Nichtlineare Regressionsmodelle in Excel

Inhaltsangabe oder Einleitung

Diese Arbeit beschäftigt sich mit nichtlinearen Regressionsmodellen. Nichtlineare Regressionsmodelle sind wichtige Werkzeuge, da viele chemische, biologische und physikalische Prozesse besser durch nichtlineare als lineare Modelle dargestellt werden. Das Anpassen nichtlinearer Modelle ist kein einstufiges Verfahren, sondern ein aufwendiger Prozess, der bei jedem einzelnen Schritt einer sorgfältigen Prüfung bedarf.

Abhängig vom Ziel und der Anwendung werden beim Anpassen nichtlinearer Modelle unterschiedliche Prioritäten festgelegt. Dazu gehören akzeptable Parameterschätzungen und eine gute Modellanpassung unter Einhaltung der Voraussetzungen statistischer Modelle.

Es werden 61 Modelle vorgegeben, außerdem können auf drei Arten Konfidenzintervalle berechnet werden. Die Parameter werden mittels OLS-Regressionen, gewichteten Regressionen (z.B. Tukeys Biweight) und Bootstrap Regressionen geschätzt. Abgerundet werden die Analysen durch umfangreiche Tests der Residuen (Normalverteilungstest, Breusch-Pagan Test bezüglich Heteroskedastizität u.v.m.).