Die Studierenden sind nach erfolgreicher Absolvierung des Faches in der LageRegressionsmodelle zu formulieren,Parameterschätzungen in Regressionsmodellen durchzuführen und und die Ergebnisse zu interpretieren,geschätzte Modelle auf ihre Voraussetzungen (etwa funktionale Form, Missspezifikation, Heteroskedastizität) zu überprüfen,die theoretischen Grundlagen aus der Vorlesung einzuordnen bzw. anzuwenden.

Übungsaufgaben, Computereinsatz (Statistiksoftware R)

Schätzen und Testen im einfachen und multiplen linearen Regressionsmodell mit metrischen und kategorialen Prädiktoren. Generalisierte lineare Modelle.

- elementare Arithmetik- lineare Algebra (insbesondere Matrizenrechnung)- Grundlagen der Wahrscheinlichkeitsrechnung- Arbeiten mit Verteilungen- R oder ähnliche Skriptsprache

Fahrmeier, Kneib, Lang, Marx (2021): Regression. Models, Methods and Applications (2nd edition). Springer.Fahrmeier, Kneib, Lang (2009): Regression. Modelle, Methoden und Anwendungen. Springer.

Präsentation der Übungsbeispiele an der Tafel und am Computer in R, Projektarbeit.

Übungsaufgaben zum Stoff der Vorlesung.

Die Note ergibt sich ausder Anzahl gekreuzter BeispieleMitarbeit/TafelleistungProjektarbeit