Sie sind hier
E-Book

Handbuch der sozialwissenschaftlichen Datenanalyse

VerlagVS Verlag für Sozialwissenschaften (GWV)
Erscheinungsjahr2011
Seitenanzahl1098 Seiten
ISBN9783531920382
FormatPDF
KopierschutzDRM
GerätePC/MAC/eReader/Tablet
Preis62,94 EUR
Das Handbuch der sozialwissenschaftlichen Datenanalyse bietet in über 40 Kapiteln eine umfassende Darstellung multivariater Analyseverfahren. Schwerpunkte des Handbuchs bilden Grundlagen der Datenanalyse, regressionsanalytische Verfahren für Quer- und Längsschnittsdaten sowie Skalierungsverfahren. Behandelt werden u. a. OLS-, logistische und robuste Regression, Strukturgleichungsmodelle, Mehrebenen-, Panel-, Ereignisdaten- und Zeitreihenanalyse, MDS und Rasch-Modelle. Darüber hinaus werden viele neuere Verfahren dargestellt, etwa multiple Imputation, Bootstrappen, Analyse latenter Klassen und propensity score matching.
Jedes Kapitel beginnt mit einer allgemein verständlichen Einführung. Es folgt eine Darstellung der mathematisch-statistischen Grundlagen. Anschließend wird jedes Verfahren anhand eines sozialwissenschaftlichen Beispiels vorgestellt. Die Beiträge enden mit Hinweisen auf typische Anwendungsfehler und einer kommentierten Literaturempfehlung.

Prof. Dr. Christof Wolf ist Wissenschaftlicher Leiter der Abteilung 'Dauerbeobachtung der Gesellschaft' der GESIS - Leibniz-Institut für Sozialwissenschaften und hat eine Professur für Sozialstrukturanalyse an der Universität Mannheim.

PD Dr. Henning Best ist wissenschaftlicher Mitarbeiter am Lehrstuhl für Methoden der empirischen Sozialforschung der Universität Mannheim.

Kaufen Sie hier:

