Wolf / Best Handbuch der sozialwissenschaftlichen Datenanalyse

2010
ISBN: 978-3-531-92038-2
Verlag: VS Verlag für Sozialwissenschaften
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 1098 Seiten, eBook

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.

Zielgruppe

Professional/practitioner

Autoren/Hrsg.

Wolf, Christof

Best, Henning

Inhaltsverzeichnis

1;Vorwort;5
2;Inhaltsverzeichnis;6
3;Teil I Einführung;10
3.1;1 Einführung: Sozialwissenschaftliche Datenanalyse;11
3.1.1;1 Moderne Sozialwissenschaft und die Bedeutung der Statistik;11
3.1.2;2 Ziele und Zielgruppe des Handbuchs;12
3.1.3;3 Themenauswahl;13
3.1.4;4 Gliederung und Inhal;14
3.1.5;5 Ausblick;14
3.1.6;Literaturverzeichnis;15
3.2;2 Kausalität als Gegenstand der Sozialwissenschaften und der multivariaten Statistik;16
3.2.1;1 Einführung;16
3.2.2;2 Was heißt Kausalität?;17
3.2.2.1;2.1 Zeitliche Reihenfolge von Ereignissen als grundlegende Bedingung für Kausalität;18
3.2.2.2;2.2 Kausalität als „innerer Zusammenhang“ von Ereignissen;18
3.2.2.3;2.3 Die Veränderung von Ereignissen nach der Manipulierung anderer Ereignisse: Die Kontroll-Definition von Kausalität;18
3.2.2.4;2.4 Kausalität als „Mechanismus“;19
3.2.2.5;2.5 Die kontrafaktische Definition von Kausalität: Was wäre wenn?;19
3.2.2.6;2.6 Exkurs: Die Logik der Erklärung;20
3.2.2.7;2.7 Ursachen als Anfangsbedingungen oder als Wenn-Komponente von Gesetzen: Die Gesetzes-Definition von Kausalität;21
3.2.2.8;2.8 Zum Vergleich der Kausalitäts-Definitionen;23
3.2.3;3 Kausalität in sozialwissenschaftlichen Experimenten;24
3.2.4;4 Kausalität in multivariaten Analyseverfahren: Das Beispiel der Regression;27
3.2.4.1;4.1 Enthalten Kausalmodelle Kausalaussagen?;27
3.2.4.2;4.2 Regressionsanalyse und kausale Schlüsse;28
3.2.4.3;4.3 Kausalität in anderen multivariaten Verfahren;33
3.2.4.4;4.4 Gibt es Algorithmen für die Ermittlung von Kausalität?;34
3.2.5;5 Einzelfallanalysen, historische Daten und die Prüfung von Kausalaussagen;36
3.2.6;6 Kausalität in Messmodellen;38
3.2.7;7 Resümee;41
3.2.8;8 Literaturempfehlungen;41
3.2.9;Literaturverzeichnis;42
4;Teil II Grundlagen der Datenanalyse;46
4.1;3 Datengewinnung und Datenaufbereitung;47
4.1.1;1 Daten;47
4.1.2;2 Formen der Datenerhebung;49
4.1.2.1;2.1 Befragung;49
4.1.2.1.1;Persönlich-Mündliches Interview;53
4.1.2.1.2;Schriftliche Befragung;54
4.1.2.1.3;Telefonbefragung;56
4.1.2.1.4;Onlinebefragungen;57
4.1.2.1.5;Entscheidung für eine Befragungsform;60
4.1.2.2;2.2 Beobachtung;61
4.1.3;3 Stichprobenziehung;63
4.1.4;4 Datenaufbereitung;66
4.1.4.1;4.1 Transkription;66
4.1.4.2;4.2 Kodierung;66
4.1.4.3;4.3 Plausibilisierung;67
4.1.4.4;4.4 Gewichtung;68
4.1.4.5;4.5 Archivierung;68
4.1.5;5 Literaturempfehlungen;69
4.1.6;Literaturverzeichnis;69
4.2;4 Uni- und bivariate deskriptive Statistik;71
4.2.1;1 Univariate Statistik;71
4.2.1.1;1.1 Lagemaße;71
4.2.1.1.1;Arithmetische Mittel;71
4.2.1.1.2;Median (Zentralwert);72
4.2.1.1.3;Modalwert;74
4.2.1.2;1.2 Streuungsmaße;74
4.2.1.2.1;Varianz, Standardabweichung und Variationskoeffizient;75
4.2.1.2.2;Spannweite, Quartilabstand und 5-Punkte-Zusammenfassung einer Verteilung;77
4.2.1.2.3;Index qualitativer Variation;78
4.2.1.3;1.3 Schiefe;78
4.2.2;2 Bivariate Statistik;79
4.2.2.1;2.1 Tabellenanalyse;81
4.2.2.1.1;Spalten-, Zeilen- und Gesamtprozente;81
4.2.2.1.2;Prozentuierung und statistische Unabhängigkeit;82
4.2.2.1.3;Prozentsatzdifferenz;83
4.2.2.1.4;Odds und Odds-Ratio;84
4.2.2.1.5;Nominalskalierte Maße: Cramérs V;85
4.2.2.1.6;Ordinalskalierte Merkmale;87
4.2.2.2;2.2 Metrische Merkmale: Kovarianz und Korrelation;91
4.2.3;3 Ausblick;94
4.2.4;4 Literaturempfehlungen;94
4.2.5;Literaturverzeichnis;94
4.3;5 Graphische Datenexploration;96
4.3.1;1 Einführung;96
4.3.2;2 Graphische Methoden für die Datenexploration;98
4.3.2.1;2.1 Einteilungskriterien für graphische Darstellungen;98
4.3.2.2;2.2 Univariate Analysen;99
4.3.2.2.1;Untersuchung der empirischen Häufigkeitsverteilung;99
4.3.2.2.2;Vergleich von Verteilungen;108
4.3.2.2.3;Die Darstellung von Zeitreihen;112
4.3.2.3;2.3 Bivariate Analysen;113
4.3.2.3.1;Das Anscombe-Quartett;114
4.3.2.3.2;Streudiagramm;115
4.3.2.4;2.4 Multivariate Analysen;117
4.3.3;3 Fehlervermeidung und Hinweise zum praktischen Vorgehen;119
4.3.4;4 Literaturempfehlungen;120
4.3.5;Anhang;120
4.3.6;Literaturverzeichnis;121
4.4;6 Der Umgang mit fehlenden Werten;122
4.4.1;1 Einführung in Techniken zur Kompensation fehlender Werte;122
4.4.1.1;1.1 Klassifikation fehlender Werte, Missingmechanismus und Ignorierbarkeit;122
