Handbuch der sozialwissenschaftlichen Datenanalyse

Vorwort

Inhaltsverzeichnis

Teil I Einführung

1 Einführung: Sozialwissenschaftliche Datenanalyse

1 Moderne Sozialwissenschaft und die Bedeutung der Statistik

2 Ziele und Zielgruppe des Handbuchs

3 Themenauswahl

4 Gliederung und Inhal

5 Ausblick

Literaturverzeichnis

2 Kausalität als Gegenstand der Sozialwissenschaften und der multivariaten Statistik

1 Einführung

2 Was heißt Kausalität?

2.1 Zeitliche Reihenfolge von Ereignissen als grundlegende Bedingung für Kausalität

2.2 Kausalität als „innerer Zusammenhang“ von Ereignissen

2.3 Die Veränderung von Ereignissen nach der Manipulierung anderer Ereignisse: Die Kontroll-Definition von Kausalität

2.4 Kausalität als „Mechanismus“

2.5 Die kontrafaktische Definition von Kausalität: Was wäre wenn?

2.6 Exkurs: Die Logik der Erklärung

2.7 Ursachen als Anfangsbedingungen oder als Wenn-Komponente von Gesetzen: Die Gesetzes-Definition von Kausalität

2.8 Zum Vergleich der Kausalitäts-Definitionen

3 Kausalität in sozialwissenschaftlichen Experimenten

4 Kausalität in multivariaten Analyseverfahren: Das Beispiel der Regression

4.1 Enthalten Kausalmodelle Kausalaussagen?

4.2 Regressionsanalyse und kausale Schlüsse

4.3 Kausalität in anderen multivariaten Verfahren

4.4 Gibt es Algorithmen für die Ermittlung von Kausalität?

5 Einzelfallanalysen, historische Daten und die Prüfung von Kausalaussagen

6 Kausalität in Messmodellen

7 Resümee

8 Literaturempfehlungen

Literaturverzeichnis

Teil II Grundlagen der Datenanalyse

3 Datengewinnung und Datenaufbereitung

1 Daten

2 Formen der Datenerhebung

2.1 Befragung

Persönlich-Mündliches Interview

Schriftliche Befragung

Telefonbefragung

Onlinebefragungen

Entscheidung für eine Befragungsform

2.2 Beobachtung

3 Stichprobenziehung

4 Datenaufbereitung

4.1 Transkription

4.2 Kodierung

4.3 Plausibilisierung

4.4 Gewichtung

4.5 Archivierung

5 Literaturempfehlungen

Literaturverzeichnis

4 Uni- und bivariate deskriptive Statistik

1 Univariate Statistik

1.1 Lagemaße

Arithmetische Mittel

Median (Zentralwert)

Modalwert

1.2 Streuungsmaße

Varianz, Standardabweichung und Variationskoeffizient

Spannweite, Quartilabstand und 5-Punkte-Zusammenfassung einer Verteilung

Index qualitativer Variation

1.3 Schiefe

2 Bivariate Statistik

2.1 Tabellenanalyse

Spalten-, Zeilen- und Gesamtprozente

Prozentuierung und statistische Unabhängigkeit

Prozentsatzdifferenz

Odds und Odds-Ratio

Nominalskalierte Maße: Cramérs V

Ordinalskalierte Merkmale

2.2 Metrische Merkmale: Kovarianz und Korrelation

3 Ausblick

4 Literaturempfehlungen

Literaturverzeichnis

5 Graphische Datenexploration

1 Einführung

2 Graphische Methoden für die Datenexploration

2.1 Einteilungskriterien für graphische Darstellungen

2.2 Univariate Analysen

Untersuchung der empirischen Häufigkeitsverteilung

Vergleich von Verteilungen

Die Darstellung von Zeitreihen

2.3 Bivariate Analysen

Das Anscombe-Quartett

Streudiagramm

2.4 Multivariate Analysen

3 Fehlervermeidung und Hinweise zum praktischen Vorgehen

4 Literaturempfehlungen

Anhang

Literaturverzeichnis

6 Der Umgang mit fehlenden Werten

1 Einführung in Techniken zur Kompensation fehlender Werte

1.1 Klassifikation fehlender Werte, Missingmechanismus und Ignorierbarkeit

1.2 Gewichtung

Schätzung der Responsewahrscheinlichkeiten

Gewichten oder nicht?