Horizontale Tabs

Blick ins Buch
Inhaltsverzeichnis
Vorwort5
Inhaltsverzeichnis6
Teil I Einführung10
1 Einführung: Sozialwissenschaftliche Datenanalyse11
1 Moderne Sozialwissenschaft und die Bedeutung der Statistik11
2 Ziele und Zielgruppe des Handbuchs12
3 Themenauswahl13
4 Gliederung und Inhal14
5 Ausblick14
Literaturverzeichnis15
2 Kausalität als Gegenstand der Sozialwissenschaften und der multivariaten Statistik16
1 Einführung16
2 Was heißt Kausalität?17
2.1 Zeitliche Reihenfolge von Ereignissen als grundlegende Bedingung für Kausalität18
2.2 Kausalität als „innerer Zusammenhang“ von Ereignissen18
2.3 Die Veränderung von Ereignissen nach der Manipulierung anderer Ereignisse: Die Kontroll-Definition von Kausalität18
2.4 Kausalität als „Mechanismus“19
2.5 Die kontrafaktische Definition von Kausalität: Was wäre wenn?19
2.6 Exkurs: Die Logik der Erklärung20
2.7 Ursachen als Anfangsbedingungen oder als Wenn-Komponente von Gesetzen: Die Gesetzes-Definition von Kausalität21
2.8 Zum Vergleich der Kausalitäts-Definitionen23
3 Kausalität in sozialwissenschaftlichen Experimenten24
4 Kausalität in multivariaten Analyseverfahren: Das Beispiel der Regression27
4.1 Enthalten Kausalmodelle Kausalaussagen?27
4.2 Regressionsanalyse und kausale Schlüsse28
4.3 Kausalität in anderen multivariaten Verfahren33
4.4 Gibt es Algorithmen für die Ermittlung von Kausalität?34
5 Einzelfallanalysen, historische Daten und die Prüfung von Kausalaussagen36
6 Kausalität in Messmodellen38
7 Resümee41
8 Literaturempfehlungen41
Literaturverzeichnis42
Teil II Grundlagen der Datenanalyse46
3 Datengewinnung und Datenaufbereitung47
1 Daten47
2 Formen der Datenerhebung49
2.1 Befragung49
Persönlich-Mündliches Interview53
Schriftliche Befragung54
Telefonbefragung56
Onlinebefragungen57
Entscheidung für eine Befragungsform60
2.2 Beobachtung61
3 Stichprobenziehung63
4 Datenaufbereitung66
4.1 Transkription66
4.2 Kodierung66
4.3 Plausibilisierung67
4.4 Gewichtung68
4.5 Archivierung68
5 Literaturempfehlungen69
Literaturverzeichnis69
4 Uni- und bivariate deskriptive Statistik71
1 Univariate Statistik71
1.1 Lagemaße71
Arithmetische Mittel71
Median (Zentralwert)72
Modalwert74
1.2 Streuungsmaße74
Varianz, Standardabweichung und Variationskoeffizient75
Spannweite, Quartilabstand und 5-Punkte-Zusammenfassung einer Verteilung77
Index qualitativer Variation78
1.3 Schiefe78
2 Bivariate Statistik79
2.1 Tabellenanalyse81
Spalten-, Zeilen- und Gesamtprozente81
Prozentuierung und statistische Unabhängigkeit82
Prozentsatzdifferenz83
Odds und Odds-Ratio84
Nominalskalierte Maße: Cramérs V85
Ordinalskalierte Merkmale87
2.2 Metrische Merkmale: Kovarianz und Korrelation91
3 Ausblick94
4 Literaturempfehlungen94
Literaturverzeichnis94
5 Graphische Datenexploration96
1 Einführung96
2 Graphische Methoden für die Datenexploration98
2.1 Einteilungskriterien für graphische Darstellungen98
2.2 Univariate Analysen99
Untersuchung der empirischen Häufigkeitsverteilung99
Vergleich von Verteilungen108
Die Darstellung von Zeitreihen112
2.3 Bivariate Analysen113
Das Anscombe-Quartett114
Streudiagramm115
2.4 Multivariate Analysen117
3 Fehlervermeidung und Hinweise zum praktischen Vorgehen119
4 Literaturempfehlungen120
Anhang120
Literaturverzeichnis121
6 Der Umgang mit fehlenden Werten122
1 Einführung in Techniken zur Kompensation fehlender Werte122
1.1 Klassifikation fehlender Werte, Missingmechanismus und Ignorierbarkeit122
1.2 Gewichtung125
Schätzung der Responsewahrscheinlichkeiten126
Gewichten oder nicht?127
Ergänzungen128
1.3 Multiple Imputation129
Voraussetzungen129
Erzeugung multipler Imputationen130
Auswertung multipel imputierter Datensätze132
Ergänzungen133
2 Mathematisch-statistische Grundlagen134
2.1 Klassifikation fehlender Werte, Missingmechanismus und Ignorierbarkeit134
2.2 Gewichtung135
2.3 Multiple Imputation137
3 Beispiel: Einkommensgleichung mit fehlenden Werten140
4 Häufige Fehler144
5 Literaturempfehlungen146
Literaturverzeichnis147
7 Gewichtung148
1 Einführung in das Verfahren148
2 Mathematisch-statistische Grundlagen150
2.1 Designgewichtung in komplexen Stichprobenerhebungen152
Schichtung153
Proportionale Aufteilung154
Disproportionale Schichtung154
Klumpenauswahl155
Auswahl mit ungleichen Wahrscheinlichkeiten156
2.2 Kombination von Anpassungs- und Designgewichtung158
3 Gewichtung am Beispiel des ESS163
4 Häufige Fehler168
5 Literaturempfehlungen168
Literaturverzeichnis168
8 Grundlagen des statistischen Schließens170
1 Einführung in die Fragestellung170
2 Statistisches Schätzen171
2.1 Eigenschaften von Schätzern172
2.2 Intervallschätzung175