4.4.1.2;1.2 Gewichtung;125
4.4.1.2.1;Schätzung der Responsewahrscheinlichkeiten;126
4.4.1.2.2;Gewichten oder nicht?;127
4.4.1.2.3;Ergänzungen;128
4.4.1.3;1.3 Multiple Imputation;129
4.4.1.3.1;Voraussetzungen;129
4.4.1.3.2;Erzeugung multipler Imputationen;130
4.4.1.3.3;Auswertung multipel imputierter Datensätze;132
4.4.1.3.4;Ergänzungen;133
4.4.2;2 Mathematisch-statistische Grundlagen;134
4.4.2.1;2.1 Klassifikation fehlender Werte, Missingmechanismus und Ignorierbarkeit;134
4.4.2.2;2.2 Gewichtung;135
4.4.2.3;2.3 Multiple Imputation;137
4.4.3;3 Beispiel: Einkommensgleichung mit fehlenden Werten;140
4.4.4;4 Häufige Fehler;144
4.4.5;5 Literaturempfehlungen;146
4.4.6;Literaturverzeichnis;147
4.5;7 Gewichtung;148
4.5.1;1 Einführung in das Verfahren;148
4.5.2;2 Mathematisch-statistische Grundlagen;150
4.5.2.1;2.1 Designgewichtung in komplexen Stichprobenerhebungen;152
4.5.2.1.1;Schichtung;153
4.5.2.1.2;Proportionale Aufteilung;154
4.5.2.1.3;Disproportionale Schichtung;154
4.5.2.1.4;Klumpenauswahl;155
4.5.2.1.5;Auswahl mit ungleichen Wahrscheinlichkeiten;156
4.5.2.2;2.2 Kombination von Anpassungs- und Designgewichtung;158
4.5.3;3 Gewichtung am Beispiel des ESS;163
4.5.4;4 Häufige Fehler;168
4.5.5;5 Literaturempfehlungen;168
4.5.6;Literaturverzeichnis;168
4.6;8 Grundlagen des statistischen Schließens;170
4.6.1;1 Einführung in die Fragestellung;170
4.6.2;2 Statistisches Schätzen;171
4.6.2.1;2.1 Eigenschaften von Schätzern;172
4.6.2.2;2.2 Intervallschätzung;175
4.6.3;3 Statistisches Testen;179
4.6.3.1;3.1 Hypothesentests über Konfidenzintervalle;179
4.6.3.2;3.2 Signifikanztests;180
4.6.3.3;3.3 Berücksichtigung der Trennschärfe von Tests;183
4.6.3.4;3.4 Wald-Tests, Score-Tests und Chiquadrat-Differenzen-Tests;185
4.6.4;4 Anwendungsfehler und Anwendungsprobleme;187
4.6.4.1;4.1 Fallzahlabhängigkeit;188
4.6.4.2;4.2 Spezifikation der statistischen Fragestellung;189
4.6.4.3;4.3 Fehlinterpretation von Ergebnissen statistischer Schlüsse;190
4.6.4.3.1;Interpretation von Konfidenzintervallen;190
4.6.4.3.2;Interpretation von Signifikanzen;190
4.6.4.3.3;Formulierung der Forschungshypothese als Alternativhypothese;191
4.6.4.3.4;Multiples Testen;191
4.6.4.3.5;Modell-Fitting;192
4.6.4.3.6;Stichprobenpläne als Quelle von Interpretationsfehlern;193
4.6.5;5 Literaturhinweise;193
4.6.6;Literaturverzeichnis;194
4.7;9 Einführung in die Inferenz durch den nichtparametrischen Bootstrap;195
4.7.1;1 Einführung in das Verfahren;195
4.7.2;2 Mathematisch-statistische Grundlagen;199
4.7.2.1;2.1 Standardfehler und Konfidenzintervall von ˆ?;199
4.7.2.1.1;Normale Approximationsmethode;200
4.7.2.1.2;Perzentil-Methode;200
4.7.2.1.3;Bias-corrected and accelerated Methode (BCa);200
4.7.2.2;2.2 Besonderheiten bei der Anwendung des Bootstraps auf Umfragedaten;202
4.7.3;3 Ein Beispiel;203
4.7.3.1;3.1 Ermittlung des Standardfehlers und des Konfidenzintervalls mit Imputation;205
4.7.4;4 Häufige Fehler;206
4.7.5;5 Literaturempfehlungen;208
4.7.6;Literaturverzeichnis;208
4.8;10 Maximum-Likelihood Schätztheorie;209
4.8.1;1 Einführung in das Verfahren;210
4.8.2;2 Die Mechanik des Maximum-Likelihood Verfahrens;212
4.8.2.1;2.1 Das ML-Verfahren zur Bestimmung eines Parameters;213
4.8.2.2;2.2 Das ML-Verfahren zur Bestimmung mehrerer Parameter;218
4.8.3;3 Statistische Eigenschaften der ML-Schätzer;223
4.8.4;4 Inferenzstatistik und Modellanpassung;226
4.8.4.1;4.1 Test auf Signifikanz individueller Parameter;227
4.8.4.2;4.2 Test auf Signifikanz mehrerer Parameter;228
4.8.4.2.1;Likelihood Ratio Test;228
4.8.4.2.2;Wald-Test;229
4.8.4.2.3;Lagrange Multiplikatortest;230
4.8.4.3;4.3 Modellgüte;231
4.8.4.3.1;McFadden R2;232
4.8.4.3.2;Wald- und LM-basierte R2;233
4.8.4.3.3;AIC und BIC;234
4.8.5;5 Numerische Optimierungsverfahren;235
4.8.6;6 Literaturempfehlungen;237
4.8.7;Literaturverzeichnis;238
5;Teil III Messen und Skalieren;240
5.1;11 Reliabilität, Validität, Objektivität;241
5.1.1;1 Einführung;241
5.1.2;2 Objektivität;242
5.1.2.1;2.1 Durchführungsobjektivität;242
5.1.2.2;2.2 Auswertungsobjektivität;243
5.1.2.3;2.3 Interpretationsobjektivität;244
5.1.3;3 Reliabilität;244
5.1.3.1;3.1 Retest-Reliabilität;246
5.1.3.1.1;Beispiel zur Bestimmung der Retest-Reliabilität;247
5.1.3.2;3.2 Die Paralleltest-Reliabilität;247
5.1.3.3;3.3 Die Split-Half-Reliabilität;248
5.1.3.3.1;Beispiel zur Bestimmung der Split-Half-Reliabilität;249
5.1.3.4;3.4 Konsistenzanalysen;250
5.1.3.4.1;Beispiel zur Bestimmung der internen Konsistenz;250
