Kernel Regression

Dieses Tool erlaubt es nicht parametrische Regressionen der beiden Typen Kernel regression (Kernregression) und LOWESS-Regression durchzuführen.

Kernel Regression: Die Kernel Regression ist ein Tool der Modellierung, das gleichzeitig Teil der Familie der Glättungsmethoden ist. Im Gegensatz zur linearen Regression, die mit einem erklärenden und vorhersagendem Ziel betrieben wird (Verständnis eines Phänomens und seine anschließende Vorhersage) , so ist die Kernel regression unter den nicht parametrischen Regressionsmethoden erfasst mit überwiegendem Vorhersagecharakter. Die Modellstruktur ist wirklich variabel und komplex, ähnlich einem Filter oder einer Black Box. Es existieren zahlreiche Varianten der Kernel regression.

Die LOWESS-Regression (Locally weighted regression and smoothing scatter plots) wurde von Cleveland (1979 ) eingeführt um geglättete Kurven zu erzeugen, die eine Punktwolke durchlaufen. Neuere Versionen wurden seitdem fertiggestellt, um die Robustheit der Modelle zu erhöhen. Die LOWESS-Regression ist der Kernel regression sehr nahe, da sie ebenfalls die polynomielle Regression mit gewichtete Beobachtungen mit einer Kernfunktion einsetzt.