3 Statistisches Testen179
3.1 Hypothesentests über Konfidenzintervalle179
3.2 Signifikanztests180
3.3 Berücksichtigung der Trennschärfe von Tests183
3.4 Wald-Tests, Score-Tests und Chiquadrat-Differenzen-Tests185
4 Anwendungsfehler und Anwendungsprobleme187
4.1 Fallzahlabhängigkeit188
4.2 Spezifikation der statistischen Fragestellung189
4.3 Fehlinterpretation von Ergebnissen statistischer Schlüsse190
Interpretation von Konfidenzintervallen190
Interpretation von Signifikanzen190
Formulierung der Forschungshypothese als Alternativhypothese191
Multiples Testen191
Modell-Fitting192
Stichprobenpläne als Quelle von Interpretationsfehlern193
5 Literaturhinweise193
Literaturverzeichnis194
9 Einführung in die Inferenz durch den nichtparametrischen Bootstrap195
1 Einführung in das Verfahren195
2 Mathematisch-statistische Grundlagen199
2.1 Standardfehler und Konfidenzintervall von ˆ.199
Normale Approximationsmethode200
Perzentil-Methode200
Bias-corrected and accelerated Methode (BCa)200
2.2 Besonderheiten bei der Anwendung des Bootstraps auf Umfragedaten202
3 Ein Beispiel203
3.1 Ermittlung des Standardfehlers und des Konfidenzintervalls mit Imputation205
4 Häufige Fehler206
5 Literaturempfehlungen208
Literaturverzeichnis208
10 Maximum-Likelihood Schätztheorie209
1 Einführung in das Verfahren210
2 Die Mechanik des Maximum-Likelihood Verfahrens212
2.1 Das ML-Verfahren zur Bestimmung eines Parameters213
2.2 Das ML-Verfahren zur Bestimmung mehrerer Parameter218
3 Statistische Eigenschaften der ML-Schätzer223
4 Inferenzstatistik und Modellanpassung226
4.1 Test auf Signifikanz individueller Parameter227
4.2 Test auf Signifikanz mehrerer Parameter228
Likelihood Ratio Test228
Wald-Test229
Lagrange Multiplikatortest230
4.3 Modellgüte231
McFadden R2232
Wald- und LM-basierte R2233
AIC und BIC234
5 Numerische Optimierungsverfahren235
6 Literaturempfehlungen237
Literaturverzeichnis238
Teil III Messen und Skalieren240
11 Reliabilität, Validität, Objektivität241
1 Einführung241
2 Objektivität242
2.1 Durchführungsobjektivität242
2.2 Auswertungsobjektivität243
2.3 Interpretationsobjektivität244
3 Reliabilität244
3.1 Retest-Reliabilität246
Beispiel zur Bestimmung der Retest-Reliabilität247
3.2 Die Paralleltest-Reliabilität247
3.3 Die Split-Half-Reliabilität248
Beispiel zur Bestimmung der Split-Half-Reliabilität249
3.4 Konsistenzanalysen250
Beispiel zur Bestimmung der internen Konsistenz250
3.5 Die Beurteilung der Höhe von Reliabilitätskoeffizienten251
4 Validität252
4.1 Die Inhaltsvalidität252
4.2 Kriteriumsvalidität253
4.3 Konstruktvalidität255
Konstruktvalidierung mittels Dimensionalitätsüberprüfung (Prüfung auf formaleValidität)255
Konstruktvalidierung mittels eines empirischen Vergleichs mit anderen, dasselbeKonstrukt messenden Instrumenten256
Konstruktvalidierung mittels der Überprüfung des Zusammenhangs zwischen Selbstund Fremdurteil257
5 Vorgehen zur Güteüberprüfung von Skalen258
6 Häufige Fehler259
7 Literaturempfehlungen259
Literaturverzeichnis260
12 Thurstone- und Likertskalierung261
1 Einleitung261
2 Thurstone Skalierung262
2.1 Die Methode der Paarweisen Vergleiche (Law of Comparative Judgement, LCJ)262
Grundlagen des Verfahrens262
Vorgehensweise bei der Skalierung264
Anwendungsbeispiel266
2.2 Die Methode der gleich erscheinenden Intervalle270
2.3 Die Methode der sukzessiven Intervalle (MSI)272
Grundlagen des Verfahrens272
Anwendungsbeispiel273
2.4 Häufige Fehler bei der Thurstone Skalierung277
3 Likertskalierung277
3.1 Grundlagen des Verfahrens277
3.2 Anwendungsbeispiel279
3.3 Häufige Fehler bei der Likert Skalierung282
4 Literaturempfehlungen282
Literaturverzeichnis282
13 Guttman- und Mokkenskalierung284
1 Einleitung284
2 Guttmanskalierung286
2.1 Grundlagen des Verfahrens286
Modellannahmen288
Schätzung von Item- und Personenparametern289
Stichprobenabhängigkeit der Schätzung von Item- und Personenparametern290
Modellprüfung291
2.2 Anwendungsbeispiel297
2.3 Häufige Fehler bei der Guttmanskalierung299
3 Mokkenskalierung300
3.1 Grundlagen des Verfahrens300
Modellprüfung302
3.2 Anwendungsbeispiel306
3.3 Häufige Fehler bei der Mokkenskalierung308
4 Literaturempfehlungen308
Literaturverzeichnis309
14 Item-Response-Theorie311
1 Einführung312
2 Modelle für dichotome Items313
2.1 Das Rasch-Modell313
2.2 Das Birnbaum-Modell316
2.3 Das Modell mit Rateparameter317
3 Modelle für mehrstufig geordnete Items318
3.1 Das ordinale Rasch-Modell (Partial-Credit-Modell)318
3.2 Weitere IRT-Modelle für ordinale Items320
4 Weitere IRT-Modelle321
4.1 Mischverteilungs-IRT-Modelle: Das Mixed-Rasch-Modell321
