Aktion	Zweigstelle	Standorte	Status	Frist	Vorbestellungen
Vorbestellen	Zweigstelle: 07., Urban-Loritz-Pl. 2a	Standorte: NN.MNS Erns / College 6a - Naturwissenschaften	Status: Verfügbar	Frist:	Vorbestellungen: 0

Das Buch bietet einen Überblick über die häufigsten statistischen Methoden, mit Schwerpunkt auf der Regressionstechnik. Es ist anwendungsorientiert und führt anhand von Beispielen in die Methoden ein. Es belässt es aber nicht dabei, sondern zeigt auch, was dahinter steht, sodass die Methoden nicht bloß ein "Trick" bleiben, sondern zu wirklichen methodischen Einsichten führen. Damit eignet es sich bestens als Einführung in die Komplexität der Materie. (Verlagsinformation)

 

 

Aus dem Inhalt:

1. Überblick 1 / 1.1 Einleitung 1 / 1.2 Grundbegriffe 1 / 1.3 Skalentypen 6 / 1.4 Relationen: Kausalität und Kovariation 12 / 1.5 Statistische Methoden: Ein erster Überblick 19 / / 2. Einfache Korrelationsanalyse 27 / 2.1 Einleitung 27 / 2.2 Das Messen von einfachen Zusammenhängen 28 / 2.3 Der einfache Korrelationskoeffizient 32 / 2.3.1 Die bi-variate Normalverteilung 32 / 2.3.2 Der Pearson-Produkt-Moment-Korrelationskoeffizient 40 / 2.4 Rückschlüsse auf die Grundgesamtheit 48 / / 3. Einfache Regressionsanalyse 51 / 3.1 Einführung 51 / 3.2 Kausalität und Geschlossenheit 53 / 3.3 Regressionsanalyse und Geschlossenheit 56 / 3.4 Die Schätzung der Parameter der Regressionsgleichung 61 / 3.4.1 Entscheidungskriterien für die Schätzung 62 / 3.4.2 Die Schätzung der Koeffizienten 66 / 3.5 Die Interpretation der Resultate 70 / 3.6 Die Güte des Regressionsmodells 71 / 3.6.1 Die Zerlegung der Variation 71 / 3.6.2 Die Anzahl der Freiheitsgrade 75 / / 4. Multiple Regression und multipe Korrelation 79 / 4.1 Einführung 79 / 4.2 Die Aufnahme zusätzlicher unabhängiger Variablen ins Modell 81 / 4.3 Die graphische Darstellung der multiplen Regressionsgleichung 84 / 4.4 Die Schätzung der Koeffizienten der multiplen Regressionsgleichung 86 / 4.5 Die Interpretation der Koeffizienten 88 / 4.6 Der multiple Korrelationskoeffizient 91 / 4.7 Der partielle Korrelationskoeffizient 94 / / 5. Das Schliessen auf die Grundgesamtheit bei der Regressionsanalyse 99 / 5.1 Einleitung 99 / 5.2 Test für das Bestimmtheitsmass oder Test der ‘Güte’ des Gesamtmodells 100 / 5.3 Test für den Regressionskoeffizienten 102 / 5.4 Test für die Regressionskonstante 106 / 5.5 Verallgemeinertes Test verfahren für allgemeine lineare Hypothesen 107 / 5.6 Vertrauensintervalle für Regressionskoeffizienten und -konstante 109 / 5.7 Vertrauensintervalle für Vorhersagen 110 / / 6. Regressionsanalyse mit kategorialen unabhängigen Variablen 111 / 6.1 Einleitung 111 / 6.2 Regression mit kategorialen unabhängigen Variablen 112 / 6.3 Regression mit metrischen und kategorialen unabhängigen Variablen 117 / 6.4 Interaktionseffekte zwischen metrischen und kategorialen unabh. Variablen 118 / 6.5 Wie erkennt man die Wirkung einer kategorialen Variablen? 122 / 6.6 Ein Beispiel 125 / / 7. Überprüfung der Anwendungsbedingungen der Regressionsanalyse 129 / 7.1 Einleitung 129 / 7.2 Bedingungen der gewöhnlichen Kleinste-Quadrate-Schätzung 130 / 7.2.1 Erwartungswert der Residualwerte beträgt Null 132 / 7.2.2 Keine Autokorrelation 133 / 7.2.3 Homoskedastizität 136 / 7.2.4 Kein Zusammenhang zwischen der Störvariablen und den unabhängigen Variablen 139 / 7.2.5 Keine Kollinearität 140 / 7.2.6 Residualwerte sind normalverteilt 145 / 7.3 Überprüfung der Bedingungen 146 / 7.3.1 Der Erwartungswert der Residualwerte beträgt Null 147 / 7.3.2 Keine Autokorrelation 147 / 7.3.3 Homoskedastizität 150 / 7.3.4 Kein Zusammenhang zwischen den Residualwerten und den unabhängigen Variablen 152 / 7.3.5 Keine Kollinearität 153 / 7.3.6 Die Residualwerte sind normalverteilt 161 / 7.4 Ausreisser 169 / / 8. Pfadanalyse 185 / 8.1 Einleitung 185 / 8.2 Transformation der Variablen 190 / 8.2.1 Pfadanalyse mit zentrierten Variablen 190 / 8.2.2 Pfadanalyse mit standardisierten Variablen 191 / 8.3 Notation und Begriffe 194 / 