Regressionsmodelle View Full Text


Ontology type: schema:Chapter     


Chapter Info

DATE

2007

AUTHORS

Ludwig Fahrmeir , Thomas Kneib , Stefan Lang

ABSTRACT

Alle im vorigen Kapitel beschriebenen Problemstellungen besitzen eine wesentliche Gemeinsamkeit: Eigenschaften einer Zielvariablen y sollen in Abhängigkeit von Kovariablen x 1, ..., x k beschrieben werden. Dabei werden die Zielvariable auch als abhängige Variable und die Kovariablen als erklärende Variablen oder Regressoren bezeichnet. Die behandelten Modelle unterscheiden sich im Wesentlichen durch unterschiedliche Typen von Zielvariablen (stetig, binär, kategorial oder Zählvariablen) und verschiedene Arten von Kovariablen, die ebenfalls stetig, binär oder kategorial sein können. In komplexeren Modellen können auch Zeitskalen, Variablen zur Beschreibung der räumlichen Anordnung der Daten oder Gruppierungsvariablen als Kovariablen auftreten. More... »

PAGES

19-58

Book

TITLE

Regression

ISBN

978-3-540-33932-8

Identifiers

URI

http://scigraph.springernature.com/pub.10.1007/978-3-540-33933-5_2

DOI

http://dx.doi.org/10.1007/978-3-540-33933-5_2

DIMENSIONS

https://app.dimensions.ai/details/publication/pub.1040805264


Indexing Status Check whether this publication has been indexed by Scopus and Web Of Science using the SN Indexing Status Tool
Incoming Citations Browse incoming citations for this publication using opencitations.net

JSON-LD is the canonical representation for SciGraph data.

TIP: You can open this SciGraph record using an external JSON-LD service: JSON-LD Playground Google SDTT

[
  {
    "@context": "https://springernature.github.io/scigraph/jsonld/sgcontext.json", 
    "author": [
      {
        "familyName": "Fahrmeir", 
        "givenName": "Ludwig", 
        "id": "sg:person.0661512671.36", 
        "sameAs": [
          "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.0661512671.36"
        ], 
        "type": "Person"
      }, 
      {
        "familyName": "Kneib", 
        "givenName": "Thomas", 
        "id": "sg:person.01272020411.15", 
        "sameAs": [
          "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01272020411.15"
        ], 
        "type": "Person"
      }, 
      {
        "familyName": "Lang", 
        "givenName": "Stefan", 
        "id": "sg:person.010223676761.81", 
        "sameAs": [
          "https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.010223676761.81"
        ], 
        "type": "Person"
      }
    ], 
    "datePublished": "2007", 
    "datePublishedReg": "2007-01-01", 
    "description": "Alle im vorigen Kapitel beschriebenen Problemstellungen besitzen eine wesentliche Gemeinsamkeit: Eigenschaften einer Zielvariablen y sollen in Abh\u00e4ngigkeit von Kovariablen x 1, ..., x k beschrieben werden. Dabei werden die Zielvariable auch als abh\u00e4ngige Variable und die Kovariablen als erkl\u00e4rende Variablen oder Regressoren bezeichnet. Die behandelten Modelle unterscheiden sich im Wesentlichen durch unterschiedliche Typen von Zielvariablen (stetig, bin\u00e4r, kategorial oder Z\u00e4hlvariablen) und verschiedene Arten von Kovariablen, die ebenfalls stetig, bin\u00e4r oder kategorial sein k\u00f6nnen. In komplexeren Modellen k\u00f6nnen auch Zeitskalen, Variablen zur Beschreibung der r\u00e4umlichen Anordnung der Daten oder Gruppierungsvariablen als Kovariablen auftreten.", 
    "genre": "chapter", 
    "id": "sg:pub.10.1007/978-3-540-33933-5_2", 
    "inLanguage": [
      "de"
    ], 
    "isAccessibleForFree": false, 
    "isPartOf": {
      "isbn": [
        "978-3-540-33932-8"
      ], 
      "name": "Regression", 
      "type": "Book"
    }, 
    "name": "Regressionsmodelle", 
    "pagination": "19-58", 
    "productId": [
      {
        "name": "doi", 
        "type": "PropertyValue", 
        "value": [
          "10.1007/978-3-540-33933-5_2"
        ]
      }, 
      {
        "name": "readcube_id", 
        "type": "PropertyValue", 
        "value": [
          "c26161fa366a13e600dfa39fadc16e4f5a7d17eace7075f2c7d7098e89efa7b9"
        ]
      }, 
      {
        "name": "dimensions_id", 
        "type": "PropertyValue", 
        "value": [
          "pub.1040805264"
        ]
      }
    ], 
    "publisher": {
      "location": "Berlin, Heidelberg", 
      "name": "Springer Berlin Heidelberg", 
      "type": "Organisation"
    }, 
    "sameAs": [
      "https://doi.org/10.1007/978-3-540-33933-5_2", 
      "https://app.dimensions.ai/details/publication/pub.1040805264"
    ], 
    "sdDataset": "chapters", 
    "sdDatePublished": "2019-04-15T22:44", 
    "sdLicense": "https://scigraph.springernature.com/explorer/license/", 
    "sdPublisher": {
      "name": "Springer Nature - SN SciGraph project", 
      "type": "Organization"
    }, 
    "sdSource": "s3://com-uberresearch-data-dimensions-target-20181106-alternative/cleanup/v134/2549eaecd7973599484d7c17b260dba0a4ecb94b/merge/v9/a6c9fde33151104705d4d7ff012ea9563521a3ce/jats-lookup/v90/0000000001_0000000264/records_8695_00000070.jsonl", 
    "type": "Chapter", 
    "url": "http://link.springer.com/10.1007/978-3-540-33933-5_2"
  }
]
 

