Das Thema der Arbeit sind lineare gemischte Modelle, welche in vielen Bereichen der Biostatistik angewendet werden. Wiederholte Messungen an Subjekten sowie gruppierte Datenstrukturen können mit dieser Art von Modellen analysiert werden. Die Korrelationen der Messungen werden berücksichtigt und in Form eigener Varianzkomponenten geschätzt. Im ersten Teil der Arbeit werden die theoretischen Grundlagen des Modells beschrieben, der zweite Teil beschäftigt sich mit der Analyse eines realen Datensatzes. Der Vergleich der Softwarepakete R, SPSS und SAS führt zu dem Ergebnis, dass die ausgegebenen Schätzungen der Parameter übereinstimmen, lediglich die Testprozeduren und die Konfidenzintervalle werden geringfügig anders berechnet, in SAS sind optionale Berechnungsvarianten möglich.

The issue of this paper is linear mixed-effects-models, which are able to handle grouped data structures as well as repeated measures. Correlation structures between measurements on the same subject are taken into account. These kinds of data arise in many areas of biostatistics. The first chapters provide a theoretical basis on the subject, in the second part the model is applied on a real dataset. The comparison of the results of the statistical software R, SPSS and SAS shows, that the values of the estimated parameters are equal. There are little differences in the hypothesis-testing-procedure and in the construction of confidence intervals, SAS provides optional methods to compute these quantities.