Regression, multinomiale

[engl. multinomialregression; lat. multus viele, nomen Name], syn. multinomiale logistische Regression, [FSE], Regressionsanalyse zur stat. Vorhersage einer polytomen, nominalskalierten (Skalenniveau) abhängigen Kriteriumsvariablen (z. B. «0» = «unauffällig», «1» = «Risikotyp A», «2» = «Risikotyp B») durch eine oder mehrere dichotome, nominalskalierte (z. B. Dummy-Kodierung) oder intervallskalierte Prädiktoren. Das Verfahren kann als Erweiterung des Ansatzes der logistischen Regression aufgefasst werden: Im Rahmen der multinomialen Regression muss eine Gruppe als Referenzgruppe definiert werden (z. B. Gruppe der Unauffälligen oder Kontrollgruppe) in Referenz zu der dann für jede der übrigen Gruppen eine logistische Modellierung erfolgt. Die multinomiale Regression kann somit im Falle von k Gruppen als die integrierte Schätzung von k-1 logistischen Regressionsmodellen aufgefasst werden. Die Interpretation der Parameterschätzungen und die Beurteilung der Modellgüte erfolgt im Wesentlichen wie bei der logistischen Regression.