Ergänzungen

1.3 Multiple Imputation

Voraussetzungen

Erzeugung multipler Imputationen

Auswertung multipel imputierter Datensätze

Ergänzungen

2 Mathematisch-statistische Grundlagen

2.1 Klassifikation fehlender Werte, Missingmechanismus und Ignorierbarkeit

2.2 Gewichtung

2.3 Multiple Imputation

3 Beispiel: Einkommensgleichung mit fehlenden Werten

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

7 Gewichtung

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

2.1 Designgewichtung in komplexen Stichprobenerhebungen

Schichtung

Proportionale Aufteilung

Disproportionale Schichtung

Klumpenauswahl

Auswahl mit ungleichen Wahrscheinlichkeiten

2.2 Kombination von Anpassungs- und Designgewichtung

3 Gewichtung am Beispiel des ESS

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

8 Grundlagen des statistischen Schließens

1 Einführung in die Fragestellung

2 Statistisches Schätzen

2.1 Eigenschaften von Schätzern

2.2 Intervallschätzung

3 Statistisches Testen

3.1 Hypothesentests über Konfidenzintervalle

3.2 Signifikanztests

3.3 Berücksichtigung der Trennschärfe von Tests

3.4 Wald-Tests, Score-Tests und Chiquadrat-Differenzen-Tests

4 Anwendungsfehler und Anwendungsprobleme

4.1 Fallzahlabhängigkeit

4.2 Spezifikation der statistischen Fragestellung

4.3 Fehlinterpretation von Ergebnissen statistischer Schlüsse

Interpretation von Konfidenzintervallen

Interpretation von Signifikanzen

Formulierung der Forschungshypothese als Alternativhypothese

Multiples Testen

Modell-Fitting

Stichprobenpläne als Quelle von Interpretationsfehlern

5 Literaturhinweise

Literaturverzeichnis

9 Einführung in die Inferenz durch den nichtparametrischen Bootstrap

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

2.1 Standardfehler und Konfidenzintervall von ˆ?

Normale Approximationsmethode

Perzentil-Methode

Bias-corrected and accelerated Methode (BCa)

2.2 Besonderheiten bei der Anwendung des Bootstraps auf Umfragedaten

3 Ein Beispiel

3.1 Ermittlung des Standardfehlers und des Konfidenzintervalls mit Imputation

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

10 Maximum-Likelihood Schätztheorie

1 Einführung in das Verfahren

2 Die Mechanik des Maximum-Likelihood Verfahrens

2.1 Das ML-Verfahren zur Bestimmung eines Parameters

2.2 Das ML-Verfahren zur Bestimmung mehrerer Parameter

3 Statistische Eigenschaften der ML-Schätzer

4 Inferenzstatistik und Modellanpassung

4.1 Test auf Signifikanz individueller Parameter

4.2 Test auf Signifikanz mehrerer Parameter

Likelihood Ratio Test

Wald-Test

Lagrange Multiplikatortest

4.3 Modellgüte

McFadden R2

Wald- und LM-basierte R2

AIC und BIC

5 Numerische Optimierungsverfahren

6 Literaturempfehlungen

Literaturverzeichnis

Teil III Messen und Skalieren

11 Reliabilität, Validität, Objektivität

1 Einführung

2 Objektivität

2.1 Durchführungsobjektivität

2.2 Auswertungsobjektivität

2.3 Interpretationsobjektivität

3 Reliabilität

3.1 Retest-Reliabilität

Beispiel zur Bestimmung der Retest-Reliabilität

3.2 Die Paralleltest-Reliabilität

3.3 Die Split-Half-Reliabilität

Beispiel zur Bestimmung der Split-Half-Reliabilität

3.4 Konsistenzanalysen

Beispiel zur Bestimmung der internen Konsistenz

3.5 Die Beurteilung der Höhe von Reliabilitätskoeffizienten

4 Validität

4.1 Die Inhaltsvalidität

4.2 Kriteriumsvalidität

4.3 Konstruktvalidität

Konstruktvalidierung mittels Dimensionalitätsüberprüfung (Prüfung auf formaleValidität)

