Programm-Codes für die statistische Software R

Einige R-Funktionen, die sich zur Modellmittelung bzw. zur Datenimputation als nützlich erweisen können:

• Eine Funktion, die den Schätzer nach Hansen (2007) berechnet: Die Parameterschätzungen mehrerer, verschachtelter linearer Modelle werden so miteinander kombinert, dass die zugehörige gewichtete Schäzung optimal im Sinne von Hansen ist. Ein Beispiel zur Verwendung der Funktion befindet sich hier.
• Eine Funktion, die Regressionsmodelle auf Basis des Akaike Informationskriteriums gewichtet und miteinander kombiniert. Die Idee geht zurück auf Buchkland, Burnham und Augustin (1997); ein Beispiel zur Verwendung der Funktion befindet sich hier.
• Eine Funktion, die das Informationskriterium von Akaike für fehlende Daten adjustiert. Die Idee geht zurück auf Hens, Aerts und Molenberghs (2006) und verwendet die vollständigen Beobachtungen - gewichtet nach ihrer inversen Auswahlwahrscheinlichkeit. Die Funktion kann für lineare und logistische Regressionsmodelle verwendet werden. Ein Beispiel zur Verwendung befindet sich hier.
• Eine Funktion, die die fehlenden Beobachtungen einer Datenamtrix auffüllt. Die Methode "gam" verwendet hierfür generalisierte additive Modelle, und kann als eine Art Verallgemeinerung der allseits bekannten Regressionsimputation angesehen werden. Es können mehrere Werte je Zeile fehlen; der genaue Algorithmus wird demnächst hier bereitgestellt. Eine Illustration zur Verwendung der Funktion befindet sich hier.

1. Buckland, S.T., Burnham, K.P., Augustin, N.H. (1997) Model selection: an integral part of inference. Biometrics 53:603-618
2. Hansen, B.E. (2007) Least squares model averaging. Econometrica 75:1175-1189
3. Hens, N., Aerts, M., Molenberghs G. (2006) Model selection for incomplete and design-based samples. Statistics in Medicine 25:2502-2520

Zurück zur Studienübersicht