5.1.3.5;3.5 Die Beurteilung der Höhe von Reliabilitätskoeffizienten;251
5.1.4;4 Validität;252
5.1.4.1;4.1 Die Inhaltsvalidität;252
5.1.4.2;4.2 Kriteriumsvalidität;253
5.1.4.3;4.3 Konstruktvalidität;255
5.1.4.3.1;Konstruktvalidierung mittels Dimensionalitätsüberprüfung (Prüfung auf formaleValidität);255
5.1.4.3.2;Konstruktvalidierung mittels eines empirischen Vergleichs mit anderen, dasselbeKonstrukt messenden Instrumenten;256
5.1.4.3.3;Konstruktvalidierung mittels der Überprüfung des Zusammenhangs zwischen Selbstund Fremdurteil;257
5.1.5;5 Vorgehen zur Güteüberprüfung von Skalen;258
5.1.6;6 Häufige Fehler;259
5.1.7;7 Literaturempfehlungen;259
5.1.8;Literaturverzeichnis;260
5.2;12 Thurstone- und Likertskalierung;261
5.2.1;1 Einleitung;261
5.2.2;2 Thurstone Skalierung;262
5.2.2.1;2.1 Die Methode der Paarweisen Vergleiche (Law of Comparative Judgement, LCJ);262
5.2.2.1.1;Grundlagen des Verfahrens;262
5.2.2.1.2;Vorgehensweise bei der Skalierung;264
5.2.2.1.3;Anwendungsbeispiel;266
5.2.2.2;2.2 Die Methode der gleich erscheinenden Intervalle;270
5.2.2.3;2.3 Die Methode der sukzessiven Intervalle (MSI);272
5.2.2.3.1;Grundlagen des Verfahrens;272
5.2.2.3.2;Anwendungsbeispiel;273
5.2.2.4;2.4 Häufige Fehler bei der Thurstone Skalierung;277
5.2.3;3 Likertskalierung;277
5.2.3.1;3.1 Grundlagen des Verfahrens;277
5.2.3.2;3.2 Anwendungsbeispiel;279
5.2.3.3;3.3 Häufige Fehler bei der Likert Skalierung;282
5.2.4;4 Literaturempfehlungen;282
5.2.5;Literaturverzeichnis;282
5.3;13 Guttman- und Mokkenskalierung;284
5.3.1;1 Einleitung;284
5.3.2;2 Guttmanskalierung;286
5.3.2.1;2.1 Grundlagen des Verfahrens;286
5.3.2.1.1;Modellannahmen;288
5.3.2.1.2;Schätzung von Item- und Personenparametern;289
5.3.2.1.3;Stichprobenabhängigkeit der Schätzung von Item- und Personenparametern;290
5.3.2.1.4;Modellprüfung;291
5.3.2.2;2.2 Anwendungsbeispiel;297
5.3.2.3;2.3 Häufige Fehler bei der Guttmanskalierung;299
5.3.3;3 Mokkenskalierung;300
5.3.3.1;3.1 Grundlagen des Verfahrens;300
5.3.3.1.1;Modellprüfung;302
5.3.3.2;3.2 Anwendungsbeispiel;306
5.3.3.3;3.3 Häufige Fehler bei der Mokkenskalierung;308
5.3.4;4 Literaturempfehlungen;308
5.3.5;Literaturverzeichnis;309
5.4;14 Item-Response-Theorie;311
5.4.1;1 Einführung;312
5.4.2;2 Modelle für dichotome Items;313
5.4.2.1;2.1 Das Rasch-Modell;313
5.4.2.2;2.2 Das Birnbaum-Modell;316
5.4.2.3;2.3 Das Modell mit Rateparameter;317
5.4.3;3 Modelle für mehrstufig geordnete Items;318
5.4.3.1;3.1 Das ordinale Rasch-Modell (Partial-Credit-Modell);318
5.4.3.2;3.2 Weitere IRT-Modelle für ordinale Items;320
5.4.4;4 Weitere IRT-Modelle;321
5.4.4.1;4.1 Mischverteilungs-IRT-Modelle: Das Mixed-Rasch-Modell;321
5.4.5;5 Modelltestung und Modellvergleiche;322
5.4.6;6 Beispielanwendung;324
5.4.6.1;6.1 Anwendung 1: Kompetenzmessung;324
5.4.6.2;6.2 Anwendung 2: Surveyforschung;326
5.4.7;7 Häufige Fehler;330
5.4.8;8 Literaturempfehlungen;331
5.4.9;Literaturverzeichnis;331
5.5;15 Hauptkomponentenanalyse und explorative Faktorenanalyse;333
5.5.1;1 Einführung in das Verfahren;333
5.5.1.1;1.1 Einsatzmöglichkeiten;333
5.5.1.2;1.2 Die Hauptkomponentenanalyse;336
5.5.1.2.1;Eine geometrische Perspektive;336
5.5.1.2.2;Die konkreten Schritte der PCA;340
5.5.1.2.3;Bestimmung der Komponentenzahl;341
5.5.1.2.4;Die unrotierte Lösung;343
5.5.1.2.5;Rotation;344
5.5.1.2.6;Berechnung von Komponentenwerten;347
5.5.1.3;1.3 Das Modell mehrerer gemeinsamer Faktoren: Faktorenanalyse im engeren Sinne;348
5.5.2;2 Mathematisch-statistische Grundlagen;350
5.5.3;3 Ein Anwendungsbeispiel: Vertrauen in Institutionen;354
5.5.4;4 Probleme und Erweiterungen;360
5.5.5;5 Literaturempfehlungen;363
5.5.6;Anhang;364
5.5.7;Literaturverzeichnis;364
5.6;16 Korrespondenzanalyse;366
5.6.1;1 Einleitung;366
5.6.2;2 Mathematisch-statistische Grundlagen;368
5.6.3;3 Ein Beispiel;370
5.6.3.1;3.1 Graphische Darstellung;370
5.6.3.2;3.2 Numerische Darstellung;373
5.6.4;4 Erweiterungen der Korrespondenzanalyse;376
5.6.4.1;4.1 Zusammengesetzte Tabellen;376
5.6.4.2;4.2 Multiple Korrespondenzanalyse;378
5.6.4.3;4.3 Aktive und passive Merkmale;382
5.6.4.4;4.4 Andere Datenformate;384
5.6.5;5 Häufige Fehler;385
5.6.6;6 Diskussion;386
5.6.7;7 Literaturempfehlungen;386
5.6.8;Literaturverzeichnis;387
5.7;17 Multidimensionale Skalierung;389
5.7.1;1 Einführung in die MDS;389
5.7.1.1;1.1 Die MDS als psychologisches Modell;390
5.7.1.2;1.2 Die MDS zur Exploration von Datenstrukturen;392
5.7.2;2 Mathematische Grundlagen der MDS;393
5.7.2.1;2.1 Güte einer MDS-Lösung;393
5.7.2.2;2.2 Bewertung des Stress;395
5.7.2.3;2.3 MDS-Modelle;397