Konstruktvalidierung mittels eines empirischen Vergleichs mit anderen, dasselbeKonstrukt messenden Instrumenten

Konstruktvalidierung mittels der Überprüfung des Zusammenhangs zwischen Selbstund Fremdurteil

5 Vorgehen zur Güteüberprüfung von Skalen

6 Häufige Fehler

7 Literaturempfehlungen

Literaturverzeichnis

12 Thurstone- und Likertskalierung

1 Einleitung

2 Thurstone Skalierung

2.1 Die Methode der Paarweisen Vergleiche (Law of Comparative Judgement, LCJ)

Grundlagen des Verfahrens

Vorgehensweise bei der Skalierung

Anwendungsbeispiel

2.2 Die Methode der gleich erscheinenden Intervalle

2.3 Die Methode der sukzessiven Intervalle (MSI)

Grundlagen des Verfahrens

Anwendungsbeispiel

2.4 Häufige Fehler bei der Thurstone Skalierung

3 Likertskalierung

3.1 Grundlagen des Verfahrens

3.2 Anwendungsbeispiel

3.3 Häufige Fehler bei der Likert Skalierung

4 Literaturempfehlungen

Literaturverzeichnis

13 Guttman- und Mokkenskalierung

1 Einleitung

2 Guttmanskalierung

2.1 Grundlagen des Verfahrens

Modellannahmen

Schätzung von Item- und Personenparametern

Stichprobenabhängigkeit der Schätzung von Item- und Personenparametern

Modellprüfung

2.2 Anwendungsbeispiel

2.3 Häufige Fehler bei der Guttmanskalierung

3 Mokkenskalierung

3.1 Grundlagen des Verfahrens

Modellprüfung

3.2 Anwendungsbeispiel

3.3 Häufige Fehler bei der Mokkenskalierung

4 Literaturempfehlungen

Literaturverzeichnis

14 Item-Response-Theorie

1 Einführung

2 Modelle für dichotome Items

2.1 Das Rasch-Modell

2.2 Das Birnbaum-Modell

2.3 Das Modell mit Rateparameter

3 Modelle für mehrstufig geordnete Items

3.1 Das ordinale Rasch-Modell (Partial-Credit-Modell)

3.2 Weitere IRT-Modelle für ordinale Items

4 Weitere IRT-Modelle

4.1 Mischverteilungs-IRT-Modelle: Das Mixed-Rasch-Modell

5 Modelltestung und Modellvergleiche

6 Beispielanwendung

6.1 Anwendung 1: Kompetenzmessung

6.2 Anwendung 2: Surveyforschung

7 Häufige Fehler

8 Literaturempfehlungen

Literaturverzeichnis

15 Hauptkomponentenanalyse und explorative Faktorenanalyse

1 Einführung in das Verfahren

1.1 Einsatzmöglichkeiten

1.2 Die Hauptkomponentenanalyse

Eine geometrische Perspektive

Die konkreten Schritte der PCA

Bestimmung der Komponentenzahl

Die unrotierte Lösung

Rotation

Berechnung von Komponentenwerten

1.3 Das Modell mehrerer gemeinsamer Faktoren: Faktorenanalyse im engeren Sinne

2 Mathematisch-statistische Grundlagen

3 Ein Anwendungsbeispiel: Vertrauen in Institutionen

4 Probleme und Erweiterungen

5 Literaturempfehlungen

Anhang

Literaturverzeichnis

16 Korrespondenzanalyse

1 Einleitung