5 Modelltestung und Modellvergleiche322
6 Beispielanwendung324
6.1 Anwendung 1: Kompetenzmessung324
6.2 Anwendung 2: Surveyforschung326
7 Häufige Fehler330
8 Literaturempfehlungen331
Literaturverzeichnis331
15 Hauptkomponentenanalyse und explorative Faktorenanalyse333
1 Einführung in das Verfahren333
1.1 Einsatzmöglichkeiten333
1.2 Die Hauptkomponentenanalyse336
Eine geometrische Perspektive336
Die konkreten Schritte der PCA340
Bestimmung der Komponentenzahl341
Die unrotierte Lösung343
Rotation344
Berechnung von Komponentenwerten347
1.3 Das Modell mehrerer gemeinsamer Faktoren: Faktorenanalyse im engeren Sinne348
2 Mathematisch-statistische Grundlagen350
3 Ein Anwendungsbeispiel: Vertrauen in Institutionen354
4 Probleme und Erweiterungen360
5 Literaturempfehlungen363
Anhang364
Literaturverzeichnis364
16 Korrespondenzanalyse366
1 Einleitung366
2 Mathematisch-statistische Grundlagen368
3 Ein Beispiel370
3.1 Graphische Darstellung370
3.2 Numerische Darstellung373
4 Erweiterungen der Korrespondenzanalyse376
4.1 Zusammengesetzte Tabellen376
4.2 Multiple Korrespondenzanalyse378
4.3 Aktive und passive Merkmale382
4.4 Andere Datenformate384
5 Häufige Fehler385
6 Diskussion386
7 Literaturempfehlungen386
Literaturverzeichnis387
17 Multidimensionale Skalierung389
1 Einführung in die MDS389
1.1 Die MDS als psychologisches Modell390
1.2 Die MDS zur Exploration von Datenstrukturen392
2 Mathematische Grundlagen der MDS393
2.1 Güte einer MDS-Lösung393
2.2 Bewertung des Stress395
2.3 MDS-Modelle397
2.4 MDS-Algorithmen400
2.5 Konfirmatorische MDS400
3 Häufige Fehler403
3.1 Degenerierte Lösungen in der ordinalen MDS403
3.2 Falsche Polung der Proximitäten405
3.3 Fehlbewertung von Stress406
3.4 Fehler beim Vergleich verschiedener MDS-Lösungen407
3.5 Mechanische Interpretation „der“ Dimensionen409
3.6 Behandlung störender Punkte412
3.7 Überinterpretation von Dimensionsgewichten413
4 Literaturempfehlungen413
Anhang414
Literaturverzeichnis415
Teil IV Analyse von Häufigkeiten, Gruppen und Beziehungen417
18 Analyse kategorialer Daten418
1 Einführung in das Verfahren418
2 Mathematisch-statistische Grundlagen430
3 Ein Beispiel440
4 Häufige Fehler448
5 Literaturempfehlungen450
Literaturverzeichnis450
19 Varianz- und Kovarianzanalyse452
1 Einführung in das Verfahren452
1.1 Vergleich von zwei Gruppen454
Modellgleichung455
Hypothesen455
Quadratsummen456
Freiheitsgrade457
Allgemeine Teststatistik457
Annahmen459
Exkurs: Mittlere Quadratsummen460
1.2 Vergleich von mehr als zwei Gruppen: Die einfaktorielle Varianzanalyse461
1.3 Mehrfaktorielle Varianzanalyse462
Modellgleichung462
Hypothesen463
Quadratsummen463
Freiheitsgrade464
Teststatistik465
Annahmen465
1.4 Kovarianzanalyse466
Modellgleichung467
ANOVA versus ANCOVA467
1.5 Effektstärke468
1.6 Teststärke471
2 Mathematisch-statistische Grundlagen472
2.1 ANOVA und ANCOVA als Spezialfälle des ALM473
2.2 Jenseits von ANOVA und ANCOVA: Kreative Modellierung im Rahmen des ALM477
3 Ein Beispiel480
3.1 Vergleich von zwei Gruppen480
3.2 Vergleich von mehr als zwei Gruppen481
3.3 Mehrfaktorielle ANOVA482
3.4 Kovarianzanalyse484
3.5 Annahmen der Varianz- und Kovarianzanalyse484
3.6 Teststärke488
4 Häufige Fehler – eine Checkliste488
5 Literaturempfehlungen489
Literaturverzeichnis489
20 Diskriminanzanalyse491
1 Einführung in das Verfahren491
1.1 Zielsetzung und Anwendungsmöglichkeiten491
1.2 Problemstellung und Prämissen493
1.3 Arten der Diskriminanzanalyse und ihre Abgrenzung gegenüber anderen multivariaten Verfahren495
1.4 Vorgehensweise497
Festlegung des Untersuchungsdesigns497
Extraktion der Diskriminanzfunktion(en)498
Evaluation der Diskriminanzfunktion(en)500
Merkmalsselektion und Klassifikation neuer Objekte502
2 Mathematisch-statistische Grundlagen503
2.1 Ermittlung der Diskriminanzfunktion (en)503
2.2 Prüfkriterien der Diskriminanz507
2.3 Klassifikationskonzepte508
Distanzkonzept509
Wahrscheinlichkeitskonzept510
Konzept der Klassifikationsfunktionen nach Fisher510
3 Anwendungsbeispiel511
4 Häufige Fehler515
5 Literaturempfehlungen517
Literaturverzeichnis518
21 Clusteranalyse520
1 Einführung in das Verfahren520
1.1 Was ist Clusteranalyse und was sind überhaupt Cluster?521
1.2 Clusterstruktur522
1.3 Algorithmen522
1.4 Variablenräume523
1.5 Agglomerative Verfahren524
Ähnlichkeitsmaß, Distanz und Index524
Fusionswerte und Dendrogramme525
1.6 Wahl der Metriken und Agglomerationsverfahren526
1.7 K-Means (Clusterzentrenanalyse)527
1.8 TwoStep-Clusteranalyse529
2 Mathematisch-statistische Grundlagen530
2.1 Hierarchisch-agglomerative Verfahren530
Ähnlichkeitsmaße und Distanzen530
