Kalisch, Markus <br/><br/>
Logistische Regression : Eine anwendungsorientierte Einführung mit R 

 -  Springer Nature  2021 
 - 1 electronic resource (60 p.) 
<br/><br/> Open Access 
<br/><br/> Dieses Open-Access-Buch gibt eine anwendungsorientierte Einführung in die logistische Regression. Ausgehend von Grundkenntnissen der linearen Regression wird diese zuerst als zweistufiges Modell interpretiert, was den Übergang zur logistischen Regression vereinfacht. Neben einer kompakten Einführung der entsprechenden Theorie liegt der Fokus auch auf der Umsetzung mit der Statistiksoftware R und der richtigen Formulierung der entsprechenden Ergebnisse. Alle Schritte werden anhand zahlreicher Beispiele illustriert. Hinzu kommt eine Einführung in die Klassifikation mit den entsprechenden Begriffen. 
<br/><br/><br/>Creative Commons 
<br/><br/><br/>German 
<br/><br/><label>ISBN: </label>978-3-658-34225-8 9783658342258 
<br/><br/><label>Standard No.: </label>10.1007/978-3-658-34225-8  doi 
<br/><br/><label>Subjects--Topical Terms: </label><br/>Probability & statistics
<br/><br/><label>Subjects--Index Terms: </label>Logistische Regression in R Logit-Modell Regressionsanalyse Zweistufiges Modell Binäre Variablen Log-Odds Wahrscheinlichkeit Maximum-Likelihood Klassifikation