2 Mathematisch-statistische Grundlagen

3 Ein Beispiel

3.1 Graphische Darstellung

3.2 Numerische Darstellung

4 Erweiterungen der Korrespondenzanalyse

4.1 Zusammengesetzte Tabellen

4.2 Multiple Korrespondenzanalyse

4.3 Aktive und passive Merkmale

4.4 Andere Datenformate

5 Häufige Fehler

6 Diskussion

7 Literaturempfehlungen

Literaturverzeichnis

17 Multidimensionale Skalierung

1 Einführung in die MDS

1.1 Die MDS als psychologisches Modell

1.2 Die MDS zur Exploration von Datenstrukturen

2 Mathematische Grundlagen der MDS

2.1 Güte einer MDS-Lösung

2.2 Bewertung des Stress

2.3 MDS-Modelle

2.4 MDS-Algorithmen

2.5 Konfirmatorische MDS

3 Häufige Fehler

3.1 Degenerierte Lösungen in der ordinalen MDS

3.2 Falsche Polung der Proximitäten

3.3 Fehlbewertung von Stress

3.4 Fehler beim Vergleich verschiedener MDS-Lösungen

3.5 Mechanische Interpretation „der“ Dimensionen

3.6 Behandlung störender Punkte

3.7 Überinterpretation von Dimensionsgewichten

4 Literaturempfehlungen

Anhang

Literaturverzeichnis

Teil IV Analyse von Häufigkeiten, Gruppen und Beziehungen

18 Analyse kategorialer Daten

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

3 Ein Beispiel

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

19 Varianz- und Kovarianzanalyse

1 Einführung in das Verfahren

1.1 Vergleich von zwei Gruppen

Modellgleichung

Hypothesen

Quadratsummen

Freiheitsgrade

Allgemeine Teststatistik

Annahmen

Exkurs: Mittlere Quadratsummen

1.2 Vergleich von mehr als zwei Gruppen: Die einfaktorielle Varianzanalyse

1.3 Mehrfaktorielle Varianzanalyse

Modellgleichung

Hypothesen

Quadratsummen

Freiheitsgrade

Teststatistik

Annahmen

1.4 Kovarianzanalyse

Modellgleichung

ANOVA versus ANCOVA

1.5 Effektstärke

1.6 Teststärke

2 Mathematisch-statistische Grundlagen

2.1 ANOVA und ANCOVA als Spezialfälle des ALM

2.2 Jenseits von ANOVA und ANCOVA: Kreative Modellierung im Rahmen des ALM

3 Ein Beispiel

3.1 Vergleich von zwei Gruppen

3.2 Vergleich von mehr als zwei Gruppen

3.3 Mehrfaktorielle ANOVA

3.4 Kovarianzanalyse

3.5 Annahmen der Varianz- und Kovarianzanalyse

3.6 Teststärke

4 Häufige Fehler – eine Checkliste

5 Literaturempfehlungen

Literaturverzeichnis

20 Diskriminanzanalyse

1 Einführung in das Verfahren

1.1 Zielsetzung und Anwendungsmöglichkeiten

1.2 Problemstellung und Prämissen

1.3 Arten der Diskriminanzanalyse und ihre Abgrenzung gegenüber anderen multivariaten Verfahren

1.4 Vorgehensweise

Festlegung des Untersuchungsdesigns

Extraktion der Diskriminanzfunktion(en)

Evaluation der Diskriminanzfunktion(en)

