Grundlagen der Statistik enthält Materialien verschiedener Vorlesungen und Kurse von H. Lohninger zur Statistik, Datenanalyse und Chemometrie .....mehr dazu.


Übersicht zu multivariaten Methoden

Author: Hans Lohninger

Um sich selbst eine Übersicht zu multivariaten Methoden zu verschaffen (von denen es etliche sehr ähnliche gibt, die in unterschiedlichen Fachgebieten unterschiedlich benannt werden), kann man versuchen, eine Taxonometrie dieser Verfahren aufgrund einiger grundlegender Fragen vorzunehmen:

1) Sind die Variablen so miteinander verknüpft, dass es keine klare Aussage zu den abhängigen und den unabhängigen Variablen gibt, oder kann man die unabhängigen und die abhängigen Variablen klar bezeichnen?

1a) Für den Fall klarer unabhängiger Variablen: wieviele abhängige und wieviele unabhängige Variablen gibt es?

2) Wie sind die Variablen skaliert?

Daraus ergibt sich folgende grobe Einteilung:

Abhängigkeit der Variablen Zahl der Variablen Skalierung Methoden (Beispiele)
unabhängig und abhängig klar getrennt eine abhängige Variable metrisch
nicht metrisch
mehrere abhängige Variablen metrisch
nicht metrisch
  • kanonische Analyse mit Hilfsvariablen
gegenseitig - metrisch
nicht metrisch
  • multidimensionale Skalierung
  • Korrespondenzanalyse

Neben dieser sehr formalen Unterteilung gibt es aber auch einige Kombinationsmethoden, die nicht klar in das oben dargestellte Schema passen. So ist zum Beispiel die Hauptkomponentenregression eine Kombination aus Hauptkomponentenanalyse und multipler linearer Regression. Außerdem gibt es Methoden, wie z.B. die neuronalen Netze, die auf sehr unterschiedlichen Annahmen beruhen und auch sehr unterschiedliche Szenarien unterstützen. Solche Methoden sind in diese Klassifizierung überhaupt nicht einzuordnen.


Last Update: 2012-10-14