstabelle sich linear zusammensetzen lassen.

Man unterscheidet verschiedene log-lineare Verfahren:
* Als '''generelle log-lineare Modelle''' bezeichnet man Verfahren, die ungerichtete Zusammenhänge zwischen nominalskalierten Daten untersuchen.
* [[Logit-Modell]]e untersuchen den gerichteten Zusammenhang zwischen einer abhängigen nominalskalierten Variablen und anderen unabhängigen Variablen.

Log-lineare Modelle bieten die Möglichkeit der sogenannten [[Gesättigtes Modell|saturierten]] und nichtsaturierten Datenanalyse.

== Literatur ==
* A. Agresti: ''An introduction to categorial data analysis.'' Wiley, New York u. a. 1996, ISBN 0-471-11338-7, Kapitel 6.
* Y. M. Bishop, S. E. Fienberg, P. W. Holland: ''Discrete Multivariate Analysis. Theory and Practice.'' 12. Auflage. MIT Press, Cambridge 1995, ISBN 0-262-52040-0.
* B. Everitt: ''The Analysis of Contingency Tables.'' New York 1997, S. 80–107.
* L. Fahrmeir, A. Hamerle: ''Multivariate statistische Verfahren.'' de Gruyter, Berlin u. a. 1984, ISBN 3-11-008509-7, Kapitel 10.

[[Kategorie:Multivariate Statistik]]
[[Kategorie:Regressionsmodell]]
[[Kategorie:Verallgemeinerte lineare Modelle]]

Logarithmisch-lineares Modell - Versionsgeschichte

imported>RonMeier: /* Literatur */ Formatierung