Merkmalsselektion und Klassifikation neuer Objekte

2 Mathematisch-statistische Grundlagen

2.1 Ermittlung der Diskriminanzfunktion (en)

2.2 Prüfkriterien der Diskriminanz

2.3 Klassifikationskonzepte

Distanzkonzept

Wahrscheinlichkeitskonzept

Konzept der Klassifikationsfunktionen nach Fisher

3 Anwendungsbeispiel

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

21 Clusteranalyse

1 Einführung in das Verfahren

1.1 Was ist Clusteranalyse und was sind überhaupt Cluster?

1.2 Clusterstruktur

1.3 Algorithmen

1.4 Variablenräume

1.5 Agglomerative Verfahren

Ähnlichkeitsmaß, Distanz und Index

Fusionswerte und Dendrogramme

1.6 Wahl der Metriken und Agglomerationsverfahren

1.7 K-Means (Clusterzentrenanalyse)

1.8 TwoStep-Clusteranalyse

2 Mathematisch-statistische Grundlagen

2.1 Hierarchisch-agglomerative Verfahren

Ähnlichkeitsmaße und Distanzen

Gewichtung und Standardisierung von Variablen

Erweiterung der Abstandsmaße auf Abstände zwischen Aggregaten

Dendrogramm und Ultrametrik

2.2 K-Means

2.3 TwoStep-Verfahren

Die beiden Stufen der Clusterung

Anzahl der Cluster

Tabellen und Graphiken zur Beschreibung der Cluster

3 Beispiel

3.1 Daten- und Variablenauswahl

3.2 Analyse

3.3 Verbesserung der Clusterlösung

Variablenauswahl

Eliminieren von „Ausreißern“

Optimierung der Lösung durch eine K-Means-Analyse

3.4 Überprüfen der Clusterlösung

3.5 TwoStep-Clusteranalyse

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

22 Analyse latenter Klassen

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

2.1 Modellansatz

2.2 Parameterschätzung

2.3 Computerprogramme

3 Ein Beispiel

3.1 Daten

3.2 Zahl der latenten Klassen

3.3 Lokale Unabhängigkeit

3.4 Inhaltliche Interpretierbarkeit

3.5 Stabilität

3.6 Formale Validitätsprüfung durch Validitätsindizes

3.7 Kriterienbezogene Validitätsprüfung

4 Häufige Fehler

5 Alternativen

6 Literaturempfehlungen

Literaturverzeichnis

23 Netzwerkanalyse

1 Einführung

2 Darstellung der Verfahren

2.1 Konzepte zur Beschreibung der Netzstruktur in Dyaden und Triaden

Dyaden

Triaden

Triadische Umgebungen einzelner Knoten

2.2 „Positionen“: Die Klassierung von Knoten aufgrund ähnlicher Muster ihrer strukturellen Einbettung

