Statistische Modelle menschlicher Kognition und Verhaltens stützen sich häufig auf aggregierte Daten und vernachlässigen dadurch oft Heterogenität in Form von Unterschieden zwischen Personen oder Gruppen. Die Nichtberücksichtigung vorliegender Heterogenität kann zu verzerrten Parameterschätzungen und zu falsch positiven oder falsch negativen Tests führen. Häufig kann Heterogenität mithilfe von Kovariaten erkannt und vorhergesagt werden. Allerdings erweist sich die Identifizierung von Prädiktoren von Heterogenität oft als schwierige Aufgabe. Zur Lösung dieses Problems schlage ich zwei neue Ansätze vor, um individuelle und gruppenspezifische Unterschiede mithilfe von Kovariaten vorherzusagen. Die vorliegende kumulative Dissertation setzt sich aus drei Projekten zusammen. Projekt 1 widmet sich dem Verfahren IPC-Regression (Individual Parameter Contribution), welches die Exploration von Parameterheterogenität in Strukturgleichungsmodellen (SEM) mittels Kovariaten erlaubt. Unter anderem evaluiere ich IPC-Regression für dynamische Panel-Modelle, schlage eine alternative Schätzmethode vor und leite IPCs für allgemeine Maximum-Likelihood-Schätzer her. Projekt 2 veranschaulicht, wie IPC-Regression in der Praxis eingesetzt werden kann. Dazu führe ich schrittweise in die Implementierung von IPC-Regression im ipcr-Paket für die statistische Programmiersprache R ein. Schließlich werden in Projekt 3 SEM-Trees weiterentwickelt. SEM-Trees sind eine modellbasierte rekursive Partitionierungsmethode zur Identifizierung von Kovariaten, die Gruppenunterschiede in SEM-Parametern vorhersagen. Die bisher verwendeten SEM-Trees sind sehr rechenaufwendig. In Projekt 3 kombiniere ich SEM-Trees mit unterschiedlichen Score-basierten Tests. Die daraus resultierenden Score-Guided-SEM-Tees lassen sich deutlich schneller als herkömmlichen SEM-Trees berechnen und zeigen bessere statistische Eigenschaften. / Statistical models of human cognition and behavior often rely on aggregated data and may fail to consider heterogeneity, that is, differences across individuals or groups. If overlooked, heterogeneity can bias parameter estimates and may lead to false-positive or false-negative findings. Often, heterogeneity can be detected and predicted with the help of covariates. However, identifying predictors of heterogeneity can be a challenging task. To solve this issue, I propose two novel approaches for detecting and predicting individual and group differences with covariates. This cumulative dissertation is composed of three projects. Project 1 advances the individual parameter contribution (IPC) regression framework, which allows studying heterogeneity in structural equation model (SEM) parameters by means of covariates. I evaluate the use of IPC regression for dynamic panel models, propose an alternative estimation technique, and derive IPCs for general maximum likelihood estimators. Project 2 illustrates how IPC regression can be used in practice. To this end, I provide a step-by-step introduction to the IPC regression implementation in the ipcr package for the R system for statistical computing. Finally, Project 3 progresses the SEM tree framework. SEM trees are a model-based recursive partitioning method for finding covariates that predict group differences in SEM parameters. Unfortunately, the original SEM tree implementation is computationally demanding. As a solution to this problem, I combine SEM trees with a family of score-based tests. The resulting score-guided SEM trees compute quickly, solving the runtime issues of the original SEM trees, and show favorable statistical properties.

