Fortgeschrittene Methoden

Durch die Nichtlineare Regression wird das Anwendungsspektrum der Regressionsanalyse erheblich erweitert. Es lassen sich nahezu beliebige Modellstrukturen schätzen.

Anwendungen finden sich z.B. im Rahmen der Werbewirkungsforschung (Abhängigkeit der Werbeerinnerung von der Zahl der Werbekontakte, Abhängigkeit der Absatzmenge von der Höhe des Werbebudgets) oder in der Marktforschung bei der Untersuchung des Wachstums von neuen Produkten.

Eine Schätzung der Regressionskoeffizienten ist nur iterativ möglich, wodurch sich nicht nur der Rechenaufwand im Vergleich zur linearen Regression erhöht. Ob die Algorithmen konvergieren, hängt u.a. davon ab, welche Startwerte der Untersucher vorgibt. Es werden somit auch erhöhte Anforderungen an den Untersucher gestellt. Ein deutlicher Nachteil der nichtlinearen Regression ist es, dass keine statistischen Tests zur Prüfung der Güte eines Modells oder der Signifikanz der Parameter zur Verfügung stehen. Es sollte daher, wenn möglich, der linearen Regressionsanalyse der Vorzug gegeben werden.