5.7.2.4;2.4 MDS-Algorithmen;400
5.7.2.5;2.5 Konfirmatorische MDS;400
5.7.3;3 Häufige Fehler;403
5.7.3.1;3.1 Degenerierte Lösungen in der ordinalen MDS;403
5.7.3.2;3.2 Falsche Polung der Proximitäten;405
5.7.3.3;3.3 Fehlbewertung von Stress;406
5.7.3.4;3.4 Fehler beim Vergleich verschiedener MDS-Lösungen;407
5.7.3.5;3.5 Mechanische Interpretation „der“ Dimensionen;409
5.7.3.6;3.6 Behandlung störender Punkte;412
5.7.3.7;3.7 Überinterpretation von Dimensionsgewichten;413
5.7.4;4 Literaturempfehlungen;413
5.7.5;Anhang;414
5.7.6;Literaturverzeichnis;415
6;Teil IV Analyse von Häufigkeiten, Gruppen und Beziehungen;417
6.1;18 Analyse kategorialer Daten;418
6.1.1;1 Einführung in das Verfahren;418
6.1.2;2 Mathematisch-statistische Grundlagen;430
6.1.3;3 Ein Beispiel;440
6.1.4;4 Häufige Fehler;448
6.1.5;5 Literaturempfehlungen;450
6.1.6;Literaturverzeichnis;450
6.2;19 Varianz- und Kovarianzanalyse;452
6.2.1;1 Einführung in das Verfahren;452
6.2.1.1;1.1 Vergleich von zwei Gruppen;454
6.2.1.1.1;Modellgleichung;455
6.2.1.1.2;Hypothesen;455
6.2.1.1.3;Quadratsummen;456
6.2.1.1.4;Freiheitsgrade;457
6.2.1.1.5;Allgemeine Teststatistik;457
6.2.1.1.6;Annahmen;459
6.2.1.1.7;Exkurs: Mittlere Quadratsummen;460
6.2.1.2;1.2 Vergleich von mehr als zwei Gruppen: Die einfaktorielle Varianzanalyse;461
6.2.1.3;1.3 Mehrfaktorielle Varianzanalyse;462
6.2.1.3.1;Modellgleichung;462
6.2.1.3.2;Hypothesen;463
6.2.1.3.3;Quadratsummen;463
6.2.1.3.4;Freiheitsgrade;464
6.2.1.3.5;Teststatistik;465
6.2.1.3.6;Annahmen;465
6.2.1.4;1.4 Kovarianzanalyse;466
6.2.1.4.1;Modellgleichung;467
6.2.1.4.2;ANOVA versus ANCOVA;467
6.2.1.5;1.5 Effektstärke;468
6.2.1.6;1.6 Teststärke;471
6.2.2;2 Mathematisch-statistische Grundlagen;472
6.2.2.1;2.1 ANOVA und ANCOVA als Spezialfälle des ALM;473
6.2.2.2;2.2 Jenseits von ANOVA und ANCOVA: Kreative Modellierung im Rahmen des ALM;477
6.2.3;3 Ein Beispiel;480
6.2.3.1;3.1 Vergleich von zwei Gruppen;480
6.2.3.2;3.2 Vergleich von mehr als zwei Gruppen;481
6.2.3.3;3.3 Mehrfaktorielle ANOVA;482
6.2.3.4;3.4 Kovarianzanalyse;484
6.2.3.5;3.5 Annahmen der Varianz- und Kovarianzanalyse;484
6.2.3.6;3.6 Teststärke;488
6.2.4;4 Häufige Fehler – eine Checkliste;488
6.2.5;5 Literaturempfehlungen;489
6.2.6;Literaturverzeichnis;489
6.3;20 Diskriminanzanalyse;491
6.3.1;1 Einführung in das Verfahren;491
6.3.1.1;1.1 Zielsetzung und Anwendungsmöglichkeiten;491
6.3.1.2;1.2 Problemstellung und Prämissen;493
6.3.1.3;1.3 Arten der Diskriminanzanalyse und ihre Abgrenzung gegenüber anderen multivariaten Verfahren;495
6.3.1.4;1.4 Vorgehensweise;497
6.3.1.4.1;Festlegung des Untersuchungsdesigns;497
6.3.1.4.2;Extraktion der Diskriminanzfunktion(en);498
6.3.1.4.3;Evaluation der Diskriminanzfunktion(en);500
6.3.1.4.4;Merkmalsselektion und Klassifikation neuer Objekte;502
6.3.2;2 Mathematisch-statistische Grundlagen;503
6.3.2.1;2.1 Ermittlung der Diskriminanzfunktion (en);503
6.3.2.2;2.2 Prüfkriterien der Diskriminanz;507
6.3.2.3;2.3 Klassifikationskonzepte;508
6.3.2.3.1;Distanzkonzept;509
6.3.2.3.2;Wahrscheinlichkeitskonzept;510
6.3.2.3.3;Konzept der Klassifikationsfunktionen nach Fisher;510
6.3.3;3 Anwendungsbeispiel;511
6.3.4;4 Häufige Fehler;515
6.3.5;5 Literaturempfehlungen;517
6.3.6;Literaturverzeichnis;518
6.4;21 Clusteranalyse;520
6.4.1;1 Einführung in das Verfahren;520
6.4.1.1;1.1 Was ist Clusteranalyse und was sind überhaupt Cluster?;521
6.4.1.2;1.2 Clusterstruktur;522
6.4.1.3;1.3 Algorithmen;522
6.4.1.4;1.4 Variablenräume;523
6.4.1.5;1.5 Agglomerative Verfahren;524
6.4.1.5.1;Ähnlichkeitsmaß, Distanz und Index;524
6.4.1.5.2;Fusionswerte und Dendrogramme;525
6.4.1.6;1.6 Wahl der Metriken und Agglomerationsverfahren;526
6.4.1.7;1.7 K-Means (Clusterzentrenanalyse);527
6.4.1.8;1.8 TwoStep-Clusteranalyse;529
6.4.2;2 Mathematisch-statistische Grundlagen;530
6.4.2.1;2.1 Hierarchisch-agglomerative Verfahren;530
6.4.2.1.1;Ähnlichkeitsmaße und Distanzen;530
6.4.2.1.2;Gewichtung und Standardisierung von Variablen;532
6.4.2.1.3;Erweiterung der Abstandsmaße auf Abstände zwischen Aggregaten;532
6.4.2.1.4;Dendrogramm und Ultrametrik;533
6.4.2.2;2.2 K-Means;534
6.4.2.3;2.3 TwoStep-Verfahren;534
6.4.2.3.1;Die beiden Stufen der Clusterung;534
6.4.2.3.2;Anzahl der Cluster;535
6.4.2.3.3;Tabellen und Graphiken zur Beschreibung der Cluster;536
6.4.3;3 Beispiel;536
6.4.3.1;3.1 Daten- und Variablenauswahl;536
6.4.3.2;3.2 Analyse;537
6.4.3.3;3.3 Verbesserung der Clusterlösung;540
6.4.3.3.1;Variablenauswahl;540
6.4.3.3.2;Eliminieren von „Ausreißern“;540
