„Additives Modell“ – Versionsunterschied
+ |
(kein Unterschied)
|
Version vom 22. Oktober 2019, 11:50 Uhr
Diese Baustelle befindet sich fälschlicherweise im Artikelnamensraum. Bitte verschiebe die Seite oder entferne den Baustein {{Baustelle}} .
|
In der Statistik ist ein additives Modell (AM) ein nichtparametrisches Regressionsmodell. Es wurde durch Jerome H. Friedman und Werner Stuetzle (1981)[1] vorgeschlagen. Das additive Modell verwendet einen eindimensionalen Glätter, um eine eingeschränkte Klasse von nichtparametrischen Regressionsmodellen zu bilden. Daher ist das Modell weniger durch den Fluch der Dimensionalität betroffen als beispielsweise ein p-dimensionaler Glätter. Das AM ist flexibler als gewöhnliche lineare Regressionsmodelle. Probleme die beim additiven Modell auftreten können sind Überanpassung und Multikollinearität.
Das Modell
Gegeben seien die Beobachtungen einer kontinuierlichen Antwortvariablen und erklärenden Variablen , deren Effekte auf die Antwortvariable durch einen linearen Prädiktor modelliert werden können. Zusätzlichen liegen die Beobachtungen einer kontinuierlichen erklärenden Variablen vor, deren Effekte nichtparametrisch analysiert und modelliert werden. Additive Modell sind dann definiert durch:
- ,
wobei für die linearen Prädiktoren und gilt.
Die Funktionen stellen die nichtlinearen Glättungseffekte der erklärenden Variablen dar und werden mittels nichtparametrischer Verfahren modelliert und geschätzt. Die gleichen Annahmen bzgl. der Störgrößen wie beim klassischen linearen Modell werden getroffen. Bei additiven Modellen tritt das Identifikationsproblem auf.
Siehe auch
Literatur
- Ludwig Fahrmeir, Thomas Kneib, Stefan Lang: Regression: Modelle, Methoden und Anwendungen. 2. Auflage. Springer Verlag, 2009, ISBN 978-3-642-01836-7.
- ↑ Friedman, J.H. und Stuetzle, W. (1981). Projection Pursuit Regression, Journal of the American Statistical Association 76:817–823. doi:10.1080/01621459.1981.10477729