2.3 Teilgruppen: Die Identifikation von Teilnetzen intern eng bzw. stark verbundener Knoten

Cliquen und Clans

k-Plexe und k-Cores

Zusammenhangs-Komponenten

Modifikation der Teilgruppenkonzepte für gerichtete Beziehungen

3 Ein Beispiel

3.1 Daten

3.2 Zielsetzungen

3.3 Erstellung des Datensatzes

4 Literaturempfehlungen

Literaturverzeichnis

Teil V Regressionsverfahren für Querschnittsdaten

24 Lineare Regressionsanalyse

1 Einführung

2 Mathematisch-statistische Grundlagen

2.1 Das allgemeine Modell

2.2 Die Identifikation der Regressionskoeffizienten

2.3 Annahmen der Kleinst-Quadrat-Methode

2.4 Die Bestimmung der Modellgüte

2.5 Die statistische Absicherung der Regressionsergebnisse

2.6 Die Interpretation der Regressionskoeffizienten

2.7 Standardisierte Regressionskoeffizienten und ihre Probleme

3 Ein Beispiel

3.1 Zur Operationalisierung

3.2 Ergebnisse

4 Häufige Fehler

5 Literaturhinweise

Literaturverzeichnis

25 Lineare Regression: Modellannahmen und Regressionsdiagnostik

1 Einführung

1.1 Lineares Regressionsmodell: Systematischer Teil, Störgrößen und Residuen

1.2 Regressionsdiagnostik: ein erster Einblick

2 Mathematisch-statistische Grundlagen

2.1 Annahmen der linearen Regressionsanalyse

2.2 Grundlagen und Instrumente der Regressionsdiagnostik

Stichprobenresiduen und „Leverage“-Werte als Bausteine der Regressionsdiagnostik

Diagnostik zu den Annahmen des klassischen linearen Regressionsmodells

Diagnostik zu potenziell einflussreichen Untersuchungseinheiten

3 Regressionsdiagnostik am Beispiel

3.1 Datengrundlage und Regressionsmodell

3.2 Regressionsdiagnostik zu den Annahmen des linearen Regressionsmodells am Beispiel

3.3 Regressionsdiagnostik zu einflussreichen Beobachtungen am Beispiel

4 Regressionsdiagnostik: Umfang, Probleme und Empfehlungen

5 Literaturempfehlungen

Anhang

Literaturverzeichnis

26 Nicht-Linearität und Nicht-Additivität in der multiplen Regression: Interaktionseffekte, Polynome und Splines

1 Einführung

2 Interaktionseffekte, Polynome und Splines

2.1 Nicht-Additivität: Interaktionseffekte

2.2 Nichtberücksichtigung von Interaktionen als Fehlspezifikation

2.3 Nicht-Linearität: Polynome und Splines

2.4 Polynome

2.5 Splines

3 Tests auf Gruppenunterschiede und Nicht-Linearität

4 Anwendungsbeispiel I: Interaktionseffekte

5 Anwendungsbeispiel II: Polynome und Slopes

6 Häufige Fehler

7 Literaturempfehlungen

Literaturverzeichnis

27 Robuste Regression

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

2.1 Der Kleinste-Quadrate-Schätzer

2.2 Grundlegende Konzepte zur Bewertung robuster Schätzer

Erwartungstreue, Konsistenz und Effizienz

Relative Effizienz

Einfluss-Funktion, Bruchpunkt und maximale Verzerrung

Zusammenfassung

2.3 M-Schätzer

Berechnung von M-Schätzern

Bruchpunkt von M-Schätzern

Bounded-Influence-Schätzer

2.4 High-Breakdown-Schätzer

LMS- und LTS-Schätzer

S-Schätzer

MM-Schätzer

3 Ein Beispiel

4 Literaturempfehlungen

Literaturverzeichnis

28 Mehrebenenanalyse mit Querschnittsdaten

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

2.1 Die Modellklassen der Mehrebenenanalyse

Das Random-Intercept-Only-Modell (R-I-O-M)

Das Random-Intercept-Modell (R-I-M)

Random-Intercept-Random-Slope-Modell (R-I-R-S-M)

Das Intercept-as-Outcome-Modell (I-as-O-M)

Das Random-Coefficient-Modell (R-C-M)

2.2 Beurteilung der Anpassung des Mehrebenenmodells

2.3 Zentrierung metrischer Prädiktoren und ihre Bedeutung für die Interpretation

Grand-Mean-Zentrierung

Group-Mean-Zentrierung

2.4 Standardisierung der kontextspezifischen und Populationsschätzer

2.5 Besonderheiten des Erhebungsdesigns

3 Ein Beispiel – Die deutsche PISA 2006 Studie

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

29 Strukturgleichungsmodelle

1 Einführung in das Verfahren

1.1 Ausgangspunkt: Regressions- und Pfadmodell

1.2 Das Messmodell: Die Diffenzierung zwischen manifesten und latenten Variablen

1.3 Die konfirmatorische Faktorenanalyse: Die simultane Prüfung mehrerer Messmodelle

1.4 Das allgemeine Strukturgleichungsmodell

Modellevaluation

Modellvergleich

Modellsparsamkeit

1.5 Spezielle Modellvarianten

Modelle für mehrere Gruppen (Multiple Gruppenvergleiche)

