Overview

Multivariate Analyseverfahren haben in den letzten Jahren einen gewaltigen Aufschwung in den Sozialwissenschaften erfahren. Die Vielfalt der Methoden ist fur den Forschungs- praktiker kaum noch zu uberblicken. Mit diesem Buch wird der Versuch unternommen, ein allgemeines Modell statistischer Datenanalyse vorzustellen, das mehrere multivariate Analyseverfahren als Spezialfall enthiilt. Dazu ziihlen die klassischen Anwendungen der Regressions-, Varianz- und Kovarianzanalyse, aber auch verschiedene Methoden zur Ana- lyse von kreuztabellierten Daten (log-lineare und logistische Modelle, GSK-Ansatz). Dieses verallgemeinerte lineare Modell wurde von NELDER und WEDDERBURN (1972) vorgeschlagen. Fur praktische Auswertungen mit diesem Ansatz steht das Programmpaket GUM zur Verfugung, das von der Numerical Algorithms Group vertrieben wird. Bisher sind sowohl der statistische Ansatz als auch das Programm G LIM in der Forschungspraxis nur sehr zogernd aufgenommen worden. Das liegt sicherlich zum groBen Teil daran, daB der Grad der statistischen Formalisierung relativ hoch und der Umfang der Programm- dokumentation relativ gering ist. Vor allem fehlt es an konkreten Beispielen, wie man mit einem Datensatz z. B. eine Regressionsanalyse oder ein log-lineares Modell berechnet.

Full Product Details

Author:   Hans-Jürgen Andreß
Publisher:   Springer Fachmedien Wiesbaden
Imprint:   Vieweg+Teubner Verlag
Edition:   1986 ed.
Dimensions:   Width: 15.50cm , Height: 1.40cm , Length: 23.50cm
Weight:   0.409kg
ISBN:  

9783528043544

ISBN 10:   3528043547
Pages:   250
Publication Date:   01 January 1986
Audience:   Professional and scholarly ,  Professional & Vocational
Format:   Paperback
Publisher's Status:   Active
Availability:   In Print  
This item will be ordered in for you from one of our suppliers. Upon receipt, we will promptly dispatch it out to you. For in store availability, please contact us.
Language:   German

Table of Contents

1 Einleitung.- 1.1 Multivariate Analyseverfahren - Ein UEberblick.- 1.2 Verallgemeinerte lineare Modelle und ihre Realisierung in dem Programmpaket GLIM.- 1.3 Ein Anwendungsbeispiel.- 1.3.1 Fragestellung und betrachtete Merkmale.- 1.3.2 Individualdaten, aggregierte Daten, Kreuztabellen.- 1.4 Gliederung dieses Buches und notwendige Vorkenntnisse.- 2 Spezifikation verallgemeinerter linearer Modelle: Theoretische Grundlagen.- 2.1 Struktur der verallgemeinerten linearen Modelle.- 2.2 Verteilungsannahmen bei verallgemeinerten linearen Modellen.- 2.3 Abhangigkeitsbeziehungen in verallgemeinerten linearen Modellen.- 2.4 Erklarende Variablen in verallgemeinerten linearen Modellen.- 2.4.1 Regressionsanalyse.- 2.4.2 Varianzanalyse (Regressionsanalyse mit Dummy-Variablen).- 2.4.2.1 Reparametrisierung und Effektkodierung.- 2.4.2.2 Spezielle Designmatrizen: Interaktionen, konditionale und geordnete Effekte.- 2.4.2.3 Varianzanalyse und Kreuztabellenanalyse: Das Problem fehlender Beobachtungen.- 2.4.3 Kovarianzanalyse.- 2.4.4 Konstruktion der Matrix der unabhangigen Variablen innerhalb des Programmpakets GLIM.- 2.5 Spezifikation verallgemeinerter linearer Modelle - Zusammenfassung an Hand des Beispiels.- 3 UEberprufung verallgemeinerter linearer Modelle: Theoretische Grundlagen.- 3.1 Schatzung der Regressionsparameter.- 3.2 Konfidenzintervalle der Regressionsparameter und Hypothesentests.- 3.3 Modellanpassung.- 3.3.1 Exkurs: Berechnung der Devianz fur zwei Submodelle des GLIM-Ansatzes.- 3.3.2 Modellanpassungstests.- 3.3.3 Schatzung des Skalenparameters und Signifikanztests fur ZweiParameter-Verteilungen.- 3.4 Eigenschaften der Testverfahren.- 3.5 Multiple und partielle Bestimmtheitsmasse fur verallgemeinere lineare Modelle.- 3.6 Analyse der Residuen.- 4 Anwendung verallgemeinerter linearer Modelle: Eine empirische Analyse beruflicher Wechsel.- 4.1 Metrische Zielvariablen: Statusanderungen bei Berufswechseln.- 4.1.1 Regressionsanalyse.- 4.1.2 Varianzanalyse.- 4.1.3 Kovarianzanalyse.- 4.2 Dichotome Zielvariablen: Abstiegsrisiko in verschiedenen Subgruppen.- 4.2.1 Probleme der Analyse dichotomer Zielvariablen.- 4.2.2 Analyse dichotomer Zielvariablen mit gewichteter Regression.- 4.2.2.1 Grundprinzipien des GSK-Ansatzes (Minimum-Chi-Quadrat-Methode).- 4.2.2.2 Ein empirisches Beispiel: Ein lineares Modell des Abstiegsrisikos.- 4.2.3 Analyse dichotomer Zielvariablen mit Maximum-Likelihood-Schatzungen.- 4.2.3.1 Theoretische Grundlagen.- 4.2.3.2 Ein empirisches Beispiel: Ein logistisches Modell des Abstiegsrisikos.- 4.2.4 Unvollstandige Kreuztabellen.- 4.3 Polytome Zielvariablen: Verschiedene Arten von Tatigkeitswechseln.- 4.3.1 Analyse polytomer Zielvariablen mit gewichteter Regression und Maximum-Likelihood-Schatzungen.- 4.3.2 Ein empirisches Beispiel: Ein multivariates logistisches Modell verschiedener Tatigkeitswechsel.- 4.3.3 Ordinale Zielvariablen.- 4.4 Diskrete Zielvariablen mit Individualdaten.- 4.4.1 Kreuztabellen und Individualdaten.- 4.4.2 Ein empirisches Beispiel: Ein logistisches Modell des individuellen Abstiegsrisikos.- 4.5 Fortgeschrittene Anwendungen verallgemeinerter linearer Modelle.- 5 GLIM als Programmiersprache.- 5.1 Sprachdefinition.- 5.2 Dateneingabe und Druckausgabe.- 5.3 Datenmanipulation.- 5.3.1 Berechnung von Variablen.- 5.3.2 Umkodierung von Variablen.- 5.3.3 Aggregierung von Daten und Generierung von Kreuztabellen.- 5.3.4 Auswahl von Fallen.- 5.4 Macros.- Statistischer Anhang.- Datenanhang.- Programmanhang.- GLIM: Kommandoubersicht.- Autorenregister.- Stichwortregister.

Reviews

Author Information

Tab Content 6

Author Website:  

Countries Available

All regions