Netzwerk Theorie hat sich als besonders zweckdienlich in der Darstellung von Systemen herausgestellt. Jedoch fehlen in der Netzwerkdarstellung von Systemen noch immer essentielle Bausteine um diese generell zur Datenanalyse heranzuziehen zu können. Allen voran fehlt es an einer expliziten Assoziation von Informationen mit den Knoten und Kanten eines Netzwerks und einer schlüssigen Darstellung von Gruppen von Knoten und deren Relationen auf verschiedenen Skalen. Das Hauptaugenmerk dieser Dissertation ist der Einbindung dieser Bausteine in eine verallgemeinerte Rahmenstruktur gewidmet. Diese Rahmenstruktur - Deep Graphs - ist in der Lage als Bindeglied zwischen einer vereinheitlichten und generalisierten Netzwerkdarstellung von Systemen und den Methoden der Statistik und des maschinellen Lernens zu fungieren (Software: https://github.com/deepgraph/deepgraph). Anwendungen meiner Rahmenstruktur werden dargestellt. Ich konstruiere einen Regenfall Deep Graph und analysiere raumzeitliche Extrem-Regenfallcluster. Auf Grundlage dieses Graphs liefere ich einen statistischen Beleg, dass die Größenverteilung dieser Cluster einem exponentiell gedämpften Potenzgesetz folgt. Mit Hilfe eines generativen Sturm-Modells zeige ich, dass die exponentielle Dämpfung der beobachteten Größenverteilung durch das Vorhandensein von Landmasse auf unserem Planeten zustande kommen könnte. Dann verknüpfe ich zwei hochauflösende Satelliten-Produkte um raumzeitliche Cluster von Feuer-betroffenen Gebieten im brasilianischen Amazonas zu identifizieren und deren Brandeigenschaften zu charakterisieren. Zuletzt untersuche ich den Einfluss von weißem Rauschen und der globalen Kopplungsstärke auf die maximale Synchronisierbarkeit von Oszillatoren-Netzwerken für eine Vielzahl von Oszillatoren-Modellen, welche durch ein breites Spektrum an Netzwerktopologien gekoppelt sind. Ich finde ein allgemeingültiges sigmoidales Skalierungsverhalten, und validiere dieses mit einem geeignetem Regressionsmodell. / Network theory has proven to be a powerful instrument in the representation of complex systems. Yet, even in its latest and most general form (i.e., multilayer networks), it is still lacking essential qualities to serve as a general data analysis framework. These include, most importantly, an explicit association of information with the nodes and edges of a network, and a conclusive representation of groups of nodes and their respective interrelations on different scales. The implementation of these qualities into a generalized framework is the primary contribution of this dissertation. By doing so, I show how my framework - deep graphs - is capable of acting as a go-between, joining a unified and generalized network representation of systems with the tools and methods developed in statistics and machine learning. A software package accompanies this dissertation, see https://github.com/deepgraph/deepgraph. A number of applications of my framework are demonstrated. I construct a rainfall deep graph and conduct an analysis of spatio-temporal extreme rainfall clusters. Based on the constructed deep graph, I provide statistical evidence that the size distribution of these clusters is best approximated by an exponentially truncated powerlaw. By means of a generative storm-track model, I argue that the exponential truncation of the observed distribution could be caused by the presence of land masses. Then, I combine two high-resolution satellite products to identify spatio-temporal clusters of fire-affected areas in the Brazilian Amazon and characterize their land use specific burning conditions. Finally, I investigate the effects of white noise and global coupling strength on the maximum degree of synchronization for a variety of oscillator models coupled according to a broad spectrum of network topologies. I find a general sigmoidal scaling and validate it with a suitable regression model.

