Verzeichnis der Abschlussarbeiten

Die Modellselektion ist der Bereich der Statistik, welcher Wissenschaftlern eine Möglichkeit bietet ein Modell für die Analyse von Rohdaten zu geben. Dabei ist die Wahl eins geeigneten Modells entscheidend, da mit der Wahl eines geeigneten Modells die jeweilige Theorie einer wissenschaftlichen Forschung unterstützt werden kann. In der wissenschaftlichen Praxis stehen hierfür diverse Ansätze zur Verfügung. Die Modellselektion bietet, mit diversen Ansätzen, einen Anhaltspunkt, wie Modelle selektiert werden können, um die vorhandenen Daten zu analysieren und in der Folge die Theorie zu verifizieren bzw. falsifizieren. Hierbei stehen Wissenschaftlern diverse Ansätze und Selektionskriterien zur Verfügung, welche die Wissenschaftler dabei unterstützen können, ein geeignetes Modell für die Analyse der Daten zu selektieren. Die Selektion kann dabei mittels Tests und der Richtung der Modellselektion, mittels diversen mittels Shrinkageansätzen oder auf Basis eines Informationskriteriums erfolgen. Die Wahl eines Informationskriteriums findet in der Folge Anwendung in einer Regressionsanalyse. Dabei stehen dem Wissenschaftler diverse univariate und multivariate Regressionsmodelle zur Verfügung. Falls die Daten von Kollinearität gekennzeichnet sind, sollten Verfahren, wie die Ridge Regression oder die LASSO Regression den linearen Regressionsmodellen bevorzugt werden.

The model selection is the area of statistics, giving scientists the opportunity to choose a model for the analysis of raw data. It is necessary to choose an appropriate model, since choosing an appropriate model can support the associated theory of scientific research. Various approaches are available for this in scientific practice. The model selection offers, with various approaches, an indication of how models can be selected in order to analyze the existing data and subsequently verify or falsify the theory. Herefore, scientists have a wide range of approaches and selection criteria that support them in analysing the data. The selection can be done by tests and the direction of the model selection, diverse shrinkage approaches or based on an information criterion. The choice of an information criterion is subsequently used in a regression analysis. The scientist has therefore a variety of univariate and multivariate regression models available. If the data suffer from collinearity, methods such as the ridge regression or the LASSO regression should be preferred over the linear regression models