PropertyValue
?:abstract
  • Um die besonderen Eigenschaften einer logistischen Regression zu beschreiben, ist es sinnvoll, diese mit dem Alternativmodell der linearen Regressionsanalyse zu vergleichen, denn gerade im Abgleich mit der linearen Regressionsanalyse können die besonderen Stärken des Logit-Modells prägnant herausgearbeitet werden. Die logistische Regressionsanalyse kann daher am besten als statistische, methodische Antwort auf Schwächen und Probleme der linearen Regressionsanalyse begriffen werden, die sich ergeben, wenn die abhängige Variable dichotomer Natur ist. (xsd:string)
?:author
?:comment
  • (GLES) (xsd:string)
?:dataSource
  • GLES-Bibliography (xsd:string)
?:dateCreated
  • 4. Fassung, Februar 2015 (xsd:gyear)
?:dateModified
  • 2014 (xsd:gyear)
?:datePublished
  • 2014 (xsd:gyear)
?:duplicate
is ?:hasPart of
is ?:mainEntity of
?:name
  • Lineare Regression und das Modell der linearen Wahrscheinlichkeit (xsd:string)
?:publicationType
  • book (xsd:string)
?:publisher
?:reference
?:sourceInfo
  • Bibsonomy (xsd:string)
  • Springer VS, 2014 (xsd:string)
?:studyGroup
  • German Longitudinal Election Study (GLES) (xsd:string)
?:tags
  • 2014 (xsd:string)
  • FDZ_Wahlen (xsd:string)
  • GLES (xsd:string)
  • GLES_input2014 (xsd:string)
  • GLES_pro (xsd:string)
  • GLES_version4 (xsd:string)
  • ZA5302 (xsd:string)
  • book (xsd:string)
  • checked (xsd:string)
rdf:type