Die Intra-Tumor-Heterogenität spiegelt eine kontinuierliche Entwicklung zwischen den Zellen eines einzelnen Tumors wider. Sie ist eine der Hauptursachen für Arzneimittelresistenz bei der Krebsbehandlung. Um dieses Problem anzugehen, ist es daher wichtig, die Tumorevolution innerhalb eines einzelnen Patienten zu verstehen und erfolgreich zu modellieren. Bisherige Arbeiten haben sich nicht erfolgreich mit der Evolution von Tumoren befasst, deren Treiber strukturelle Veränderungen im Genom sind, wie z. B. somatische Kopienzahlveränderungen (SCNAs). Diese Arbeit befasst sich mit der Herausforderung, die Tumorevolution als Folge solcher Veränderungen zu charakterisieren. Wir verwenden einen phylogenetischen Ansatz zur Analyse von multiregionalen Datensätzen in einer großen Pan-Krebs-Kohorte. Wir untersuchen häufige SCNAs in verschiedenen Stadien der Tumorentwicklung und führen eine neue Methode, MEDICC2, ein, die die Tumorevolution innerhalb eines einzelnen Patienten rekonstruiert. In dieser Arbeit haben wir häufige SCNAs charakterisiert, die früh in der Tumorentwicklung auftreten. Aufgrund der Struktur der Kohorte ist die Charakterisierung der subklonalen SCNAs nicht eindeutig. Unsere neue Methode, MEDICC2, akzeptiert höhere Kopienzahlzustände und berücksichtigt die Verdopplung des gesamten Genoms, ein häufiges Ereignis in Tumoren, was eine genauere Modellierung der Tumorevolution ermöglicht. / Intra-tumor heterogeneity reflects an ongoing evolution among cells of a single tumor. It is one of the leading causes of drug resistance in cancer treatments. Therefore, to address this issue, it is important to understand and successfully model tumor evolution within a single patient. Previous work has failed to successfully address the evolution of tumors whose drivers are structural changes in the genome, such as somatic copy number alterations (SCNAs). This work addresses the challenge of characterizing tumor evolution as a result of such changes. We use a phylogenetic approach to analyze multi-region datasets in a large pan-cancer cohort. We investigate frequent SCNAs at different stages of tumor development, and introduce a new method, MEDICC2, which reconstructs tumor evolution within a single patient. In this work, we characterized frequent SCNAs that occur early in tumor development. Due to the structure of the cohort, the characterization of subclonal SCNAs remains inconclusive. Our new method, MEDICC2, accepts higher copy number states and takes into account whole-genome doubling, a frequent event in tumors, which allows for a more precise modeling of tumor evolution.

In den letzten Jahrzehnten führten abnehmende Geburtenraten und die zunehmende Lebenserwartung zur Alterung der deutschen Bevölkerung. Zur Sicherung des Rentensystems wurde das Renteneintrittsalter auf 67 Jahre angehoben. Um die Arbeitsfähigkeit zu erhalten und den technologischen wie organisationalen Wandel zu bewältigen, fordert die Europäische Union zum lebenlangen Lernen auf. Diese Dissertation bietet einen Literaturüberblick und drei empirische Aufsätze, die die Weiterbildungsmotivation älterer Arbeitnehmer auf ihre demographische Relevanz untersuchen und altersspezifische Einflüsse von arbeitsbezogenen Faktoren sowie Altersheterogenität belegen. Der Literaturüberblick erläutert die demografische Relevanz älterer Arbeitnehmer, ihren Altersübergang, ihre Arbeitsmotivation und Weiterentwicklung. Anhand von Querschnittsdaten wird der positive Zusammenhang von Weiterbildungsmotivation mit Arbeitsfähigkeit und dem Weiterbeschäftigungswunsch gezeigt. Die Weiterbildungsmotivation Älterer ist über alle Befragtengruppen hoch, was darauf hin deutet, dass Partizipationsungleichheiten weniger von unterschiedlichen Motivationslagen, sondern von anderen Barrieren abhängen. Eine weitere Analyse identifiziert altersspezifische Unterschiede in Hinblick auf den Einfluss von Arbeitsplatzfaktoren auf die Weiterbildungsmotivation. Es zeigen sich schwache aber signifikante Einflüsse einiger Faktoren. Anhand von Längsschnittdaten lässt sich zunehmende Altersheterogenität in Bezug auf die Zufriedenheit mit dem Leben, Arbeit, Familienleben und Gesundheit feststellen. In der Zusammenfassung ist die Weiterbildungsmotivation älterer Arbeitnehmer hoch, sie wird durch den Arbeitskontext beeinflusst und hängt positiv mit der Arbeitsfähigkeit und dem Weiterbeschäftigungswunsch im Rentenalter zusammen. Übliche Mittelwertanalysen älterer Arbeitnehmer haben nur begrenzte Aussagekraft. / Decreasing birth rates and increasing life expectancy have led to the ageing of the German population during the past decades. To sustain the German retirement system, retirement age is increased to 67 years. The European Union calls for individuals’ lifelong learning to maintain work ability and cope with challenges of technological and organisational change. This dissertation consists of a literature overview and three empirical essays investigating older workers’ motivation to participate in continuing education (MPCE) and its demographic relevance, highlighting age-specific work context influences and providing evidence for older workers’ heterogeneity. The literature overview delineates older workers’ demographic relevance as well as their transition to retirement, work motivation, development opportunities, and education. Second, the analysis of cross-sectional data establishes the relevance of older workers’ MPCE for the policy of prolonging working life by showing the positive relationship with work ability and the desire to work past retirement age. Older workers’ MPCE is high across all respondent groups, implying that inequalities in participation are less a result of varying motivation among subgroups, but of other barriers. Following this, work context-related motivational differences between older and younger workers are identified and analysed. Results show weak but significant influences of some work context factors. The analysis of longitudinal data shows ageing workers’ increasing heterogeneity of life satisfaction and satisfaction with work, family life, and health, corroborating life-span theories. In sum, MPCE is high among older workers. It is influenced by work context, and positively related to work ability and the desire to work past retirement age. Common mean-level analyses of older workers yield only limited informative value.

