Modell-basiertes rekursives Partitionieren für Bradley-Terry-Modelle

  • Carolin Strobl (Ko-Autor*in)
  • Achim Zeileis (Ko-Autor*in)

Aktivität: Vortrag › Wissenschaftlicher Vortrag (Science-to-Science)

Beschreibung

Um Unterschiede zwischen den Versuchspersonen zu modellieren, ist es üblich, diskrete oder diskretisierte Personen-Kovariablen mithilfe von geeigneten Design-Matrizen in Bradley-Terry-Modelle und ihre Erweiterungen einzubeziehen. Ein Ansatz aus dem Maschinellen Lernen, das Modell-basierte rekursive Partitionieren, erlaubt ein flexibleres Vorgehen: Der Stichprobenraum wird datengesteuert anhand von Strukturbrüchen in den Modellparametern des Wahlmodells partitioniert. Ein großer Vorteil dieses Verfahrens ist, dass stetige Kovariablen nicht im Vorfeld diskretisiert werden müssen, sondern eine geeignete Aufteilung direkt anhand der Daten ermittelt wird.
Zeitraum15 Mai 2009
Ereignistitel5. Klagenfurter Statistiktag
VeranstaltungstypKeine Angaben
BekanntheitsgradNational

Dokumente & Verweise