Handout
Handout
Handout
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
7 Fazit<br />
Messfehler lassen sich kaum vermeiden und führen zu verzerrten Schätzern,<br />
kaum erkennbaren Datenstrukturen und Verlust von ”<br />
Power “. Trotzdem ist<br />
Messfehler nicht gleich Messfehler. So haben wir z.B. festgestellt, das sowohl<br />
der Berkson Fehler als auch der nicht-differentielle Fehler ein paar Eigenschaften<br />
aufweisen, die uns die Nachbereitung erleichtert. Es ist nicht nur<br />
deswegen sehr wichtig, sich genau zu überlegen, welches Fehlermodell denn<br />
nun vorliegt. Denn bei einem Berkson Fehler ist die Auswirkung in der linearen<br />
Regression ja nicht besonders groß (s.Abb 3).<br />
Um nun die Schätzer geeinet zu entzerren bieten sich zum Beispiel die Momentenmethode<br />
und die Orthogonale Regression an. Beide bergen, wie gesehen,<br />
aber auch ihre Risiken und so kann es zum Beispiel bei der Orthogonalen<br />
Regression zu einer Überkorrektur kommen. Ein Problem, das auch nicht<br />
außer acht gelassen werden sollte ist der Varianz-Verzerrungs-Tradeoff. Zwar<br />
kann durch die Korrektur die Verzerrung etwas verringert werden, gleichzeitig<br />
steigt aber die Varianz. Somit sollte man sich immer überlegen, was einem<br />
in dem Fall wichtiger ist und ob sich eine Korrektur überhaupt lohnt.<br />
Wir werden auch im Rahmen unseres Seminar noch weitere Verfahren kennenlernen,<br />
z.B. die Regressions Kalibrierung und Simulation Extrapolation<br />
(SIMEX), welche gut bei generalisierten linearen Regressionsmodellen angewendet<br />
werden können. Darüberhinaus gibt es natürlich auch noch viele<br />
Ansätze bei nicht-linearen Modellen Meßfehler zu beheben.<br />
15