Diese Dissertation besteht aus drei Essays, die die Rolle von Haushalts-Heterogenität für makroökonomische Entwicklungen untersuchen. Alle Essays verwenden dynamische, stochastische Modelle des allgemeinen makroökonomischen Gleichgewichtes, in denen Haushalte heterogen sind. Das erste Essay berechnet Multiplikatoren von budgetneutralen fiskalischen Politiken, die Einkommen von Haushalten mit einer geringen Konsumneigung zu Haushalten mit einer hohen Konsumneigung umverteilen. Zu diesem Zweck unterteile ich den Haushaltssektor in einem Neu-Keynesianischen Modell in eine Vielzahl von Untergruppen mit unterschiedlichen Konsumneigungen, wodurch die empirisch beobachtete Verteilung von Konsumneigungen exakt im Modell repliziert werden kann. Ich zeige, dass budgetneutrale Umverteilungen in diesem Modell ein wirksames Instrument sind um die Wirtschaft zu stimulieren. Das zweite Essay analysiert die Auswirkungen von Haushalts-Heterogenität für die Transmission von adversen externen Schocks in einem Bewley-Modell einer kleinen offenen Volkswirtschaft. Ich zeige, dass die negativen Auswirkungen der Schocks auf Haushaltseinkommen für ärmere Haushalte stärker sind. Da diese eine höhere marginale Konsumneigung haben, bedeutet das eine Abnahme der aggregierten Nachfrage. Des Weiteren profitieren reichere Haushalte disproportional von einer Stabilisierung der Volkswirtschaft durch eine Wechselkursabwertung. Das dritte Essay untersucht die Auswirkungen eines Anstieges der Lebenserwartung. Dabei liegt der Fokus auf den Implikationen von altersabhängigem Lohnrisiko, das einen U-förmigen Verlauf über die Lebenszeit aufweist. Wenn dies in einem Aiyagari-Modell mit überlappenden Generationen berücksichtigt wird, spielt die Anpassung von Arbeitsangebot eine wichtigere Rolle als im Standard-Modell ohne altersabhängiges Lohnrisiko. Anpassungen im Sparverhalten werden hingegen weniger wichtig. / This thesis consists of three essays on the implications of household heterogeneity for macroeconomic dynamics. Each essay employs a different Heterogeneous-Agent Dynamic Stochastic General-Equilibrium (DSGE) model tailored to the given research question. The first essay computes multipliers of different types of budget-neutral redistributive fiscal policies in a New Keynesian DSGE model. An ad-hoc distribution of MPC is introduced by partitioning the household population into a large number of segments with a varying share of hand-to-mouth consumers, which allows matching empirical estimates of the MPC distribution. I find that targeted transfers can be an effective tool in stimulating aggregate demand. In the second essay, I analyze the role of household heterogeneity for the propagation of external shocks in a Bewley-type model of a small open economy. I find that negative external shocks reduce households' current income, whereby poor households are affected most strongly. Since poor households have the highest MPC, this brings about a reduction in aggregate demand. My results further show that rich households dis-proportionally benefit from the stabilization of the domestic economy, provided by a devaluation of the nominal exchange rate. The third essay analyzes the effect of an increase in life expectancy in an Aiyagari overlapping generations model. Motivated by empirical evidence, the process for idiosyncratic wage shocks is modified such that their volatility is u-shaped over the life cycle. Relative to the standard model with age-independent wage volatility, labor supply has a more significant role in preparing for an increase in the expected retirement spell, while precautionary savings become less relevant. In the aggregate, this translates into a smaller fall in the natural interest rate, relative to the standard model.