Gewichtung und Standardisierung von Variablen532
Erweiterung der Abstandsmaße auf Abstände zwischen Aggregaten532
Dendrogramm und Ultrametrik533
2.2 K-Means534
2.3 TwoStep-Verfahren534
Die beiden Stufen der Clusterung534
Anzahl der Cluster535
Tabellen und Graphiken zur Beschreibung der Cluster536
3 Beispiel536
3.1 Daten- und Variablenauswahl536
3.2 Analyse537
3.3 Verbesserung der Clusterlösung540
Variablenauswahl540
Eliminieren von „Ausreißern“540
Optimierung der Lösung durch eine K-Means-Analyse541
3.4 Überprüfen der Clusterlösung542
3.5 TwoStep-Clusteranalyse543
4 Häufige Fehler545
5 Literaturempfehlungen546
Literaturverzeichnis547
22 Analyse latenter Klassen548
1 Einführung in das Verfahren548
2 Mathematisch-statistische Grundlagen550
2.1 Modellansatz550
2.2 Parameterschätzung551
2.3 Computerprogramme553
3 Ein Beispiel555
3.1 Daten555
3.2 Zahl der latenten Klassen555
3.3 Lokale Unabhängigkeit559
3.4 Inhaltliche Interpretierbarkeit560
3.5 Stabilität562
3.6 Formale Validitätsprüfung durch Validitätsindizes564
3.7 Kriterienbezogene Validitätsprüfung564
4 Häufige Fehler566
5 Alternativen567
6 Literaturempfehlungen568
Literaturverzeichnis569
23 Netzwerkanalyse570
1 Einführung570
2 Darstellung der Verfahren575
2.1 Konzepte zur Beschreibung der Netzstruktur in Dyaden und Triaden576
Dyaden577
Triaden578
Triadische Umgebungen einzelner Knoten579
2.2 „Positionen“: Die Klassierung von Knoten aufgrund ähnlicher Muster ihrer strukturellen Einbettung582
2.3 Teilgruppen: Die Identifikation von Teilnetzen intern eng bzw. stark verbundener Knoten586
Cliquen und Clans587
k-Plexe und k-Cores588
Zusammenhangs-Komponenten588
Modifikation der Teilgruppenkonzepte für gerichtete Beziehungen589
3 Ein Beispiel589
3.1 Daten589
3.2 Zielsetzungen591
3.3 Erstellung des Datensatzes592
4 Literaturempfehlungen596
Literaturverzeichnis597
Teil V Regressionsverfahren für Querschnittsdaten599
24 Lineare Regressionsanalyse600
1 Einführung600
2 Mathematisch-statistische Grundlagen605
2.1 Das allgemeine Modell605
2.2 Die Identifikation der Regressionskoeffizienten606
2.3 Annahmen der Kleinst-Quadrat-Methode608
2.4 Die Bestimmung der Modellgüte610
2.5 Die statistische Absicherung der Regressionsergebnisse612
2.6 Die Interpretation der Regressionskoeffizienten616
2.7 Standardisierte Regressionskoeffizienten und ihre Probleme618
3 Ein Beispiel621
3.1 Zur Operationalisierung621
3.2 Ergebnisse622
4 Häufige Fehler628
5 Literaturhinweise630
Literaturverzeichnis630
25 Lineare Regression: Modellannahmen und Regressionsdiagnostik632
1 Einführung632
1.1 Lineares Regressionsmodell: Systematischer Teil, Störgrößen und Residuen633
1.2 Regressionsdiagnostik: ein erster Einblick635
2 Mathematisch-statistische Grundlagen638
2.1 Annahmen der linearen Regressionsanalyse638
2.2 Grundlagen und Instrumente der Regressionsdiagnostik645
Stichprobenresiduen und „Leverage“-Werte als Bausteine der Regressionsdiagnostik645
Diagnostik zu den Annahmen des klassischen linearen Regressionsmodells646
Diagnostik zu potenziell einflussreichen Untersuchungseinheiten652
3 Regressionsdiagnostik am Beispiel655
3.1 Datengrundlage und Regressionsmodell655
3.2 Regressionsdiagnostik zu den Annahmen des linearen Regressionsmodells am Beispiel656
3.3 Regressionsdiagnostik zu einflussreichen Beobachtungen am Beispiel661
4 Regressionsdiagnostik: Umfang, Probleme und Empfehlungen665
5 Literaturempfehlungen666
Anhang667
Literaturverzeichnis667
26 Nicht-Linearität und Nicht-Additivität in der multiplen Regression: Interaktionseffekte, Polynome und Splines669
1 Einführung669
2 Interaktionseffekte, Polynome und Splines670
2.1 Nicht-Additivität: Interaktionseffekte670
2.2 Nichtberücksichtigung von Interaktionen als Fehlspezifikation673
2.3 Nicht-Linearität: Polynome und Splines674
2.4 Polynome675
2.5 Splines677
3 Tests auf Gruppenunterschiede und Nicht-Linearität681
4 Anwendungsbeispiel I: Interaktionseffekte683
5 Anwendungsbeispiel II: Polynome und Slopes689
6 Häufige Fehler696
7 Literaturempfehlungen697
Literaturverzeichnis697
27 Robuste Regression699
1 Einführung in das Verfahren699
2 Mathematisch-statistische Grundlagen709
2.1 Der Kleinste-Quadrate-Schätzer709
2.2 Grundlegende Konzepte zur Bewertung robuster Schätzer710
Erwartungstreue, Konsistenz und Effizienz710
Relative Effizienz711
Einfluss-Funktion, Bruchpunkt und maximale Verzerrung712
Zusammenfassung713
2.3 M-Schätzer713
Berechnung von M-Schätzern717
Bruchpunkt von M-Schätzern719
Bounded-Influence-Schätzer719
2.4 High-Breakdown-Schätzer720
LMS- und LTS-Schätzer720
S-Schätzer721
MM-Schätzer722
