Die Modellselektion ist der Bereich der Statistik welcher Wissenschaftlern eine Möglichkeit
bietet ein Modell für die Analyse von Rohdaten zu geben. Dabei ist die Wahl eins geeigneten
Modells entscheidend da mit der Wahl eines geeigneten Modells die jeweilige Theorie einer
wissenschaftlichen Forschung unterstützt werden kann. In der wissenschaftlichen Praxis stehen
hierfür diverse Ansätze zur Verfügung. Die Modellselektion bietet mit diversen Ansätzen einen
Anhaltspunkt wie Modelle selektiert werden können um die vorhandenen Daten zu analysieren und
in der Folge die Theorie zu verifizieren bzw. falsifizieren. Hierbei stehen Wissenschaftlern
diverse Ansätze und Selektionskriterien zur Verfügung welche die Wissenschaftler dabei
unterstützen können ein geeignetes Modell für die Analyse der Daten zu selektieren. Die
Selektion kann dabei mittels Tests und der Richtung der Modellselektion mittels diversen
mittels Shrinkageansätzen oder auf Basis eines Informationskriteriums erfolgen. Die Wahl eines
Informationskriteriums findet in der Folge Anwendung in einer Regressionsanalyse. Dabei stehen
dem Wissenschaftler diverse univariate und multivariate Regressionsmodelle zur Verfügung. Falls
die Daten von Kollinearität gekennzeichnet sind sollten Verfahren wie die Ridge Regression
oder die LASSO Regression den linearen Regressionsmodellen bevorzugt werden.