Längsschnittmodelle

Modelle mit Interaktionstermen

Die Behandlung fehlender Werte

2 Mathematisch-statistische Grundlagen

2.1 Ableitung der Elemente der Kovarianzmatrix ?

2.2 Schätzung der Parameter

3 Ein Beispiel

3.1 Messung der latenten Konstrukte

3.2 Messmodell der latenten endogenen Variablen

3.3 Messmodell der latenten exogenen Variablen

3.4 Überprüfung der Messmodelle

3.5 Intervenierende Variablen

3.6 Strukturgleichungsmodell

4 Häufige Fehler

5 Literaturempfehlungen

Anhang

Literaturverzeichnis

30 Regression mit unbekannten Subpopulationen

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

2.1 Spezifikation

2.2 Schätzung

2.3 Test auf die Anzahl der Komponenten

2.4 Anpassungsindizes

3 Ein Beispiel

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

31 Logistische Regression

1 Einführung in das Verfahren

1.1 Das lineare Wahrscheinlichkeitsmodell

1.2 Die logistische Regression

1.3 Interpretation der Koeffizienten

2 Mathematisch-statistische Grundlagen

2.1 Herleitung als nichtlineares Modell mit latenter abhängiger Variable

Logit-Regression

Probit-Regression

2.2 Schätzung

2.3 Vergleich von Koeffizienten und unbeobachtete Heterogenität

Standardisierte Koeffizienten

Durchschnittliche marginale Effekte

2.4 Interaktionseffekte

2.5 Statistische Inferenz

2.6 Goodness of fit und Modellvergleich

3 Ein Beispiel

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

32 Multinomiale und ordinale Regression

1 Einführung in das Verfahren

1.1 Von der binären zur multinomialen logistischen Regression

1.2 Wahrscheinlichkeiten, Odds und Logits

1.3 Modellschätzung und statistische Tests

Besteht ein Zusammenhang?

Wie stark ist ein Zusammenhang?

Wie stark sind die relativen Effekte der erklärenden Variablen?

1.4 Logistische Regression bei einer ordinalen abhängigen Variablen

1.5 Interpretation des Modells der kumulierten Logits als vorgelagertes Schwellenwertmodell in einer linearen Regression

2 Mathematisch-Statistische Grundlagen

2.1 Schätzung

2.2 Statistische Inferenz

2.3 Modellanpassung

2.4 Weiterführendes zu Regressionskoeffizienten

Standardisierte Koeffizienten im ordinalen Regressionsmodell

Umrechnen der Referenzkategorie im multinomialen Regressionsmodell

3 Anwendungsbeispiel

3.1 Einfluss der Bildungsabschlüsse von Vater und Mutter auf die Bildung der Befragten in der multinomialen logistischen Regression