3 Ein Beispiel723
4 Literaturempfehlungen729
Literaturverzeichnis730
28 Mehrebenenanalyse mit Querschnittsdaten733
1 Einführung in das Verfahren733
2 Mathematisch-statistische Grundlagen741
2.1 Die Modellklassen der Mehrebenenanalyse743
Das Random-Intercept-Only-Modell (R-I-O-M)743
Das Random-Intercept-Modell (R-I-M)744
Random-Intercept-Random-Slope-Modell (R-I-R-S-M)744
Das Intercept-as-Outcome-Modell (I-as-O-M)745
Das Random-Coefficient-Modell (R-C-M)746
2.2 Beurteilung der Anpassung des Mehrebenenmodells747
2.3 Zentrierung metrischer Prädiktoren und ihre Bedeutung für die Interpretation749
Grand-Mean-Zentrierung749
Group-Mean-Zentrierung750
2.4 Standardisierung der kontextspezifischen und Populationsschätzer752
2.5 Besonderheiten des Erhebungsdesigns754
3 Ein Beispiel – Die deutsche PISA 2006 Studie755
4 Häufige Fehler763
5 Literaturempfehlungen764
Literaturverzeichnis765
29 Strukturgleichungsmodelle767
1 Einführung in das Verfahren767
1.1 Ausgangspunkt: Regressions- und Pfadmodell768
1.2 Das Messmodell: Die Diffenzierung zwischen manifesten und latenten Variablen769
1.3 Die konfirmatorische Faktorenanalyse: Die simultane Prüfung mehrerer Messmodelle771
1.4 Das allgemeine Strukturgleichungsmodell773
Modellevaluation775
Modellvergleich776
Modellsparsamkeit777
1.5 Spezielle Modellvarianten778
Modelle für mehrere Gruppen (Multiple Gruppenvergleiche)778
Längsschnittmodelle778
Modelle mit Interaktionstermen778
Die Behandlung fehlender Werte779
2 Mathematisch-statistische Grundlagen779
2.1 Ableitung der Elemente der Kovarianzmatrix S779
2.2 Schätzung der Parameter780
3 Ein Beispiel783
3.1 Messung der latenten Konstrukte785
3.2 Messmodell der latenten endogenen Variablen785
3.3 Messmodell der latenten exogenen Variablen785
3.4 Überprüfung der Messmodelle786
3.5 Intervenierende Variablen788
3.6 Strukturgleichungsmodell788
4 Häufige Fehler790
5 Literaturempfehlungen792
Anhang793
Literaturverzeichnis794
30 Regression mit unbekannten Subpopulationen797
1 Einführung in das Verfahren797
2 Mathematisch-statistische Grundlagen799
2.1 Spezifikation800
2.2 Schätzung805
2.3 Test auf die Anzahl der Komponenten807
2.4 Anpassungsindizes808
3 Ein Beispiel808
4 Häufige Fehler816
5 Literaturempfehlungen816
Literaturverzeichnis817
31 Logistische Regression818
1 Einführung in das Verfahren818
1.1 Das lineare Wahrscheinlichkeitsmodell819
1.2 Die logistische Regression820
1.3 Interpretation der Koeffizienten822
2 Mathematisch-statistische Grundlagen825
2.1 Herleitung als nichtlineares Modell mit latenter abhängiger Variable825
Logit-Regression825
Probit-Regression827
2.2 Schätzung827
2.3 Vergleich von Koeffizienten und unbeobachtete Heterogenität828
Standardisierte Koeffizienten829
Durchschnittliche marginale Effekte830
2.4 Interaktionseffekte831
2.5 Statistische Inferenz833
2.6 Goodness of fit und Modellvergleich834
3 Ein Beispiel835
4 Häufige Fehler843
5 Literaturempfehlungen844
Literaturverzeichnis845
32 Multinomiale und ordinale Regression846
1 Einführung in das Verfahren846
1.1 Von der binären zur multinomialen logistischen Regression847
1.2 Wahrscheinlichkeiten, Odds und Logits848
1.3 Modellschätzung und statistische Tests852
Besteht ein Zusammenhang?853
Wie stark ist ein Zusammenhang?853
Wie stark sind die relativen Effekte der erklärenden Variablen?854
1.4 Logistische Regression bei einer ordinalen abhängigen Variablen855
1.5 Interpretation des Modells der kumulierten Logits als vorgelagertes Schwellenwertmodell in einer linearen Regression857
2 Mathematisch-Statistische Grundlagen859
2.1 Schätzung859
2.2 Statistische Inferenz860
2.3 Modellanpassung861
2.4 Weiterführendes zu Regressionskoeffizienten862
Standardisierte Koeffizienten im ordinalen Regressionsmodell862
Umrechnen der Referenzkategorie im multinomialen Regressionsmodell862
3 Anwendungsbeispiel863
3.1 Einfluss der Bildungsabschlüsse von Vater und Mutter auf die Bildung der Befragten in der multinomialen logistischen Regression863
3.2 Bildungsabschluss im ordinalen Logitmodell870
4 Häufige Fehler873
5 Literaturempfehlungen877
Literaturverzeichnis877
33 Regression für Zählvariablen878
1 Einführung in das Verfahren878
1.1 Poisson und negative Binomialverteilung879
1.2 Regressionsmodellierung880
Strukturkomponente880
Strukturkomponente: lineare und nichtlineare Prädiktoren881
Verteilungskomponente883
Inferenz883
2 Mathematisch-statistische Grundlagen884
2.1 Poissonmodell884
Maximum-Likelihood-Schätzung884
Parameter-Tests885
Devianz und Anpassungstests887
2.2 Quasi-Poissonmodell888
2.3 Modell der negativen Binomialverteilung889
