Data Scientist/ Statistiker

Regressionsmodelle eignen sich, um den Zusammenhang zwischen Gesundheitsoutcomes und Umweltbelastungen zu untersuchen. In städtischen Gesundheitsstudien, in denen räumliche und zeitliche Veränderungen wichtig sind, werden räumliche und spatiotemporale Variationen jedoch oft vernachlässigt. Diese Dissertation entwickelt und wendet Regressionsmethoden an, die latente Zufallseffekte mit Conditional Autoregressive (CAR)-Strukturen in klassischen Regressionsmodellen integrieren, um räumliche Effekte in Querschnittsanalysen sowie spatiotemporale Effekte in Längsschnittanalysen zu berücksichtigen. Die Arbeit ist in zwei Hauptteile gegliedert. Im ersten Teil werden Methoden zur Analyse von Daten betrachtet, bei denen alle Variablen auf Flächenebene vorliegen. Die longitudinale Heinz Nixdorf Recall Study dient hier als Anwendungsbeispiel. Untersucht wird der Zusammenhang zwischen Depressionsrisiko und Grünflächenanteil auf Bezirksebene. Für ausgewählte Zeitpunkte wird ein räumliches Poisson-Modell mit einem latenten, CAR-strukturierten Zufallseffekt eingesetzt. Anschließend zeigt eine ausgefeilte spatiotemporale Erweiterung des Poisson-Modells eine negative Assoziation zwischen Grünflächenanteil und Depression. Die Ergebnisse deuten zudem auf starke zeitliche Autokorrelation und schwache räumliche Effekte hin. Auch wenn diese schwachen räumlichen Effekte suggerieren könnten, sie zu vernachlässigen, sollten räumliche und spatiotemporale Zufallseffekte für zuverlässige Schlussfolgerungen in städtischen Gesundheitsstudien berücksichtigt werden. Im zweiten Teil wird gezeigt, dass zur Vermeidung ökologischer und atomarer Fehlschlüsse durch Datenaggregation und -disaggregation alle Daten auf ihrer feinsten räumlichen Ebene genutzt werden sollten. Multilevel Conditional Autoregressive (CAR)-Modelle ermöglichen es, alle Variablen auf ihrer ursprünglichen räumlichen Auflösung gleichzeitig zu verwenden und so räumliche Effekte in epidemiologischen Studien zu erklären. Dies ist besonders wichtig, wenn Probanden in geografischen Einheiten verschachtelt sind. Dieser zweite Teil der Arbeit verfolgt zwei Ziele: Erweitert wird das multilevel Modell für Längsschnittdaten, indem bestehende Zufallseffekte mit zeitlich variierenden CAR-Strukturen ergänzt werden. Diese neuen Modelle werden als MLM tCARs bezeichnet. Beim Vergleich der MLM tCARs mit dem klassischen multilevel Growth Model in Simulationsstudien zeigt sich, dass MLM tCARs die wahren Regressionskoeffizienten besser wiedererfassen und insgesamt bessere Modellanpassungen bieten. Die Modelle werden im Rahmen eines Vergleichs auf die Analyse des Zusammenhangs zwischen Grünflächenanteil und Depressionssymptomen auf Individualebene in der longitudinalen Heinz Nixdorf Recall Study angewandt. Die Ergebnisse bestätigen erneut eine negative Assoziation zwischen Grünflächenanteil und Depression sowie einen abnehmenden linearen individuellen Zeittrend in allen Modellen. Es zeigt sich erneut sehr geringe räumliche Variation und moderate zeitliche Autokorrelation. Darüber hinaus bietet die Arbeit umfassende Entscheidungsbäume für die Analyse epidemiologischer Daten mit räumlichem Hintergrund.

Mein Master in Statistik hat mir eine umfassende und fundierte Ausbildung in theoretischen Grundlagen und angewandten Methoden der modernen Statistik vermittelt. Das Programm vereinte Wahrscheinlichkeitstheorie, statistische Inferenz und Entscheidungstheorie mit fortgeschrittenen rechnerischen und datengetriebenen Ansätzen und sorgte so für ein ausgewogenes Verhältnis von mathematischer Strenge und praktischer Anwendung.

Der Lehrplan umfasste ein breites Spektrum an Bereichen, darunter:

• Theoretische Grundlagen: Wahrscheinlichkeitstheorie, Entscheidungstheorie, Schätzung und Hypothesentests, Bayessche Statistik, stochastische Prozesse.

• Angewandte statistische Methoden: Deskriptive und Inferenzstatistik, lineare Modelle, multivariate Analysen, Stichprobentechniken, fortgeschrittenes Versuchsdesign, nichtlineare Optimierung.

• Spezialgebiete: Ökonometrie, Risiko-Theorie in der Versicherungsmathematik, statistische Methoden in Epidemiologie und Genetik, Meta-Analyse, räumliche Statistik, Splineregession.

• Data Science & Machine Learning: Klassifikationsverfahren und Big-Data-Analytik, fortgeschrittenes statistisches Lernen, Einführung in Data Science, Zeitreihenanalyse.

Diese vielfältige Ausbildung befähigte mich dazu:

• Robuste statistische Modelle zu erstellen und zu validieren.

• Fortgeschrittene Machine-Learning- und Data-Mining-Techniken auf große und komplexe Datensätze anzuwenden.

• Experimente nach rigoroser Methodik zu entwerfen und durchzuführen.

• Komplexe statistische Ergebnisse in klare, umsetzbare Erkenntnisse für Entscheidungsprozesse zu übersetzen.

Insgesamt hat das Programm sowohl mein theoretisches Fachwissen als auch meine Praxisfähigkeiten gestärkt und mich darauf vorbereitet, ein breites Spektrum datenzentrierter Herausforderungen in Branchen wie Gesundheitswesen, Versicherungen, Finanzen und wissenschaftlicher Forschung anzugehen.