3.2 Bildungsabschluss im ordinalen Logitmodell

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

33 Regression für Zählvariablen

1 Einführung in das Verfahren

1.1 Poisson und negative Binomialverteilung

1.2 Regressionsmodellierung

Strukturkomponente

Strukturkomponente: lineare und nichtlineare Prädiktoren

Verteilungskomponente

Inferenz

2 Mathematisch-statistische Grundlagen

2.1 Poissonmodell

Maximum-Likelihood-Schätzung

Parameter-Tests

Devianz und Anpassungstests

2.2 Quasi-Poissonmodell

2.3 Modell der negativen Binomialverteilung

3 Ein Beispiel

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

34 Graphische Darstellung regressionsanalytischer Ergebnisse

1 Einführung in das Verfahren

2 Grundlagen der graphischen Darstellung

3 Beispiele

3.1 Streudiagramm- bzw. Scatterplot-Matrix

3.2 Median- und Mean-Regression

3.3 Lineare Regression: Graphische Darstellung der Koeffizienten

3.4 Lineare Regression: Die Darstellung vorhergesagter Werte (Conditional-Effect-Plots)

3.5 Logistische Regression: Conditional-Effect-Plots

3.6 Multinomiale Regression: Odds Ratio-Plots, Discrete-Change und Conditional-Effect-Plots

4 Häufige Fehler

5 Rückblick

6 Literaturempfehlungen

Literaturverzeichnis

Teil VI Analyse von zeitbezogenen Daten

35 Nichtparametrische Schätzung kausaler Effekte mittels Matchingverfahren

1 Einführung in das Verfahren

1.1 Grundannahmen kausaler Inferenz in Matchingverfahren

1.2 Treatmenteffekte als Schätzgrößen der empirischen Analyse

1.3 Durchführung der empirischen Analyse

1.4 Varianten von Matchingverfahren bei Vorliegen unterschiedlicher Datenstrukturen

2 Mathematisch-statistische Grundlagen

3 Ein Anwendungsbeispiel: der Einkommenseffekt eines Arbeitsplatzverlustes

3.1 Zuweisungsmodell

3.2 Matching und Balancierungstests

3.3 Parameterschätzung

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

36 Kausalanalyse mit Paneldaten

1 Einführung in die Paneldatenanalyse

1.1 Kontrafaktische Kausalanalyse und Paneldaten

1.2 Eine intuitive Einführung in Panelregressionsmodelle

1.3 Ein didaktisches Beispiel

2 Eine präzisere Einführung in die Panelregression

2.1 Das Fehlerkomponenten-Modell

2.2 Die Schätzverfahren

2.3 RE- oder FE-Modell?

2.4 Ein Hybrid-Modell

2.5 Panel-robuste Standardfehler

3 Ein Beispiel: Der Effekt der Heirat auf die Zufriedenheit

3.1 Datenaufbereitung

3.2 Schätzergebnisse

3.3 Ein Modell mit Periodeneffekten

3.4 Ein Hybrid-Modell

3.5 Ein Wachstumskurven-Modell

4 Nicht-lineare FE-Modelle

4.1 Nicht-lineare Panelregressionsmodelle

4.2 Das FE-Logit Modell

4.3 FE-Modelle für Ereignisdaten

5 Häufige Fehler

5.1 Suboptimale Panelregressionsmodelle

5.2 Grenzen von FE-Modellen

6 Literaturempfehlungen

Literaturverzeichnis

37 Survival- und Ereignisanalyse

1 Einführung in das Verfahren

1.1 Spezifische Problemstellungen

1.2 Erhebung von Ereignisdaten

1.3 Zensierung von Beobachtungen

2 Theoretische Modelle, mathematisch-statistische Grundlagen und Notation

2.1 Verschiedene Ratenmodelle und ihre Schätzung

Sterbetafelmethode und Kaplan-Meier-Schätzung

Das Exponentialmodell

Das Cox-Modell

Das Piecewise-Constant-Modell

Parametrische Modelle der Zeitabhängigkeit

2.2 Ein Beispiel

3 Modellierung von parallelen und interdependenten Prozessen

3.1 Ursachen und zeitabhängige Kovariablen

3.2 Zeit und kausale Wirkungen

3.3 Zeitachse und Ereignisse

3.4 Zeitfolge, Zeitintervalle und scheinbare Gleichzeitigkeit

3.5 Zeitliche Form der Entfaltung von Wirkungen

3.6 Das Prinzip der konditionalen Unabhängigkeit

3.7 Ein Anwendungsbeispiel

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

38 Latente Wachstumskurvenmodelle

1 Einführung in das Verfahren

2 Mathematisch-statistische Grundlagen

3 Beispiel: Entwicklung von Lebenszufriedenheit nach Arbeitsplatzverlust

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

39 Sequenzdatenanalyse

1 Einführung in die Sequenzdatenanalyse

1.1 Was ist Sequenzdatenanalyse?

1.2 Grundlegende Konzepte

2 Mathematisch-statistische Grundlagen: Algorithmen zur Distanzberechnung

2.1 Der Optimal Matching Algorithmus

2.2 Der zweite Schritt: Die Weiterverarbeitung der Distanzen

2.3 Die Diskussion um OM und neuere Entwicklungen

3 Beispiel: Der Arbeitsmarkteintritt westdeutscher Männer und Frauen

3.1 Datenaufbereitung

3.2 Datenauswertung

4 Häufige Fehler

5 Literaturempfehlungen

Literaturverzeichnis

40 Zeitreihenanalyse

1 Einführung

2 Deskription und statistisches Modell

3 Stochastische Prozesse

4 Nichtstationäre (stochastische) Prozesse

5 Tests auf „Random Walk“

6 Zerlegung von Zeitreihen

7 Interventionsanalyse

8 Ausreißer-Analyse

9 Transferfunktions-Modelle

10 Vektorielle stochastische Prozesse

11 Schluss

12 Literaturempfehlungen

Literaturverzeichnis

Anhang

Autorenverzeichnis