3 Ein Beispiel889
4 Häufige Fehler893
5 Literaturempfehlungen894
Literaturverzeichnis894
34 Graphische Darstellung regressionsanalytischer Ergebnisse896
1 Einführung in das Verfahren896
2 Grundlagen der graphischen Darstellung897
3 Beispiele900
3.1 Streudiagramm- bzw. Scatterplot-Matrix900
3.2 Median- und Mean-Regression902
3.3 Lineare Regression: Graphische Darstellung der Koeffizienten903
3.4 Lineare Regression: Die Darstellung vorhergesagter Werte (Conditional-Effect-Plots)905
3.5 Logistische Regression: Conditional-Effect-Plots908
3.6 Multinomiale Regression: Odds Ratio-Plots, Discrete-Change und Conditional-Effect-Plots911
4 Häufige Fehler915
5 Rückblick916
6 Literaturempfehlungen917
Literaturverzeichnis918
Teil VI Analyse von zeitbezogenen Daten919
35 Nichtparametrische Schätzung kausaler Effekte mittels Matchingverfahren920
1 Einführung in das Verfahren920
1.1 Grundannahmen kausaler Inferenz in Matchingverfahren921
1.2 Treatmenteffekte als Schätzgrößen der empirischen Analyse924
1.3 Durchführung der empirischen Analyse925
1.4 Varianten von Matchingverfahren bei Vorliegen unterschiedlicher Datenstrukturen930
2 Mathematisch-statistische Grundlagen931
3 Ein Anwendungsbeispiel: der Einkommenseffekt eines Arbeitsplatzverlustes937
3.1 Zuweisungsmodell938
3.2 Matching und Balancierungstests940
3.3 Parameterschätzung944
4 Häufige Fehler947
5 Literaturempfehlungen949
Literaturverzeichnis949
36 Kausalanalyse mit Paneldaten951
1 Einführung in die Paneldatenanalyse951
1.1 Kontrafaktische Kausalanalyse und Paneldaten952
1.2 Eine intuitive Einführung in Panelregressionsmodelle954
1.3 Ein didaktisches Beispiel956
2 Eine präzisere Einführung in die Panelregression959
2.1 Das Fehlerkomponenten-Modell960
2.2 Die Schätzverfahren960
2.3 RE- oder FE-Modell?963
2.4 Ein Hybrid-Modell964
2.5 Panel-robuste Standardfehler965
3 Ein Beispiel: Der Effekt der Heirat auf die Zufriedenheit966
3.1 Datenaufbereitung966
3.2 Schätzergebnisse968
3.3 Ein Modell mit Periodeneffekten970
3.4 Ein Hybrid-Modell971
3.5 Ein Wachstumskurven-Modell972
4 Nicht-lineare FE-Modelle973
4.1 Nicht-lineare Panelregressionsmodelle974
4.2 Das FE-Logit Modell974
4.3 FE-Modelle für Ereignisdaten976
5 Häufige Fehler978
5.1 Suboptimale Panelregressionsmodelle978
5.2 Grenzen von FE-Modellen979
6 Literaturempfehlungen981
Literaturverzeichnis981
37 Survival- und Ereignisanalyse983
1 Einführung in das Verfahren983
1.1 Spezifische Problemstellungen984
1.2 Erhebung von Ereignisdaten986
1.3 Zensierung von Beobachtungen987
2 Theoretische Modelle, mathematisch-statistische Grundlagen und Notation988
2.1 Verschiedene Ratenmodelle und ihre Schätzung991
Sterbetafelmethode und Kaplan-Meier-Schätzung991
Das Exponentialmodell992
Das Cox-Modell992
Das Piecewise-Constant-Modell993
Parametrische Modelle der Zeitabhängigkeit994
2.2 Ein Beispiel994
3 Modellierung von parallelen und interdependenten Prozessen996
3.1 Ursachen und zeitabhängige Kovariablen997
3.2 Zeit und kausale Wirkungen998
3.3 Zeitachse und Ereignisse998
3.4 Zeitfolge, Zeitintervalle und scheinbare Gleichzeitigkeit998
3.5 Zeitliche Form der Entfaltung von Wirkungen999
3.6 Das Prinzip der konditionalen Unabhängigkeit999
3.7 Ein Anwendungsbeispiel1000
4 Häufige Fehler1001
5 Literaturempfehlungen1002
Literaturverzeichnis1003
38 Latente Wachstumskurvenmodelle1005
1 Einführung in das Verfahren1005
2 Mathematisch-statistische Grundlagen1009
3 Beispiel: Entwicklung von Lebenszufriedenheit nach Arbeitsplatzverlust1012
4 Häufige Fehler1014
5 Literaturempfehlungen1016
Literaturverzeichnis1016
39 Sequenzdatenanalyse1018
1 Einführung in die Sequenzdatenanalyse1018
1.1 Was ist Sequenzdatenanalyse?1019
1.2 Grundlegende Konzepte1020
2 Mathematisch-statistische Grundlagen: Algorithmen zur Distanzberechnung1024
2.1 Der Optimal Matching Algorithmus1024
2.2 Der zweite Schritt: Die Weiterverarbeitung der Distanzen1026
2.3 Die Diskussion um OM und neuere Entwicklungen1026
3 Beispiel: Der Arbeitsmarkteintritt westdeutscher Männer und Frauen1028
3.1 Datenaufbereitung1028
3.2 Datenauswertung1030
4 Häufige Fehler1035
5 Literaturempfehlungen1037
Literaturverzeichnis1037
40 Zeitreihenanalyse1039
1 Einführung1039
2 Deskription und statistisches Modell1041
3 Stochastische Prozesse1042
4 Nichtstationäre (stochastische) Prozesse1047
5 Tests auf „Random Walk“1049
6 Zerlegung von Zeitreihen1053
7 Interventionsanalyse1059
8 Ausreißer-Analyse1061
9 Transferfunktions-Modelle1064
10 Vektorielle stochastische Prozesse1068
11 Schluss1073
12 Literaturempfehlungen1074
Literaturverzeichnis1074
Anhang1077
Autorenverzeichnis1078