6.4.3.3.3;Optimierung der Lösung durch eine K-Means-Analyse;541
6.4.3.4;3.4 Überprüfen der Clusterlösung;542
6.4.3.5;3.5 TwoStep-Clusteranalyse;543
6.4.4;4 Häufige Fehler;545
6.4.5;5 Literaturempfehlungen;546
6.4.6;Literaturverzeichnis;547
6.5;22 Analyse latenter Klassen;548
6.5.1;1 Einführung in das Verfahren;548
6.5.2;2 Mathematisch-statistische Grundlagen;550
6.5.2.1;2.1 Modellansatz;550
6.5.2.2;2.2 Parameterschätzung;551
6.5.2.3;2.3 Computerprogramme;553
6.5.3;3 Ein Beispiel;555
6.5.3.1;3.1 Daten;555
6.5.3.2;3.2 Zahl der latenten Klassen;555
6.5.3.3;3.3 Lokale Unabhängigkeit;559
6.5.3.4;3.4 Inhaltliche Interpretierbarkeit;560
6.5.3.5;3.5 Stabilität;562
6.5.3.6;3.6 Formale Validitätsprüfung durch Validitätsindizes;564
6.5.3.7;3.7 Kriterienbezogene Validitätsprüfung;564
6.5.4;4 Häufige Fehler;566
6.5.5;5 Alternativen;567
6.5.6;6 Literaturempfehlungen;568
6.5.7;Literaturverzeichnis;569
6.6;23 Netzwerkanalyse;570
6.6.1;1 Einführung;570
6.6.2;2 Darstellung der Verfahren;575
6.6.2.1;2.1 Konzepte zur Beschreibung der Netzstruktur in Dyaden und Triaden;576
6.6.2.1.1;Dyaden;577
6.6.2.1.2;Triaden;578
6.6.2.1.3;Triadische Umgebungen einzelner Knoten;579
6.6.2.2;2.2 „Positionen“: Die Klassierung von Knoten aufgrund ähnlicher Muster ihrer strukturellen Einbettung;582
6.6.2.3;2.3 Teilgruppen: Die Identifikation von Teilnetzen intern eng bzw. stark verbundener Knoten;586
6.6.2.3.1;Cliquen und Clans;587
6.6.2.3.2;k-Plexe und k-Cores;588
6.6.2.3.3;Zusammenhangs-Komponenten;588
6.6.2.3.4;Modifikation der Teilgruppenkonzepte für gerichtete Beziehungen;589
6.6.3;3 Ein Beispiel;589
6.6.3.1;3.1 Daten;589
6.6.3.2;3.2 Zielsetzungen;591
6.6.3.3;3.3 Erstellung des Datensatzes;592
6.6.4;4 Literaturempfehlungen;596
6.6.5;Literaturverzeichnis;597
7;Teil V Regressionsverfahren für Querschnittsdaten;599
7.1;24 Lineare Regressionsanalyse;600
7.1.1;1 Einführung;600
7.1.2;2 Mathematisch-statistische Grundlagen;605
7.1.2.1;2.1 Das allgemeine Modell;605
7.1.2.2;2.2 Die Identifikation der Regressionskoeffizienten;606
7.1.2.3;2.3 Annahmen der Kleinst-Quadrat-Methode;608
7.1.2.4;2.4 Die Bestimmung der Modellgüte;610
7.1.2.5;2.5 Die statistische Absicherung der Regressionsergebnisse;612
7.1.2.6;2.6 Die Interpretation der Regressionskoeffizienten;616
7.1.2.7;2.7 Standardisierte Regressionskoeffizienten und ihre Probleme;618
7.1.3;3 Ein Beispiel;621
7.1.3.1;3.1 Zur Operationalisierung;621
7.1.3.2;3.2 Ergebnisse;622
7.1.4;4 Häufige Fehler;628
7.1.5;5 Literaturhinweise;630
7.1.6;Literaturverzeichnis;630
7.2;25 Lineare Regression: Modellannahmen und Regressionsdiagnostik;632
7.2.1;1 Einführung;632
7.2.1.1;1.1 Lineares Regressionsmodell: Systematischer Teil, Störgrößen und Residuen;633
7.2.1.2;1.2 Regressionsdiagnostik: ein erster Einblick;635
7.2.2;2 Mathematisch-statistische Grundlagen;638
7.2.2.1;2.1 Annahmen der linearen Regressionsanalyse;638
7.2.2.2;2.2 Grundlagen und Instrumente der Regressionsdiagnostik;645
7.2.2.2.1;Stichprobenresiduen und „Leverage“-Werte als Bausteine der Regressionsdiagnostik;645
7.2.2.2.2;Diagnostik zu den Annahmen des klassischen linearen Regressionsmodells;646
7.2.2.2.3;Diagnostik zu potenziell einflussreichen Untersuchungseinheiten;652
7.2.3;3 Regressionsdiagnostik am Beispiel;655
7.2.3.1;3.1 Datengrundlage und Regressionsmodell;655
7.2.3.2;3.2 Regressionsdiagnostik zu den Annahmen des linearen Regressionsmodells am Beispiel;656
7.2.3.3;3.3 Regressionsdiagnostik zu einflussreichen Beobachtungen am Beispiel;661
7.2.4;4 Regressionsdiagnostik: Umfang, Probleme und Empfehlungen;665
7.2.5;5 Literaturempfehlungen;666
7.2.6;Anhang;667
7.2.7;Literaturverzeichnis;667
7.3;26 Nicht-Linearität und Nicht-Additivität in der multiplen Regression: Interaktionseffekte, Polynome und Splines;669
7.3.1;1 Einführung;669
7.3.2;2 Interaktionseffekte, Polynome und Splines;670
7.3.2.1;2.1 Nicht-Additivität: Interaktionseffekte;670
7.3.2.2;2.2 Nichtberücksichtigung von Interaktionen als Fehlspezifikation;673
7.3.2.3;2.3 Nicht-Linearität: Polynome und Splines;674
7.3.2.4;2.4 Polynome;675
7.3.2.5;2.5 Splines;677
7.3.3;3 Tests auf Gruppenunterschiede und Nicht-Linearität;681
7.3.4;4 Anwendungsbeispiel I: Interaktionseffekte;683
7.3.5;5 Anwendungsbeispiel II: Polynome und Slopes;689
7.3.6;6 Häufige Fehler;696
7.3.7;7 Literaturempfehlungen;697
7.3.8;Literaturverzeichnis;697
7.4;27 Robuste Regression;699
7.4.1;1 Einführung in das Verfahren;699
7.4.2;2 Mathematisch-statistische Grundlagen;709
7.4.2.1;2.1 Der Kleinste-Quadrate-Schätzer;709