Download the RDF metadata as:  json-ld nt turtle xml License info

HOW TO GET THIS DATA PROGRAMMATICALLY:

JSON-LD is a popular format for linked data which is fully compatible with JSON.

curl -H 'Accept: application/ld+json' 'https://scigraph.springernature.com/pub.10.1007/978-3-540-33933-5_2'

N-Triples is a line-based linked data format ideal for batch operations.

curl -H 'Accept: application/n-triples' 'https://scigraph.springernature.com/pub.10.1007/978-3-540-33933-5_2'

Turtle is a human-readable linked data format.

curl -H 'Accept: text/turtle' 'https://scigraph.springernature.com/pub.10.1007/978-3-540-33933-5_2'

RDF/XML is a standard XML format for linked data.

curl -H 'Accept: application/rdf+xml' 'https://scigraph.springernature.com/pub.10.1007/978-3-540-33933-5_2'


 

This table displays all metadata directly associated to this object as RDF triples.

58 TRIPLES      20 PREDICATES      24 URIs      19 LITERALS      7 BLANK NODES

Subject Predicate Object
1 sg:pub.10.1007/978-3-540-33933-5_2 schema:author N184e283323584a7d802dc0ad0786a15f
2 schema:datePublished 2007
3 schema:datePublishedReg 2007-01-01
4 schema:description Alle im vorigen Kapitel beschriebenen Problemstellungen besitzen eine wesentliche Gemeinsamkeit: Eigenschaften einer Zielvariablen y sollen in Abhängigkeit von Kovariablen x 1, ..., x k beschrieben werden. Dabei werden die Zielvariable auch als abhängige Variable und die Kovariablen als erklärende Variablen oder Regressoren bezeichnet. Die behandelten Modelle unterscheiden sich im Wesentlichen durch unterschiedliche Typen von Zielvariablen (stetig, binär, kategorial oder Zählvariablen) und verschiedene Arten von Kovariablen, die ebenfalls stetig, binär oder kategorial sein können. In komplexeren Modellen können auch Zeitskalen, Variablen zur Beschreibung der räumlichen Anordnung der Daten oder Gruppierungsvariablen als Kovariablen auftreten.
5 schema:genre chapter
6 schema:inLanguage de
7 schema:isAccessibleForFree false
8 schema:isPartOf Nde6ccdf607b34667a649a0f206ec0e4d
9 schema:name Regressionsmodelle
10 schema:pagination 19-58
11 schema:productId N49da46fdf3754484913b23b66eed0748
12 N7ae7c8f6e7ea448bbaff2c099b624a1c
13 N958c53cf058c40f2ba4135034919f204
14 schema:publisher N3b9788c6cbc449ea9fbc65bd56bec179
15 schema:sameAs https://app.dimensions.ai/details/publication/pub.1040805264
16 https://doi.org/10.1007/978-3-540-33933-5_2
17 schema:sdDatePublished 2019-04-15T22:44
18 schema:sdLicense https://scigraph.springernature.com/explorer/license/
19 schema:sdPublisher N025f8d427d384b558c8c91541825b024
20 schema:url http://link.springer.com/10.1007/978-3-540-33933-5_2
21 sgo:license sg:explorer/license/
22 sgo:sdDataset chapters
23 rdf:type schema:Chapter
24 N025f8d427d384b558c8c91541825b024 schema:name Springer Nature - SN SciGraph project
25 rdf:type schema:Organization
26 N184e283323584a7d802dc0ad0786a15f rdf:first sg:person.0661512671.36
27 rdf:rest N66df881a598d43518db4d38a0520c5fb
28 N3b9788c6cbc449ea9fbc65bd56bec179 schema:location Berlin, Heidelberg
29 schema:name Springer Berlin Heidelberg
30 rdf:type schema:Organisation
31 N49da46fdf3754484913b23b66eed0748 schema:name dimensions_id
32 schema:value pub.1040805264
33 rdf:type schema:PropertyValue
34 N66df881a598d43518db4d38a0520c5fb rdf:first sg:person.01272020411.15
35 rdf:rest N942e88cff4f8471987c21e64c966fc1a
36 N7ae7c8f6e7ea448bbaff2c099b624a1c schema:name doi
37 schema:value 10.1007/978-3-540-33933-5_2
38 rdf:type schema:PropertyValue
39 N942e88cff4f8471987c21e64c966fc1a rdf:first sg:person.010223676761.81
40 rdf:rest rdf:nil
41 N958c53cf058c40f2ba4135034919f204 schema:name readcube_id
42 schema:value c26161fa366a13e600dfa39fadc16e4f5a7d17eace7075f2c7d7098e89efa7b9
43 rdf:type schema:PropertyValue
44 Nde6ccdf607b34667a649a0f206ec0e4d schema:isbn 978-3-540-33932-8
45 schema:name Regression
46 rdf:type schema:Book
47 sg:person.010223676761.81 schema:familyName Lang
48 schema:givenName Stefan
49 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.010223676761.81
50 rdf:type schema:Person
51 sg:person.01272020411.15 schema:familyName Kneib
52 schema:givenName Thomas
53 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.01272020411.15
54 rdf:type schema:Person
55 sg:person.0661512671.36 schema:familyName Fahrmeir
56 schema:givenName Ludwig
57 schema:sameAs https://app.dimensions.ai/discover/publication?and_facet_researcher=ur.0661512671.36
58 rdf:type schema:Person
 




Preview window. Press ESC to close (or click here)


...