Datenanalyse mit Modellen für Cluster linearer Regression

Inhaltsangabe:Einleitung: In dieser Arbeit geht es um die Analyse von Daten in denen Cluster linearer Regression erwartet werden können. Ein Cluster linearer Regression ist ein Teildatensatz der sich von den übrigen Daten unterscheidet in Hinsicht auf den Zusammenhang zwischen einer oder mehreren Einflußgrößen und einer abhängigen Variablen. Dieser Zusammenhang wird pro Gruppe als linear vorausgesetzt (lineare Regression). Es werden mehrere Verfahren analysiert um solche Gruppen zu finden. Mit der Fixpunktcluster-Analyse wird ein neues Verfahren vorgestellt und mit Hilfe von statistischer Theorie und Simulations-Studien untersucht. Es hat gegenüber den klassischen Verfahren den Vorteil dass Fixpunktcluster unempfindlich gegenüber Veränderungen in entfernten Teilen der Daten (z.B. Ausreißer) sind. Das Verfahren lässt sich auch auf andere Probleme der Clusteranalyse übertragen. Inhaltsverzeichnis:Inhaltsverzeichnis: Inhaltsverzeichnis4 English abstract 3 1.Einführung7 1.1Das Problem 7 1.2Modelle für die Clusteranalyse (Teil I) 9 1.3Exkurs: Angemessenheit von Modellen 10 1.4Fixpunktcluster (Teil II und III) 12 1.5Vergleich der Verfahren (Teil IV) 13 1.6Formale und stilistische Bemerkungen 14 1.7Bezeichnungen 15 I.Mischungen linearer Regressionen17 2.Modellierung17 3.Ansätze zur Analyse der Modelle22 3.1Wechselpunktprobleme 22 3.2Kleinste Quadrate 23 3.3Parameterschätzung im Mischmodell 24 3.4Parameterschätzung im Fixed Partition Model 28 3.5Alternative Ansätze 30 3.5.1Robuste Regression 30 3.5.2Schwache Hierarchien 33 4.Einführung: Identifizierbarkeit 34 5.Beispiele für Nicht-Identfizierbarkeit 38 6.Identifizierbarkeitsresultate 43 II.Fixpunktcluster 54 7.Einführung: Fixpunktcluster 54 7.1Cluster und Ausreißer: Die allgemeine Fixpunktcluster-Idee 54 7.2Beispiel: Fixpunktcluster für 0-1-Vektoren 60 7.3Fixpunktcluster und die Selbstorganisation der Wahrnehmung 62 8.Fixpunktcluster im Regressionsfall63 8.1Regressions-Fixpu