wir sind derzeit dabei Tests auf die Robustheit eines Modells durchzuführen.
Die abhängige Variable in unserem Modell ist eine kontinuierliche Variable, die die Zeit angibt, wie lange Nutzer eine Website besucht haben.
Diese wurde logarithmiert, da sie positiv verzerrt ist.
Das Modell wurde bisher mit dem Standardvorgehen einer normalen linearen Regression geschätzt.
Um die Robustheit des Modells zu zeigen würden wir gerne ein anderes Schätzverfahren für die Regression nutzen. Dabei sind wir auf folgende 2 Methoden gestoßen:
1. Applied Bayesian Statistics bzw. Bayesian Inference, hier mal 2 Links dazu:
https://www.mzes.uni-mannheim.de/social ... stan-and-r
https://cran.r-project.org/web/packages ... ormal.html
2. Generalized Method of Moments:
https://en.wikipedia.org/wiki/Generaliz ... of_moments
Wir wissen leider nicht, ob die für unser Vorhaben geeignet sind. Es kann auch sein, dass die Methoden für unseren Anwendungsfall überhaupt keinen Sinn machen. Falls aber jemand damit schon mal die Robustheit eines Modells überprüft hat oder eine Einschätzung hat, ob einer der Wege Sinn macht, würde uns das enorm weiterhelfen.
Vielen Dank im Voraus
