Kurse: Kursinformationen

de  Regression

Kursleitung: Prof. Dr. Rolf Steyer

Wintersemester 2019/2020, Kurs, Sprache: Deutsch, Thema: Wahrscheinlichkeit und Regression

Um die Videos anzuschauen, benötigen Sie den VLC Player VLC media player, den Sie hier herunterladen können. Die Videos werden bereitgestellt über die Digitale Bibliothek Thüringen Digitale Bibliothek Thüringen (dbt). Die grün verlinkten Videos und Materialien sind kostenfrei abrufbar. Klicken Sie auf den grünen Link, um das Video zu sehen oder die Datei herunterzuladen! Um alle Materialien und Videos abrufen zu können, müssen Sie sich einloggen.

 

Zur Live-Übertragung (dort bitte den Livestream aus Hörsaal E028 auswählen)



Datum Thema Video Material
15.10.2019
  1. Bedingter Erwartungswert
  2. Rechenregeln für bedingte Erwartungswerte
  3. Bedingte Erwartung
  4. Regression
  5. Joe-Ann-Beispiel
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
22.10.2019
  1. Joe-Ann-Beispiel mit Selbstselektion mit Anmerkungen zur kausalen Interpretierbarkeit von bedingten Erwartungen
  2. Rechenregeln für bedingte Erwartungen
  3. Residuum und seine Eigenschaften
  4. Determinationskoeffizient
  5. Multiple Korrelation
  6. Mathematische Definition einer diskreten bedingten Erwartung
Video (Stream)

Video (Download; VLC Player)
Tafelbilder
29.10.2019
  1. Lineare Parametrisierung einer bedingten Erwartung
  2. Regressive Unabhängigkeit
  3. Identifikation von Achsenabschnitt und Steigung
  4. Determinationskoeffizient
  5. Interpretation der Regressionsparameter in Abhängigkeit der Wahl des Regressors (Werte 0 und 1 versus Werte -1 und 1)
  6. Lineare Quasi-Regression definiert über die Eigenschaften der Residualvariablen
  7. Lineare Quasi-Regression definiert über die Mean-Square-Error-Funktion
  8. Lineare Quasi-Regression bei umgekehrt U-förmiger regressiver Abhängigkeit
  9. Prüfung der Linearität einer Regression
  10. Polynomiale Parametrisierung einer bedingten Erwartung
  11. Zellenmittelwert-Parametrisierung Parametrisierung mit einer Referenzbedingung Determinationskoeffizient einer linearen Quasi-Regression
  12. Grundidee und F-Testformel für den R^2-Differenzentest
Video (Stream)

Video (Download; VLC Player)
Folien 1
Folien 2

Tafelbilder
12.11.2019
  1. Logit-Transformation von Wahrscheinlichkeiten
  2. Logistische lineare Regression
  3. Logistische nicht-lineare Regression
  4. Analyse der bedingten Erwartung E(Y|X) mit den XYZ-Daten
  5. Analyse der bedingten Erwartung E(Y|Z)
  6. Streudiagramm von Z und Y
  7. Analyse einer polynomialen Parametrizsierung der bedingten Erwartung E(Y|Z)
  8. Streudiagramme von Z und Y in beiden Treatmentbedingungen
  9. Analyse der bedingten bedingten Erwartungen E(Y|X=x, Z) in beiden Treatmentbedingungen
  10. Logistische lineare Regression der Treatmentvariablen X auf Z
  11. Graphik der bedingten Wahrscheinlichkeit P(X=1|Z)
  12. Analyse der bedingten Erwartung E(Y - Z|X)
  13. Streudiagramm von Y - Z und X
  14. Analyse der bedingten Erwartung E(Y|X, Z) mit einer bedingten linearen Parametrisierung
Video (Stream)

Video (Download; VLC Player)
Datensatz

Tafelbilder
19.11.2019
  1. Graph für die bedingte Wahrscheinlichkeit P(X=1|Z) (Wiederholung)
  2. Unter welchen Voraussetzungen ist es sinnvoll, den Erwartungswert E[g1(Z)] zu betrachten?
  3. Berechnung der Schätzungen der bedingten Erwartungswerte E[g1(Z)|X=0] und E[g1(Z)|X=1]
  4. Berechnung der 10000 Werte der Schätzungen der Zufallsvariablen E(Y|X=0, Z) und E(Y|X=1, Z)
  5. Interpretation der Werte der Schätzungen der Zufallsvariablen E(Y|X=0, Z) und E(Y|X=1, Z)
  6. Prüfung der Linearität der Parametrisierungen von E(Y|X=0, Z) und E(Y|X=1, Z) mit Streudiagrammen
  7. Prüfung der Linearität der Parametrisierungen von E(Y|X=0, Z) und E(Y|X=1, Z) durch eine quadratische Parametrisierungen
Video (Stream)

Video (Download; VLC Player)
Datensatz

Tafelbilder
26.11.2019
  1. Zweifache lineare Regression
  2. Zweifache lineare regressive Abhängigkeit
  3. Partielle bedingte Erwartung
  4. Eigenschaften des Residuums
  5. Identifikation der Regressionskoeffizienten
  6. Spezielle Bedeutung der Regressionskoeffizienten bei binären Regressoren
  7. Bedingungen für die Invarianz des Regressionskoeffizienten
  8. Zweifache lineare Quasi-Regression
  9. Beispiel: Treatment und Vortest beim Kirchmann-Datensatz
Video (Stream)

Video (Download; VLC Player)
Folien
Datensatz

Tafelbilder
03.12.2019
  1. Bedingte lineare Regression
  2. Beispiel: Baldwin-Täuschung und die das Stevenssche Potenzgesetz
  3. Hypothese: Das Potenzgesetz gilt bei konstantem Kontext-Serienreiz-Verhältnis
  4. Diese Hypothese als bedingte lineare Regression und als lineare multiple Regression
  5. Spezifikation der g-Funktionen mit Indikatorvariablen
  6. Saturiertes Modell via Einfaktorielle Anova
  7. R-Quadrat-Differenzentest
Video (Stream)

Video (Download; VLC Player)
Folien
SPSS-Output