Regularisierung bei kategorialen Kovariablen: Generalisierungen und Erweiterungen

• Antragsteller: Professor Dr. Jan Gertheiss
• Fachliche Zuordnung: Statistik und Ökonometrie
• Förderung: Förderung von 2011 bis 2012
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 208823904

Die statistische Modellierung kategorialer Variablen ist ausgesprochen parameterintensiv. Selbst wenn die Anzahl an betrachteten Variablen überschaubar ist, kann die Zahl an Parametern, die zur Modellspezifikation benötigt werden, sehr groß werden – insbesondere dann, wenn die untersuchten diskreten Variablen viele mögliche Levels aufweisen. Solch hoch-dimensionale Parameterräume verursachen sowohl Probleme bei der Modellschätzung als auch bei der Interpretation der Ergebnisse. Um diese Probleme zu lösen, wurden spezielle Regularisierungsverfahren vorgeschlagen. Diese sind bis jetzt allerdings nur bei vergleichsweise einfachen Szenarien mit einschränkenden Annahmen sinnvoll anwendbar, wie etwa (näherungsweise) Normalverteilung der Zielgröße und statistische Unabhängigkeit der einzelnen Beobachtungen. Da diese Annahmen in der Praxis oft verletzt sind, besteht das Ziel des vorgesehenen Projekts darin, Regularisierungsansätze für kategoriale Kovariablen entsprechend zu verallgemeinern und zu erweitern – um sicherzustellen, dass diese vielversprechenden Methoden auch in den Substanzwissenschaften vielfältig anwendbar sind.

• DFG-Verfahren: Forschungsstipendien
• Internationaler Bezug: USA
• Gastgeber: Professor Howard Bondell, Ph.D.