7.4.2.2;2.2 Grundlegende Konzepte zur Bewertung robuster Schätzer;710
7.4.2.2.1;Erwartungstreue, Konsistenz und Effizienz;710
7.4.2.2.2;Relative Effizienz;711
7.4.2.2.3;Einfluss-Funktion, Bruchpunkt und maximale Verzerrung;712
7.4.2.2.4;Zusammenfassung;713
7.4.2.3;2.3 M-Schätzer;713
7.4.2.3.1;Berechnung von M-Schätzern;717
7.4.2.3.2;Bruchpunkt von M-Schätzern;719
7.4.2.3.3;Bounded-Influence-Schätzer;719
7.4.2.4;2.4 High-Breakdown-Schätzer;720
7.4.2.4.1;LMS- und LTS-Schätzer;720
7.4.2.4.2;S-Schätzer;721
7.4.2.4.3;MM-Schätzer;722
7.4.3;3 Ein Beispiel;723
7.4.4;4 Literaturempfehlungen;729
7.4.5;Literaturverzeichnis;730
7.5;28 Mehrebenenanalyse mit Querschnittsdaten;733
7.5.1;1 Einführung in das Verfahren;733
7.5.2;2 Mathematisch-statistische Grundlagen;741
7.5.2.1;2.1 Die Modellklassen der Mehrebenenanalyse;743
7.5.2.1.1;Das Random-Intercept-Only-Modell (R-I-O-M);743
7.5.2.1.2;Das Random-Intercept-Modell (R-I-M);744
7.5.2.1.3;Random-Intercept-Random-Slope-Modell (R-I-R-S-M);744
7.5.2.1.4;Das Intercept-as-Outcome-Modell (I-as-O-M);745
7.5.2.1.5;Das Random-Coefficient-Modell (R-C-M);746
7.5.2.2;2.2 Beurteilung der Anpassung des Mehrebenenmodells;747
7.5.2.3;2.3 Zentrierung metrischer Prädiktoren und ihre Bedeutung für die Interpretation;749
7.5.2.3.1;Grand-Mean-Zentrierung;749
7.5.2.3.2;Group-Mean-Zentrierung;750
7.5.2.4;2.4 Standardisierung der kontextspezifischen und Populationsschätzer;752
7.5.2.5;2.5 Besonderheiten des Erhebungsdesigns;754
7.5.3;3 Ein Beispiel – Die deutsche PISA 2006 Studie;755
7.5.4;4 Häufige Fehler;763
7.5.5;5 Literaturempfehlungen;764
7.5.6;Literaturverzeichnis;765
7.6;29 Strukturgleichungsmodelle;767
7.6.1;1 Einführung in das Verfahren;767
7.6.1.1;1.1 Ausgangspunkt: Regressions- und Pfadmodell;768
7.6.1.2;1.2 Das Messmodell: Die Diffenzierung zwischen manifesten und latenten Variablen;769
7.6.1.3;1.3 Die konfirmatorische Faktorenanalyse: Die simultane Prüfung mehrerer Messmodelle;771
7.6.1.4;1.4 Das allgemeine Strukturgleichungsmodell;773
7.6.1.4.1;Modellevaluation;775
7.6.1.4.2;Modellvergleich;776
7.6.1.4.3;Modellsparsamkeit;777
7.6.1.5;1.5 Spezielle Modellvarianten;778
7.6.1.5.1;Modelle für mehrere Gruppen (Multiple Gruppenvergleiche);778
7.6.1.5.2;Längsschnittmodelle;778
7.6.1.5.3;Modelle mit Interaktionstermen;778
7.6.1.5.4;Die Behandlung fehlender Werte;779
7.6.2;2 Mathematisch-statistische Grundlagen;779
7.6.2.1;2.1 Ableitung der Elemente der Kovarianzmatrix ?;779
7.6.2.2;2.2 Schätzung der Parameter;780
7.6.3;3 Ein Beispiel;783
7.6.3.1;3.1 Messung der latenten Konstrukte;785
7.6.3.2;3.2 Messmodell der latenten endogenen Variablen;785
7.6.3.3;3.3 Messmodell der latenten exogenen Variablen;785
7.6.3.4;3.4 Überprüfung der Messmodelle;786
7.6.3.5;3.5 Intervenierende Variablen;788
7.6.3.6;3.6 Strukturgleichungsmodell;788
7.6.4;4 Häufige Fehler;790
7.6.5;5 Literaturempfehlungen;792
7.6.6;Anhang;793
7.6.7;Literaturverzeichnis;794
7.7;30 Regression mit unbekannten Subpopulationen;797
7.7.1;1 Einführung in das Verfahren;797
7.7.2;2 Mathematisch-statistische Grundlagen;799
7.7.2.1;2.1 Spezifikation;800
7.7.2.2;2.2 Schätzung;805
7.7.2.3;2.3 Test auf die Anzahl der Komponenten;807
7.7.2.4;2.4 Anpassungsindizes;808
7.7.3;3 Ein Beispiel;808
7.7.4;4 Häufige Fehler;816
7.7.5;5 Literaturempfehlungen;816
7.7.6;Literaturverzeichnis;817
7.8;31 Logistische Regression;818
7.8.1;1 Einführung in das Verfahren;818
7.8.1.1;1.1 Das lineare Wahrscheinlichkeitsmodell;819
7.8.1.2;1.2 Die logistische Regression;820
7.8.1.3;1.3 Interpretation der Koeffizienten;822
7.8.2;2 Mathematisch-statistische Grundlagen;825
7.8.2.1;2.1 Herleitung als nichtlineares Modell mit latenter abhängiger Variable;825
7.8.2.1.1;Logit-Regression;825
7.8.2.1.2;Probit-Regression;827
7.8.2.2;2.2 Schätzung;827
7.8.2.3;2.3 Vergleich von Koeffizienten und unbeobachtete Heterogenität;828
7.8.2.3.1;Standardisierte Koeffizienten;829
7.8.2.3.2;Durchschnittliche marginale Effekte;830
7.8.2.4;2.4 Interaktionseffekte;831
7.8.2.5;2.5 Statistische Inferenz;833
7.8.2.6;2.6 Goodness of fit und Modellvergleich;834
7.8.3;3 Ein Beispiel;835
7.8.4;4 Häufige Fehler;843
7.8.5;5 Literaturempfehlungen;844
7.8.6;Literaturverzeichnis;845
7.9;32 Multinomiale und ordinale Regression;846
7.9.1;1 Einführung in das Verfahren;846
7.9.1.1;1.1 Von der binären zur multinomialen logistischen Regression;847
7.9.1.2;1.2 Wahrscheinlichkeiten, Odds und Logits;848
7.9.1.3;1.3 Modellschätzung und statistische Tests;852
7.9.1.3.1;Besteht ein Zusammenhang?;853
