Auswirkungen von Prävalenzänderungen in einem stark restringierten Regressionsmodell

dc.contributor.advisorIckstadt, Katja
dc.contributor.authorDjeudeu Deudjui, Dany Armand
dc.contributor.refereeIckstadt, Katja
dc.date.accessioned2017-01-23T07:27:32Z
dc.date.available2017-01-23T07:27:32Z
dc.date.issued2016-03-29
dc.description.abstractStatistische Methoden werden in vielen Studien eingesetzt, um Zusammenhänge von Variablen zu erklären. In mehreren Anwendungen der Regressionsanalyse ändern sich die Regressoren bei den Messungen oder im Lauf der Zeit. Zur Berechnung der sog. Morbiditätsveränderungsrate der gesetzlich Versicherten in Deutschland wird ein Kompressionsalgorithmus benutzt. Innerhalb des Kompressionsalgorithmus werden mehrere vorläufige und eine endgültige Regressionsrechnung zur Bestimmung der sog. Kostengewichte der Versicherten durchgeführt. Es handelt sich dabei jeweils um multiple, lineare Regressionsrechnungen mit dichotomen, unabhängigen Variablen ohne Intercept. Das Problem der Prävalenzänderungen entsteht dadurch, dass die Ärzte bei den gesetzlichen Versicherten die Krankheiten dokumentieren und es dabei von Jahr zu Jahr bzw. auch in unterschiedlichen Regionen (Bundesländer) unterschiedliche Entwicklungen gibt. Durch die Dokumentation der Krankheiten ändern sich von Jahr zu Jahr die Spalten der Regressormatrix, wenn sich die Prävalenzen der betrachteten Diagnosen ändern und die Auswirkungen auf Regressionskoeffzienten wird in dieser Arbeit untersucht. Besonders werden einige Eigenschaften des Verhaltens der Regressionskoeffizienten abgeleitet, wenn sich die Prävalenzen einzelner unabhängiger Variablen oder die Häufigkeiten des Auftretens einzelner Krankheitsgruppe ändern.de
dc.identifier.urihttp://hdl.handle.net/2003/35759
dc.identifier.urihttp://dx.doi.org/10.17877/DE290R-17787
dc.language.isodede
dc.subject.ddc310
dc.titleAuswirkungen von Prävalenzänderungen in einem stark restringierten Regressionsmodellde
dc.typeText
dc.type.publicationtypemasterThesisde
dcterms.accessRightsrestricted

Files