Courses: Course information

de  Regression

Speakers: Prof. Dr. Rolf Steyer

Winter term 2019/2020, Course, Language: German, Topic: Wahrscheinlichkeit und Regression

In order to view the videos, you need the VLC Player VLC media player which you can download here. The videos are hosted at the Digitale Bibliothek Thüringen Digitale Bibliothek Thüringen (dbt). The green linked videos and materials are for free. Click the green link to watch the video or download the file! In order to access all materials and videos, you need to log in.

 

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

Tafelbild 01
Tafelbild 02
10.12.2019
  1. g-Funktionen im 3 x 3-Nonortho-Beispiel
  2. Parametrisierung der g-Funktionen mit Indikatorvariablen
  3. Bedeutung der Parameter in dieser Parametrisierung
  4. Bedingte und durchschnittliche Effekte im Nonortho-Beispiel
  5. Nonorthogonale ANOVA nach Typ I, II, und III mit den aus diesem Beispiel erzeugten Daten
  6. Lineare Regressionsanalyse der Nonortho-Daten
  7. Test der Hypothese: Es gibt gar keinen Treatment-Effekt als R-Quadrat-Differenzen-Test
Video (Stream)

Video (Download; VLC Player)
Datensatz
(aktualisiert am 20.12.2019)

Tafelbild
17.12.2019
  1. Bedingte Kovarianz
  2. Bedingte Varianz
  3. Rechenregeln für bedingte Varianzen und Kovarianzen
  4. Bedingte Korrelation
  5. Partialkorrelation
  6. Joe-Ann-Beispiel
Video (Stream)

Video (Download; VLC Player)
Datensatz

Tafelbild
(aktualisiert am 20.12.2019)

07.01.2020
  1. Matrizenrechnung
  2. Arten von Matrizen (Symmetrische Matrix, Diagonalmatrix, etc.)
  3. Matrizenoperationen (Addieren, Multiplizieren, etc.)
  4. Inverse einer Matrix
  5. Rang einer Matrix
  6. Rang und Invertierbarkeit einer Matrix
  7. Rechenregeln für Matrizen
  8. Erwartungswertvektoren und Rechenregeln
  9. Kovarianzmatrix
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbild 01
Tafelbild 02
14.01.2020
  1. Rechenregeln für Kovarianzmatrizen
  2. Multiple lineare Regression: Allgemeine Definition
  3. Einige Spezialfälle
  4. Eigenschaften des Residuums
  5. Darstellung in Vektornotation
  6. Identifikation des Achsenabschnitts
  7. Identifikation der partiellen Regressionskoeffizienten
  8. Multipler Determinationskoeffizient
  9. Multiple lineare Quasi-Regression: Zwei äquivalente Definitionen
  10. Multipler Determinationskoeffizient einer multiplen linearen Quasi-Regression
  11. Statistische Regressionsmodelle mit stochastischen Regressoren
  12. Das Allgemeine Lineare Modell
  13. Modellannahmen
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder