Show simple item record

Three studies on semi-mixed effects models

dc.contributor.advisorSperlich, Stefan Prof. Dr.de
dc.contributor.authorSavaþcý, Duygude
dc.date.accessioned2013-01-30T11:33:07Zde
dc.date.available2013-01-30T23:51:29Zde
dc.date.issued2012-01-05de
dc.identifier.urihttp://hdl.handle.net/11858/00-1735-0000-000D-F1E3-3de
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-3556
dc.description.abstractDie Anwendungen von Nicht- und semiparametrischen Modellen sind in fast allen Bereichen der empirischen Forschung zu finden. Da nichtparametrische Methoden keine einschränkenden Annahmen über die Verteilung der Beobachtungen oder funktionale Formen der zugrunde liegenden Daten generierenden Prozesse haben, sind sie besonders attraktiv, wenn die notwendigen Annahmen nicht gewährleistet werden können. Allerdings sind nichtparametrische Methoden begrenzt, zumindest in der Praxis, aufgrund von Fragen wie dem sogenannten Fluch der Dimensionalität oder der zugrunde liegenden Freiheitsgrade. Die Einführung von parametrische Komponenten erlauben es, strukturellen Bedingungen entsprechen zu können, wie etwa der Linearität in einigen Variablen. Die semiparametrische Modellierung ist insofern ein Kompromiss zwischen Flexibilität und Einfachheit in statistischen Modellen. Oft kann man als Grundlage vieler semi-parametrischer Modelle die bekannten Verallgemeinerten Linearen Modelle betrachten. Eine andere, aber auch recht populäre Erweiterung von parametrischen Modellen, die heutzutage oft als Brücke zwischen parametrischen und nicht- oder semi-parametrischen Modellen benutzt wird, ist die Einführung zufälliger Effekte in (verallgemeinerten) linearen Modellen. Die Anwendung dieser Modelle ist in der Praxis unter der Annahme der Unabhängigkeit zwischen zufälligen Effekten und Kovariaten möglich. Diese Dissertation zielt darauf ab, eine Lockerung der Unabhängigkeitsannahme durch die Einführung von semi-Mixed Effects Modellen zu ermöglichen. Für die praktische Umsetzung wird die semi-parametrische Modellierung mit Splines benutzt. Das erste Kapitel der Dissertation gibt eine detaillierte Einführung über das Problem innerhalb der aktuellen Forschung insgesamt. Das zweite Kapitel führt die Idee ins Modell ein und konzentriert sich hauptsächlich auf die Erweiterung von P-Splines. Das dritte Kapitel umfasst die Studie im Bereich vom Small Area Estimation, eine Anwendung, die ein Umweltmanagementsystem betrachtet. Zur Überwindung der Abhängigkeiten zwischen den zufälligen Effekten und Kovariaten, werden area-spezifischen Effekten sowie die Information der Lage nichtparametrisch in das Modell aufgenommen. Deshalb wird die Schätzung der nichtparametrischen Funktionen im semi-parametrischen Modell mit P-Splines und Thin Plate Splines vorgenommen, da Thin Plate Splines isotropene Glätter sind und somit besonders geeignet für die räumliche Koordinaten. Zudem sind P-Splines einfach zu implementieren und erlauben Additivität. Im vierten Kapitel stellen wir ein Gravity Model für Panel Daten vor: bilaterale Handelsstrome sollen erklärt werden. Wir setzen unser neuen semiparametrischen Ansatz um durch das Hinzufügen eines nichtparametrischen Terms im transformierten (über eine bekannte Link-Funktion) bedingten Mittelwert. Dieser Term ist eine Funktion von beobachtbaren Proxy-Variablen, um die Abhängigkeit zwischen den erklärenden Variablen und der unbeobachteten einzelnen Heterogenität zu erfassen.de
dc.format.mimetypeapplication/pdfde
dc.language.isoengde
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/de
dc.titleThree studies on semi-mixed effects modelsde
dc.typedoctoralThesisde
dc.title.translatedDrei Studien über semi-Mixed Effects Modellede
dc.contributor.refereeSperlich, Stefan Prof. Dr.de
dc.date.examination2011-09-28de
dc.subject.dnb310 Statistikde
dc.subject.gokEGC 070de
dc.subject.gokEGCP 120de
dc.subject.gokEGCP 200de
dc.description.abstractengThe applications of non- and semiparametric models are found in nearly all fields of empirical research. Since nonparametric methods do not have restrictive assumptions about the distribution of the observations or functional forms of the underlying data generating process, they are attractive methods when other necessary assumptions cannot be assured. However, nonparametric methods might be limited in practice due to other questions like the curse of dimensionality or the true underlying degrees of freedom. By introducing partial parametric components that may allow one to match structural conditions, such as linearity in some variables, the semiparametric modeling compromises between flexibility and simplicity in statistical procedures. One may consider, as the basis for many semiparametric models, the well known generalized linear model. A different but also popular extension is still parametric but is nowadays often used as a bridge between parametric and non- or semiparametric models; adding random effects in this generalized linear model leads us to a generalized linear mixed effects model. The application of these models is put into practice under the independence assumption between random effects and the covariates. This dissertation aims at relaxing the independence assumption by introducing semi-mixed effects models. For the practical implementation, the semiparametric modeling is done by using splines. The first chapter of the dissertation gives a detailed introduction about the overall study. The second chapter introduces the idea along with the model and mainly focuses on the extension to P-splines. The third chapter comprises the study in the field of small area estimation which is an application that addresses an environmental small area problem. To overcome the dependencies between the random effects and the covariates, area-specific effects plus the information of location are included in the model. Therefore, the estimation of the nonparametric functions in the semiparametric model is done by using P-splines and thin plate splines since thin plate splines are isotropic smoothers and thus especially appropriate for spatial coordinates, i.e. handling the effect of location and P-splines are easy to implement and allow for additivity. In the fourth chapter, we present an application with the gravity model to explain panel bilateral country trade flows. We apply our new semiparametric approach to panel gravity model via adding a nonparametric term in the transformed (via a known link function) conditional mean, which depends on observable proxy variables, in order to capture the dependency between the explanatory variables and the unobserved individual heterogeneity term.de
dc.contributor.coRefereeSchlather, Martin Prof. Dr.de
dc.contributor.thirdRefereeMartínez-Zarzoso, Inmaculada Prof. Dr.de
dc.subject.topicEconomicsde
dc.subject.gerSemi-Mixed Effects Modellede
dc.subject.gersemiparametrischen Regressionde
dc.subject.gerSmall Area Estimationde
dc.subject.gerP-splinesde
dc.subject.gerThin Plate Splinesde
dc.subject.gerPanel Data Analysede
dc.subject.gerGravity Model von Tradede
dc.subject.engSemi-mixed effects modelsde
dc.subject.engsemiparametric regressionde
dc.subject.engsmall area estimationde
dc.subject.engP-splinesde
dc.subject.engthin plate splinesde
dc.subject.engpanel data analysisde
dc.subject.enggravity model of tradede
dc.subject.bk31.73de
dc.identifier.urnurn:nbn:de:gbv:7-webdoc-3306-9de
dc.identifier.purlwebdoc-3306de
dc.affiliation.instituteWirtschaftswissenschaftliche Fakultätde
dc.identifier.ppn687822033de


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record