Data Scientist / Statistiker

Regressionsmodelle eignen sich zur Analyse des Zusammenhangs zwischen Gesundheitsergebnissen und Umweltbelastungen. In städtischen Gesundheitsstudien, in denen räumliche und zeitliche Veränderungen wichtig sind, werden räumliche und raum-zeitliche Variationen jedoch meist vernachlässigt. In dieser Arbeit werden Regressionsmethoden entwickelt und angewendet, die latente Zufallseffekte mit Conditional Autoregressive (CAR)-Strukturen in klassische Regressionsmodelle integrieren, um räumliche Effekte für Querschnittsanalysen und raum-zeitliche Effekte für 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 Gebietsebene vorliegen. Für die Anwendung wird durchgängig die longitudinal angelegte Heinz-Nixdorf-Recall-Studie herangezogen. Der Zusammenhang zwischen Depressionsrisiko und Grünflächen auf Bezirksebene wird untersucht. Für ausgewählte Zeitpunkte kommt ein räumliches Poisson-Modell mit latentem CAR-strukturierten Zufallseffekt zum Einsatz. Anschließend führt eine ausgefeilte raum-zeitliche Erweiterung des Poisson-Modells zu einer negativen Assoziation zwischen Grünflächen und Depression. Die Ergebnisse deuten zudem auf starke zeitliche Autokorrelation und schwache räumliche Effekte hin. Auch wenn die schwachen räumlichen Effekte darauf hindeuten, sie zu vernachlässigen, sollten räumliche und raum-zeitliche Zufallseffekte berücksichtigt werden, um in städtischen Gesundheitsstudien verlässliche Aussagen zu ermöglichen. Im zweiten Teil wird gezeigt, dass zur Vermeidung ökologischer und atomarer Trugschlüsse durch Datenaggregation und -disaggregation alle Daten auf der feinsten verfügbaren räumlichen Ebene genutzt werden sollten. Multilevel Conditional Autoregressive (CAR)-Modelle ermöglichen es, alle Variablen gleichzeitig auf ihrer ursprünglichen räumlichen Auflösung zu verwenden und den räumlichen Effekt in epidemiologischen Studien zu erklären. Dies ist besonders wichtig, wenn Untersuchungseinheiten in geografische Einheiten eingebettet sind. Dieser zweite Teil der Arbeit verfolgt zwei Ziele. Konkret werden die Multilevel-Modelle für Längsschnitterhebungen weiterentwickelt, indem bestehende Zufallseffekte mit CAR-Strukturen ergänzt werden, die sich im Zeitverlauf ändern. Diese neuen Modelle werden als MLM tCARs bezeichnet. Durch den Vergleich der MLM tCARs mit dem klassischen Multilevel-Wachstumsmodell mittels Simulationen zeigt sich eine bessere Performance der MLM tCARs bei der Ermittlung der tatsächlichen Regressionskoeffizienten und in der Modellanpassung. Die Modelle werden vergleichend auf die Analyse des Zusammenhangs zwischen Grünflächen und depressiven Symptomen auf Individualebene in der longitudinalen Heinz-Nixdorf-Recall-Studie angewendet. Die Ergebnisse zeigen erneut eine negative Assoziation zwischen Grünflächen und Depression sowie einen abnehmenden linearen Zeittrend auf Individualebene für alle Modelle. Wir beobachten erneut sehr geringe räumliche Variation und moderate zeitliche Autokorrelation. Zusätzlich enthält die Arbeit umfassende Entscheidungsbäume für die Analyse von Daten in epidemiologischen Studien mit räumlichem Hintergrund.

Mein Masterstudium in Statistik hat mir eine umfassende und fundierte Ausbildung sowohl in den theoretischen Grundlagen als auch in den angewandten Methoden der modernen Statistik vermittelt. Das Programm verband Wahrscheinlichkeitstheorie, statistische Inferenz und Entscheidungstheorie mit fortgeschrittenen rechnerischen und datengetriebenen Ansätzen und gewährleistete so ein ausgewogenes Verhältnis zwischen mathematischer Strenge und praktischer Anwendung.

Der Lehrplan umfasste eine breite Palette von Themen, darunter:

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

• Angewandte statistische Methoden: Deskriptive und inferenzielle 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: Klassifikationsmethoden und Big Data Analytics, fortgeschrittenes statistisches Lernen, Einführung in Data Science, Zeitreihenanalyse.

Diese vielfältige Ausbildung befähigte mich:

• robuste statistische Modelle zu erstellen und zu validieren.

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

• Experimente mit rigoroser 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 Vielzahl datenbezogener Herausforderungen in Branchen wie Gesundheitswesen, Versicherungen, Finanzen und Forschung zu bewältigen.