Data Scientist/Statistiker

Regressionsmodelle eignen sich, um den Zusammenhang zwischen Gesundheitsergebnissen und Umweltbelastungen zu untersuchen. In Stadtgesundheitsstudien, bei denen räumliche und zeitliche Veränderungen wichtig sind, werden räumliche und raum-zeitliche Variationen jedoch häufig vernachlässigt. Diese Dissertation entwickelt und wendet Regressionsmethoden mit latenten Zufallseffekten und Conditional Autoregressive (CAR)-Strukturen in klassischen Regressionsmodellen an, um räumliche Effekte in Querschnittsanalysen und raum-zeitliche Effekte in Längsschnittanalysen zu berücksichtigen. Die Arbeit ist in zwei Hauptteile gegliedert. Im ersten Teil werden Methoden für Daten untersucht, bei denen alle Variablen auf Flächenniveau vorliegen. Die longitudinale Heinz Nixdorf Recall Studie dient als Anwendungsbeispiel. Der Zusammenhang zwischen Depressionsrisiko und Grünflächenanteil auf Bezirksebene wird analysiert. Für ausgewählte Zeitpunkte wird ein räumliches Poisson-Modell mit latentem CAR-Residualeffekt angewandt. Anschließend zeigt eine ausgefeilte raum-zeitliche Erweiterung des Poisson-Modells einen negativen Zusammenhang zwischen Grünflächen und Depression. Die Ergebnisse deuten auch auf starke zeitliche Autokorrelation und nur schwache räumliche Effekte hin. Selbst wenn schwache räumliche Effekte zum Verzicht darauf verleiten könnten, sollten räumliche und raum-zeitliche Zufallseffekte einbezogen werden, um verlässliche Inferenz in Stadtgesundheitsstudien zu ermöglichen. Im zweiten Teil wird gezeigt, dass zur Vermeidung ökologischer und atomarer Fehlschlüsse alle Daten möglichst auf ihrem feinsten räumlichen Niveau verwendet werden sollten. Mehrstufige Conditional Autoregressive (CAR)-Modelle ermöglichen es, alle Variablen gleichzeitig in ihrer ursprünglichen räumlichen Auflösung zu nutzen und den räumlichen Effekt in epidemiologischen Studien zu erklären. Dies ist besonders wichtig, wenn Probanden in geografischen Einheiten verschachtelt sind. Der zweite Teil verfolgt zwei Ziele: Er entwickelt die multilevel Modelle für Längsschnittdaten weiter, indem bestehende Zufallseffekte mit zeitlich variierenden CAR-Strukturen ergänzt werden. Diese neuen Modelle werden MLM tCARs genannt. Durch Simulationen und Vergleiche mit dem klassischen multilevel Growth Model zeigen die MLM tCARs eine bessere Rekonstruktion der wahren Regressionskoeffizienten und insgesamt bessere Modellgüte. Die Modelle werden vergleichend auf die Analyse des Zusammenhangs zwischen Grünflächen und Depressionssymptomen auf Individualebene in der longitudinalen Heinz Nixdorf Recall Studie angewandt. Die Ergebnisse bestätigen erneut den negativen Zusammenhang zwischen Grünflächen und Depression und zeigen für alle Modelle einen abnehmenden linearen individuellen Zeittrend. Es zeigt sich wieder sehr geringe räumliche Variation und mäßige zeitliche Autokorrelation. Zudem bietet die Dissertation umfassende Entscheidungsbäume für die Analyse epidemiologischer Daten mit räumlichem Hintergrund.

Mein Master in Statistik hat mir eine umfassende und strenge Ausbildung in den theoretischen Grundlagen und angewandten Methoden der modernen Statistik geboten. Das Programm verband Wahrscheinlichkeitstheorie, statistische Inferenz und Entscheidungstheorie mit fortgeschrittenen rechnerischen und datengetriebenen Ansätzen und sorgte so für eine starke Balance zwischen mathematischer Strenge und praktischer Anwendung. Der Lehrplan umfasste ein breites Spektrum an Themen, darunter:

• Theoretische Grundlagen: Wahrscheinlichkeitstheorie, Entscheidungstheorie, Schätz- und Hypothesentests, Bayessche Statistik, stochastische Prozesse.
• Angewandte statistische Methoden: deskriptive und schließende Statistik, lineare Modelle, multivariate Analyse, Stichprobentechniken, fortgeschrittenes Versuchsdesign, nichtlineare Optimierung.
• Spezialisierte Bereiche: Ökonometrie, Risikotheorie in der Versicherungsmathematik, statistische Methoden in Epidemiologie und Genetik, Meta-Analyse, räumliche Statistik, Splineregression.
• Data Science & Machine Learning: Klassifikationsverfahren und Big Data Analytics, fortgeschrittenes statistisches Lernen, Einführung in Data Science, Zeitreihenanalyse. Diese vielfältige Ausbildung hat mich befähigt,
• robuste statistische Modelle zu entwickeln und zu validieren.
• fortgeschrittene Machine-Learning- und Data-Mining-Techniken auf große und komplexe Datensätze anzuwenden.
• Experimente mit strenger Methodik zu entwerfen und durchzuführen.
• komplexe statistische Ergebnisse in klare, umsetzbare Erkenntnisse für Entscheidungen zu übersetzen. Insgesamt hat das Programm sowohl meine theoretische Expertise als auch meine praktischen Fähigkeiten gestärkt und mich darauf vorbereitet, eine breite Palette datengetriebener Herausforderungen in Branchen wie Gesundheitswesen, Versicherung, Finanzwesen und wissenschaftlicher Forschung zu meistern.