Unter Diversity (dt.: Vielfalt) wird die Heterogenität und Diversifizierung sozialer Lebenslagen und sozialer Zugehörigkeiten verstanden, die in Folge von unter anderem Migrationsbewegungen, veränderten Geschlechterbeziehungen und der Pluralisierung von Familienformen in westlichen Gesellschaften zunehmen bzw. stärker thematisiert werden als zuvor. Dabei ist eine Lesart vorherrschend, die Diversity als gesellschaftliche und besonders als ökonomische Ressource, als Potenzial, betrachtet.

Im Rahmen der Dissertation wurde ein Middlewaredienst entwickelt und realisiert. Es gestattet die dynamische Verwaltung heterogener Kontextquellen. Das zugrunde liegende Komponentenmodell selbstbeschreibender Context Provieder ermöglicht die lose Kopplung von Kontextquellen und -senken. Es wird durch Filter- und Konverterkomponenten zur generischen Providersselektion anhand domänenspezifischer Merkmale ergänzt. Die Kopplung der verteilten Dienstinstanzen erfolgt durch ein hybrides Peer-to-Peer-System. Dies trägt der Heterogenität der Endgeräte Rechnung, und erlaubt die skalierbare , verteilte Verwaltung von Kontextquellen in globalen Szenarien.

No description available.

Background: Clonal competition in cancer describes the process in which the progeny of a cell clone supersedes or succumbs to other competing clones due to differences in their functional characteristics, mostly based on subsequently acquired mutations. Even though the patterns of those mutations are well explored in many tumors, the dynamical process of clonal selection is underexposed. Methods: We studied the dynamics of clonal competition in a BcrAbl-induced leukemia using a γ-retroviral vector library encoding the oncogene in conjunction with genetic barcodes. To this end, we studied the growth dynamics of transduced cells on the clonal level both in vitro and in vivo in transplanted mice. Results: While we detected moderate changes in clonal abundancies in vitro, we observed monoclonal leukemias in 6/30 mice after transplantation, which intriguingly were caused by only two different BcrAbl clones. To analyze the success of these clones, we applied a mathematical model of hematopoietic tissue maintenance, which indicated that a differential engraftment capacity of these two dominant clones provides a possible explanation of our observations. These findings were further supported by additional transplantation experiments and increased BcrAbl transcript levels in both clones. Conclusion: Our findings show that clonal competition is not an absolute process based on mutations, but highly dependent on selection mechanisms in a given environmental context.

Background: Clonal competition in cancer describes the process in which the progeny of a cell clone supersedes or succumbs to other competing clones due to differences in their functional characteristics, mostly based on subsequently acquired mutations. Even though the patterns of those mutations are well explored in many tumors, the dynamical process of clonal selection is underexposed. Methods: We studied the dynamics of clonal competition in a BcrAbl-induced leukemia using a γ-retroviral vector library encoding the oncogene in conjunction with genetic barcodes. To this end, we studied the growth dynamics of transduced cells on the clonal level both in vitro and in vivo in transplanted mice. Results: While we detected moderate changes in clonal abundancies in vitro, we observed monoclonal leukemias in 6/30 mice after transplantation, which intriguingly were caused by only two different BcrAbl clones. To analyze the success of these clones, we applied a mathematical model of hematopoietic tissue maintenance, which indicated that a differential engraftment capacity of these two dominant clones provides a possible explanation of our observations. These findings were further supported by additional transplantation experiments and increased BcrAbl transcript levels in both clones. Conclusion: Our findings show that clonal competition is not an absolute process based on mutations, but highly dependent on selection mechanisms in a given environmental context.