Produktbild: Regressions- und Korrelationsanalyse

Regressions- und Korrelationsanalyse Grundlagen — Methoden — Beispiele

54,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.01.1992

Verlag

Betriebswirtschaftlicher Verlag Gabler

Seitenzahl

370

Maße (L/B/H)

22,9/15,2/2,1 cm

Gewicht

555 g

Auflage

Softcover reprint of the original 1st ed. 1992

Sprache

Deutsch

ISBN

978-3-409-13019-6

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.01.1992

Verlag

Betriebswirtschaftlicher Verlag Gabler

Seitenzahl

370

Maße (L/B/H)

22,9/15,2/2,1 cm

Gewicht

555 g

Auflage

Softcover reprint of the original 1st ed. 1992

Sprache

Deutsch

ISBN

978-3-409-13019-6

Herstelleradresse

Gabler, Betriebswirt.-Vlg
Abraham-Lincoln-Str. 46
65189 Wiesbaden
DE

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

Weitere Artikel findest du in

  • Produktbild: Regressions- und Korrelationsanalyse
  • Inhaltsvrzeichnis.- 1. Grundbegriffe der Regressions- und Korrelationsanalyse.- 1. 1. Abhängigkeiten und Zusammenhänge.- 1. 2. Begriff der Regression.- 1. 3. Begriff der Korrelation.- 1. 4. Aufgaben der Korrelations- und Regressionsanalyse.- 1. 5. Historische Entwicklung der Korrelations- und Regressionsanalyse.- 2. Lineare Regression.- 2. 1. Streuungsdiagramm.- 2. 2. Methode der bedingten Mittelwerte.- 2. 3. Einfache lineare Regression.- 2. 3. 1. Regressionsgerade nach der Methode der kleinsten Quadrate (nicht gruppiertes Material).- 2. 3. 2. Regressionsgerade bei gruppierten Daten.- 2.4. Multiplelineare Regression.- 2. 5. Partiellelineare Regression.- 2. 6. Voraussetzungen der Regressionsschätzungen.- 2. 7. Eigenschaften der Regressionsschätzungen.- 2. 8. Gesichtspunkte der praktischen Regressionsanalyse.- 3. Güte der Regression.- 3. 1. Bestimmtheit der Regression.- 3. 1. 1. Einfache Bestimmtheit.- 3. 1. 2. Multiple Bestimmtheit.- 3. 1. 3. Partielle Bestimmtheit.- 3. 1. 4. Innere Bestimmtheit.- 3. 2. Standardfehler.- 4. Lineare Korrelation.- 4. 1. Einfachelineare Korrelation.- 4. 1. 1. Einfachelineare Korrelation bei nichtgruppierten Angaben.- 4. 1. 2. Einfachelineare Korrelation bei gruppierten Angaben.- 4. 1. 3. Beziehungen zwischen einfachem Korrelationskoeffizienten, Regressionskoeffizient und Bestimmtheitsmaß.- 4. 1. 4. Korrelationsindex von Fechner.- 4. 2. Multiplelineare Korrelation.- 4. 3. Partiellelineare Korrelation.- 4. 4. Beziehungen zwischen multipler und partieller Korrelation, Regression und Bestimmtheit.- 4. 5. Beeinflussung des Korrelationskoeffizienten durch Nebenfaktoren.- 4. 6. Korrelationsverhältnis.- 5. Zuverlässigkeit von Schätzungen der Regressions- und Korrelationsanalyse.- 5. 1. Verteilung von Regressions- und Korrelationskoeffizienten.- 5. 2. Intervallschätzung.- 5. 2. 1. Konfidenzintervallefür die Regressionsparameter.- 5. 2. 2. Konfidenzintervallefür die Korrelationskoeffizienten.- 5. 2. 3. Konfidenzinterval le für die Regreßwerte.- 5. 2.4. Konfidenzintervallfür einen Wert der Variableny.- 5. 3. Statistische Prüfung von Hypothesen über Parameter der Regressions- und Korrelationsanalyse.- 5. 3. 1. Statistische Prüfung von Hypothesen überlinearen Korrelationskoeffizienten.- 5. 3. 2. Statistische Prüfung von Hypothesen über Bestimmtheitsmaße.- 5. 3. 3. Statistische Prüfung von Hypothesen über Regressionsparameter.- 5.4. Statistische Prüfung der Linearität einer Regressionsfunktion.- 6. Multikollinearität.- 7. Regression und Korrelation von Zeitreihen.- 7. 1. Modell der Zeitreihenregression.- 7. 2. Autokorrelation der Variablen.- 7. 3. Autokorrelation der Residuen.- 8. Heteroskedastizität.- 9. Zusammenfassendes Beispiel.- 10. Interdependente Beziehungen in der Regressionsanalyse.- 10. 1. Al lgemeine Einführung.- 10. 2. Die Variablen in einem Regressionsmodell.- 10. 3. Arten von Regress ionsmodellen.- 10. 4. Das Identifikationsproblem.- 10. 5. Wichtige Model lannahmen.- 10. 6. Schätzmethoden für Regressionsmodel le.- 10. 6. 1. Methode der kleinsten Quadrate.- 10. 6. 2. Indirekte Methode der kleinsten Quadrate.- 10. 6. 3. Zweistufige Methode der kleinsten Quadrate.- 11. Nichtlineare Regression.- 11. 1. Einfache nichtlineare Regression.- 11. 1. 1. Einfache nichtlineare Regression bei nichtgruppierten Daten.- 11. 1. 2. Einfache nichtlineare Regression bei gruppierten Daten.- 11. 2. Multiple nichtlineare Regression.- 12. Nichtlineare Korrelation.- 12. 1. Einfache nichtlineare Korrelation.- 12. 1. 1. Einfache nichtlineare Korrelation bei nichtgruppierten Daten.- 12. 1. 2. Einfache nichtlineare Korrelation bei gruppierten Daten.- 12. 2. Multiple nichtlineare Korrelation.- 12. 3. Beziehungen zwischen dem linearen Korrelationskoeffizienten, dem al lgemeinen Korrelationskoeffizienten und dem Korrelationsverhältnis.- 13. Messung des Zusammenhanges von nominal- und ordinalskalierten Variablen.- 13. 1. Zusammenhangsmaße für wenigstens ordinalskalierte Variable.- 13. 1. 1. Rangkorrelationskoeffizient von Spearman.- 13. 1. 2. Rangkorrelationskoeffizient von Kendall.- 13. 1. 3. Konkordanzkoeffizient von Kendall.- 13. 2. Zusammenhangsmaßefür nominalskal ierte Variable.- 13. 2. 1. Kontingenzkoeffizient 31.- 13. 2. 2. Assoziationsmaß.- 13. 2. 3. Zweizei len-Korrelation.- Tafel 1: Dichtefunktion der Standardnnrmalverteilun.- Tafel 2: Verteilungsfunktion der Standardnormalverteilung.- Tafel 4: t-Verteilung.- Tafel 5: Chi-Quadrat-Verteilung.- Tafel 6: Zufallshöchstwerte des Korrelationskoeffizienten.- Tafel 7: Verteilung des zyklischen Autokorrelationskoeffizienten.- Tafel 8: Autokorrelation nach Durbin-Watson.- Stichwortverzeichnis.