7.9.1.3.2;Wie stark ist ein Zusammenhang?;853
7.9.1.3.3;Wie stark sind die relativen Effekte der erklärenden Variablen?;854
7.9.1.4;1.4 Logistische Regression bei einer ordinalen abhängigen Variablen;855
7.9.1.5;1.5 Interpretation des Modells der kumulierten Logits als vorgelagertes Schwellenwertmodell in einer linearen Regression;857
7.9.2;2 Mathematisch-Statistische Grundlagen;859
7.9.2.1;2.1 Schätzung;859
7.9.2.2;2.2 Statistische Inferenz;860
7.9.2.3;2.3 Modellanpassung;861
7.9.2.4;2.4 Weiterführendes zu Regressionskoeffizienten;862
7.9.2.4.1;Standardisierte Koeffizienten im ordinalen Regressionsmodell;862
7.9.2.4.2;Umrechnen der Referenzkategorie im multinomialen Regressionsmodell;862
7.9.3;3 Anwendungsbeispiel;863
7.9.3.1;3.1 Einfluss der Bildungsabschlüsse von Vater und Mutter auf die Bildung der Befragten in der multinomialen logistischen Regression;863
7.9.3.2;3.2 Bildungsabschluss im ordinalen Logitmodell;870
7.9.4;4 Häufige Fehler;873
7.9.5;5 Literaturempfehlungen;877
7.9.6;Literaturverzeichnis;877
7.10;33 Regression für Zählvariablen;878
7.10.1;1 Einführung in das Verfahren;878
7.10.1.1;1.1 Poisson und negative Binomialverteilung;879
7.10.1.2;1.2 Regressionsmodellierung;880
7.10.1.2.1;Strukturkomponente;880
7.10.1.2.2;Strukturkomponente: lineare und nichtlineare Prädiktoren;881
7.10.1.2.3;Verteilungskomponente;883
7.10.1.2.4;Inferenz;883
7.10.2;2 Mathematisch-statistische Grundlagen;884
7.10.2.1;2.1 Poissonmodell;884
7.10.2.1.1;Maximum-Likelihood-Schätzung;884
7.10.2.1.2;Parameter-Tests;885
7.10.2.1.3;Devianz und Anpassungstests;887
7.10.2.2;2.2 Quasi-Poissonmodell;888
7.10.2.3;2.3 Modell der negativen Binomialverteilung;889
7.10.3;3 Ein Beispiel;889
7.10.4;4 Häufige Fehler;893
7.10.5;5 Literaturempfehlungen;894
7.10.6;Literaturverzeichnis;894
7.11;34 Graphische Darstellung regressionsanalytischer Ergebnisse;896
7.11.1;1 Einführung in das Verfahren;896
7.11.2;2 Grundlagen der graphischen Darstellung;897
7.11.3;3 Beispiele;900
7.11.3.1;3.1 Streudiagramm- bzw. Scatterplot-Matrix;900
7.11.3.2;3.2 Median- und Mean-Regression;902
7.11.3.3;3.3 Lineare Regression: Graphische Darstellung der Koeffizienten;903
7.11.3.4;3.4 Lineare Regression: Die Darstellung vorhergesagter Werte (Conditional-Effect-Plots);905
7.11.3.5;3.5 Logistische Regression: Conditional-Effect-Plots;908
7.11.3.6;3.6 Multinomiale Regression: Odds Ratio-Plots, Discrete-Change und Conditional-Effect-Plots;911
7.11.4;4 Häufige Fehler;915
7.11.5;5 Rückblick;916
7.11.6;6 Literaturempfehlungen;917
7.11.7;Literaturverzeichnis;918
8;Teil VI Analyse von zeitbezogenen Daten;919
8.1;35 Nichtparametrische Schätzung kausaler Effekte mittels Matchingverfahren;920
8.1.1;1 Einführung in das Verfahren;920
8.1.1.1;1.1 Grundannahmen kausaler Inferenz in Matchingverfahren;921
8.1.1.2;1.2 Treatmenteffekte als Schätzgrößen der empirischen Analyse;924
8.1.1.3;1.3 Durchführung der empirischen Analyse;925
8.1.1.4;1.4 Varianten von Matchingverfahren bei Vorliegen unterschiedlicher Datenstrukturen;930
8.1.2;2 Mathematisch-statistische Grundlagen;931
8.1.3;3 Ein Anwendungsbeispiel: der Einkommenseffekt eines Arbeitsplatzverlustes;937
8.1.3.1;3.1 Zuweisungsmodell;938
8.1.3.2;3.2 Matching und Balancierungstests;940
8.1.3.3;3.3 Parameterschätzung;944
8.1.4;4 Häufige Fehler;947
8.1.5;5 Literaturempfehlungen;949
8.1.6;Literaturverzeichnis;949
8.2;36 Kausalanalyse mit Paneldaten;951
8.2.1;1 Einführung in die Paneldatenanalyse;951
8.2.1.1;1.1 Kontrafaktische Kausalanalyse und Paneldaten;952
8.2.1.2;1.2 Eine intuitive Einführung in Panelregressionsmodelle;954
8.2.1.3;1.3 Ein didaktisches Beispiel;956
8.2.2;2 Eine präzisere Einführung in die Panelregression;959
8.2.2.1;2.1 Das Fehlerkomponenten-Modell;960
8.2.2.2;2.2 Die Schätzverfahren;960
8.2.2.3;2.3 RE- oder FE-Modell?;963
8.2.2.4;2.4 Ein Hybrid-Modell;964
8.2.2.5;2.5 Panel-robuste Standardfehler;965
8.2.3;3 Ein Beispiel: Der Effekt der Heirat auf die Zufriedenheit;966
8.2.3.1;3.1 Datenaufbereitung;966
8.2.3.2;3.2 Schätzergebnisse;968
8.2.3.3;3.3 Ein Modell mit Periodeneffekten;970
8.2.3.4;3.4 Ein Hybrid-Modell;971
8.2.3.5;3.5 Ein Wachstumskurven-Modell;972
8.2.4;4 Nicht-lineare FE-Modelle;973
8.2.4.1;4.1 Nicht-lineare Panelregressionsmodelle;974
8.2.4.2;4.2 Das FE-Logit Modell;974
8.2.4.3;4.3 FE-Modelle für Ereignisdaten;976
8.2.5;5 Häufige Fehler;978
8.2.5.1;5.1 Suboptimale Panelregressionsmodelle;978
8.2.5.2;5.2 Grenzen von FE-Modellen;979
8.2.6;6 Literaturempfehlungen;981
8.2.7;Literaturverzeichnis;981
8.3;37 Survival- und Ereignisanalyse;983
