Alternative Verfahren zur fokussierten Modellwahl in Regressionsmodellen
- Die Wahl eines geeigneten Modells ist in vielen statistischen Anwendungen von entscheidender Bedeutung. Eine Möglichkeit zur Lösung dieses Problems stellen sogenannte Informationskriterien wie zum Beispiel AIC und BIC dar. Eine Gemeinsamkeit der meisten dieser Kriterien besteht darin, dass unabhängig vom Ziel der Datenanalyse jedem zur Wahl stehenden Modell eine Kennzahl zugewiesen wird, anhand derer die Güte der Anpassung des Modells an die Daten oder die Nähe des Modells zum unbekannten datenerzeugenden Mechanismus beurteilt wird. Einen anderen Ansatz verfolgt das fokussierte Modellwahlkriterium (FIC), das explizit darauf abzielt, ein Modell zu wählen, mit dem ein spezieller Fokusparameter so präzise wie möglich geschätzt werden kann. In dieser Arbeit wird ein solches FIC für Quantilsregressionsmodelle hergeleitet. Darüber hinaus wird eine alternative Variante des FIC vorgeschlagen, die anders als das klassische FIC nicht auf der Annahme lokaler Alternativen basiert.