Weitere E-Books zum Thema: Esoterik - Astrologie - Spiritualität

8 x 8 Premiumintentionen

E-Book 8 x 8 Premiumintentionen

Worum geht es? Wer Fülle und Reichtum in seinem Leben erfahren möchte, kann dies mit den hier beschriebenen 64 Premiumintentionen erreichen. Mit ihnen wird die Beziehung zu innerem und äußerem ...

Programmieren mit R

E-Book Programmieren mit R

R ist eine objekt-orientierte und interpretierte Sprache und Programmierumgebung für Datenanalyse und Grafik - frei erhältlich unter der GPL. Ziel dieses Buches ist es, nicht nur ausführlich in ...

Brennstoffzellentechnik

E-Book Brennstoffzellentechnik

Dieses Fach- und Lehrbuch behandelt die Grundlagen der Brennstoffzellen. Dabei werden die chemischen Grundlagen in leicht verständlicher Form dargestellt. Einen Schwerpunkt des Buchs bilden die ...

Chemometrie

E-Book Chemometrie

Chemometrie verfolgt das Ziel, ein Werk bereitzustellen, das auch Nicht-Spezialisten die Grundlagen der Chemometrie erschließt. So soll ihr Einsatz in diversen Disziplinen der Chemie, sowie die ...

Weitere Zeitschriften

Archiv und Wirtschaft

Archiv und Wirtschaft

Fachbeiträge zum Archivwesen der Wirtschaft; Rezensionen Die seit 1967 vierteljährlich erscheinende Zeitschrift für das Archivwesen der Wirtschaft "Archiv und Wirtschaft" bietet Raum für ...

Berufsstart Gehalt

Berufsstart Gehalt

»Berufsstart Gehalt« erscheint jährlich zum Sommersemester im Mai mit einer Auflage von 50.000 Exemplaren und ermöglicht Unternehmen sich bei Studenten und Absolventen mit einer ...

Bibel für heute

Bibel für heute

Kommentare, Anregungen, Fragen und Impulse zu Texten aus der Bibel Die beliebte und bewährte Arbeitshilfe für alle, denen es bei der täglichen Bibellese um eine intensive Auseinandersetzung mit ...

caritas

caritas

mitteilungen für die Erzdiözese FreiburgUm Kindern aus armen Familien gute Perspektiven für eine eigenständige Lebensführung zu ermöglichen, muss die Kinderarmut in Deutschland nachhaltig ...

DGIP-intern

DGIP-intern

Mitteilungen der Deutschen Gesellschaft für Individualpsychologie e.V. (DGIP) für ihre Mitglieder Die Mitglieder der DGIP erhalten viermal jährlich das Mitteilungsblatt „DGIP-intern“ ...

Die Versicherungspraxis

Die Versicherungspraxis

Behandlung versicherungsrelevanter Themen. Erfahren Sie mehr über den DVS. Der DVS Deutscher Versicherungs-Schutzverband e.V, Bonn, ist der Interessenvertreter der versicherungsnehmenden Wirtschaft. ...

rfe-Elektrohändler

rfe-Elektrohändler

rfe-Elektrohändler ist die Fachzeitschrift für die CE- und Hausgeräte-Branche. Wichtige Themen sind: Aktuelle Entwicklungen in beiden Branchen, Waren- und Verkaufskunde, Reportagen über ...

ERNEUERBARE ENERGIEN

ERNEUERBARE ENERGIEN

ERNEUERBARE ENERGIEN informiert durch unabhängigen Journalismus umfassend über die wichtigsten Geschehnisse im Markt der regenerativen Energien. Mit Leidenschaft sind wir stets auf der Suche nach ...