8.3.1;1 Einführung in das Verfahren;983
8.3.1.1;1.1 Spezifische Problemstellungen;984
8.3.1.2;1.2 Erhebung von Ereignisdaten;986
8.3.1.3;1.3 Zensierung von Beobachtungen;987
8.3.2;2 Theoretische Modelle, mathematisch-statistische Grundlagen und Notation;988
8.3.2.1;2.1 Verschiedene Ratenmodelle und ihre Schätzung;991
8.3.2.1.1;Sterbetafelmethode und Kaplan-Meier-Schätzung;991
8.3.2.1.2;Das Exponentialmodell;992
8.3.2.1.3;Das Cox-Modell;992
8.3.2.1.4;Das Piecewise-Constant-Modell;993
8.3.2.1.5;Parametrische Modelle der Zeitabhängigkeit;994
8.3.2.2;2.2 Ein Beispiel;994
8.3.3;3 Modellierung von parallelen und interdependenten Prozessen;996
8.3.3.1;3.1 Ursachen und zeitabhängige Kovariablen;997
8.3.3.2;3.2 Zeit und kausale Wirkungen;998
8.3.3.3;3.3 Zeitachse und Ereignisse;998
8.3.3.4;3.4 Zeitfolge, Zeitintervalle und scheinbare Gleichzeitigkeit;998
8.3.3.5;3.5 Zeitliche Form der Entfaltung von Wirkungen;999
8.3.3.6;3.6 Das Prinzip der konditionalen Unabhängigkeit;999
8.3.3.7;3.7 Ein Anwendungsbeispiel;1000
8.3.4;4 Häufige Fehler;1001
8.3.5;5 Literaturempfehlungen;1002
8.3.6;Literaturverzeichnis;1003
8.4;38 Latente Wachstumskurvenmodelle;1005
8.4.1;1 Einführung in das Verfahren;1005
8.4.2;2 Mathematisch-statistische Grundlagen;1009
8.4.3;3 Beispiel: Entwicklung von Lebenszufriedenheit nach Arbeitsplatzverlust;1012
8.4.4;4 Häufige Fehler;1014
8.4.5;5 Literaturempfehlungen;1016
8.4.6;Literaturverzeichnis;1016
8.5;39 Sequenzdatenanalyse;1018
8.5.1;1 Einführung in die Sequenzdatenanalyse;1018
8.5.1.1;1.1 Was ist Sequenzdatenanalyse?;1019
8.5.1.2;1.2 Grundlegende Konzepte;1020
8.5.2;2 Mathematisch-statistische Grundlagen: Algorithmen zur Distanzberechnung;1024
8.5.2.1;2.1 Der Optimal Matching Algorithmus;1024
8.5.2.2;2.2 Der zweite Schritt: Die Weiterverarbeitung der Distanzen;1026
8.5.2.3;2.3 Die Diskussion um OM und neuere Entwicklungen;1026
8.5.3;3 Beispiel: Der Arbeitsmarkteintritt westdeutscher Männer und Frauen;1028
8.5.3.1;3.1 Datenaufbereitung;1028
8.5.3.2;3.2 Datenauswertung;1030
8.5.4;4 Häufige Fehler;1035
8.5.5;5 Literaturempfehlungen;1037
8.5.6;Literaturverzeichnis;1037
8.6;40 Zeitreihenanalyse;1039
8.6.1;1 Einführung;1039
8.6.2;2 Deskription und statistisches Modell;1041
8.6.3;3 Stochastische Prozesse;1042
8.6.4;4 Nichtstationäre (stochastische) Prozesse;1047
8.6.5;5 Tests auf „Random Walk“;1049
8.6.6;6 Zerlegung von Zeitreihen;1053
8.6.7;7 Interventionsanalyse;1059
8.6.8;8 Ausreißer-Analyse;1061
8.6.9;9 Transferfunktions-Modelle;1064
8.6.10;10 Vektorielle stochastische Prozesse;1068
8.6.11;11 Schluss;1073
8.6.12;12 Literaturempfehlungen;1074
8.6.13;Literaturverzeichnis;1074
9;Anhang;1077
10;Autorenverzeichnis;1078

Einführung.- Einführung: Sozialwissenschaftliche Datenanalyse.- Kausalität als Gegenstand der Sozialwissenschaften und der multivariaten Statistik.- Grundlagen der Datenanalyse.- Datengewinnung und Datenaufbereitung.- Uni-und bivariate deskriptive Statistik.- Graphische Datenexploration.- Der Umgang mit fehlenden Werten.- Gewichtung.- Grundlagen des statistischen Schließens.- Einführung in die Inferenz durch den nichtparametrischen Bootstrap.- Maximum-Likelihood Schätztheorie.- Messen und Skalieren.- Reliabilität, Validität, Objektivität.- Thurstone-und Likertskalierung.- Guttman-und Mokkenskalierung.- Item-Response-Theorie.- Hauptkomponentenanalyse und explorative Faktorenanalyse.- Korrespondenzanalyse.- Multidimensionale Skalierung.- Analyse von Häufigkeiten, Gruppen und Beziehungen.- Analyse kategorialer Daten.- Varianz-und Kovarianzanalyse.- Diskriminanzanalyse.- Clusteranalyse.- Analyse latenter Klassen.- Netzwerkanalyse.- Regressionsverfahren für Querschnittsdaten.- Lineare Regressionsanalyse.- Lineare Regression: Modellannahmen und Regressionsdiagnostik.- Nicht-Linearität und Nicht-Additivität in der multiplen Regression: Interaktionseffekte, Polynome und Splines.- Robuste Regression.- Mehrebenenanalyse mit Querschnittsdaten.- Strukturgleichungsmodelle.- Regression mit unbekannten Subpopulationen.- Logistische Regression.- Multinomiale und ordinale Regression.- Regression für Zählvariablen.- Graphische Darstellung regressionsanalytischer Ergebnisse.- Analyse von zeitbezogenen Daten.- Nichtparametrische Schätzung kausaler Effekte mittels Matchingverfahren.- Kausalanalyse mit Paneldaten.- Survival-und Ereignisanalyse.- Latente Wachstumskurvenmodelle.- Sequenzdatenanalyse.- Zeitreihenanalyse.

Über Autor(innen)

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.