8.3.1 Endogene und exogene Variablen 194 / 8.3.2 Regressions- und Pfadkoeffizienten 195 / 8.3.3 Strukturgleichung 195 / 8.3.4 Rekursive und nicht-rekursive Pfadmodelle 199 / 8.4 Die Beziehung zwischen den (Ko-)Varianzen und den Parametern 201 / 8.5 Das Schätzen der Parameter 204 / 8.5.1 Identifikation 208 / 8.5.2 Das Prinzip der Parameter-Schätzung bei der klassischen ,Regressionsanalyse 211 / 8.5.3 Das Prinzip der Parameter-Schätzung bei der Pfadanalyse 212 / 8.5.4 Maximum-Likelihood-Schätzfunktion 213 / 8.6 Die Interpretation der Resultate 218 / 8.6.1 Interpretation der standardisierten und der unstandardisierten Lösung 218 / 8.6.2 Direkte, indirekte und totale Effekte 219 / 8.7 Modellevaluation 220 / 8.7.1 Die Güte des gesamten Modells 221 / 8.7.2 Die Beurteilung der einzelnen Komponenten des Modells 228 / 8.8 Vergleich und Verbesserung von Modellen 231 / 8.8.1 Log-Likelihood-Ratio-Chi-Quadrat-Test für den Unterschied zwischen Modellen 231 / 8.8.2 Lagrange-Multiplier-Test für mögliche Erweiterungen des Modells 233 / 8.8.3 Reformulierung des Modells 235 / 8.9 Spezielle Aspekte 236 / / 9. Konfirmatorische Faktorenanalyse 239 / 9.1 Einleitung 239 / 9.1.1 Das Messproblem 240 / 9.1.2 Das Spezifikationsproblem 242 / 9.2 Das Messmodell 243 / 9.3 Die konfirmatorische Faktorenanalyse 247 / 9.3.1 Die Festlegung einer Skala für die latenten Variablen 248 / 9.3.2 Die Identifikation des Messmodells 253 / 9.3.3 Die Validität des Messmodells 255 / 9.3.4 Die Zuverlässigkeit des Messmodells 261 / / 10. Explorative Faktorenanalyse 267 / 10.1 Einleitung 267 / 10.2 Ziele der Faktorenanalyse 270 / 10.3 Algebraische Formulierung des Grundproblems 273 / 10.4 Arten von Faktoren 278 / 10.5 Ablauf der Faktorenanalyse 283 / 10.6 Das Faktorenproblem 284 / 10.7 Geometrische Grundbegriffe 285 / 10.7.1 Punktdarstellung im Merkmalsraum 285 / 10.7.2 Vektordarstellung im Objektraum 290 / 10.7.3 Zur Geometrie der Hauptkomponentenanalyse 299 / 10.7.4 Algebraische Formulierung der Hauptkomponentenmethode 304 / 10.7.5 Bestimmung der Anzahl zu extrahierender gemeinsamer Faktoren 305 / 10.7.6 Die Maximum-Likelihood-Methode 309 / 10.8 Das Kommunalitätenproblem 313 / 10.9 Das Rotationsproblem 315 / 10.9.1 Orthogonale Rotation nach der mVarimax-Methode 317 / 10.9.2 Schiefwinklige Rotation nach der Promax-Methode 319 / 10.10 Das Faktorenwertproblem 323 / 10.11 Vergleich mit Regression 326 / / 11. Strukturgleichungsmodelle 329 / 11.1 Einleitung 329 / 11.2 Die Teile des Strukturgleichungsmodells 330 / 11.2.1 Die Identifikation des Gesamtmodells 333 / 11.2.2 Spezifikationsprobleme und Interpretationsprobleme des Gesamtmodells 334 / 11.3 Fazit 339 / / 12. Logit-Analyse 347 / 12.1 Einleitung 347 / 12.2 Basis-Form 349 / 12.3 Der konventionelle regressionsanalytische Ansatz 352 / 12.4 Alternative Ansätze 358 / 12.5 Erweiterung auf mehrere unabhängige Variablen 362 / 12.6 Die Kodierungsformen und Interpretation der Parameter 362 / 12.6.1 Dummy-Kodierung 365 / 12.6.2 Effekt-Kodierung 368 / 12.7 Das Schätzen der Parameter 370 / 12.8 Das gewichtete Kleinste-Quadraten-Verfahren 371 / 12.9 Das Maximum-Likelihood-Verfahren 374 / 12.10 Die Güte des gesamten Modells 375 / 12.11 Das Prüfen von Hypothesen über die Parameter 378 / / 13. Log-lineare Modelle 383 / 13.1 Einleitung 383 / 13.2 Darstellung der Zusammenhänge in Form einer Kreuztabelle 383 / 13.3 Formen der Datenerhebung 386 / 13.3.1 Multinomiales Erhebungsschema 386 / 13.3.2 Produktnomiales Erhebungsschema 387 / 13.3.3 Poisson-Erhebungsschema 388 / 13.4 Zusammenhänge zwischen kategorialen Variablen 388 / 13.5 Der Chi-Quadrat-Test für die Unabhängigkeit zweier Variablen 392 / 13.6 Vergleich relativer Häufigkeitsverteilungen 399 / 13.6.1 Differenzen relativer Häufigkeiten 400 / 13.6.2 Relatives Risiko bzw. Verhältnis relativer Häufigkeiten 400 / 13.6.3 Odds-Ratio 401 / 13.7 Masse für die Stärke des Zusammenhangs 412 / 13.7.1 Kontingenzkoeffizient 412 / 13.7.2 Cramers V 413 / 13.7.3 Proportionale Fehler-Reduktion 413 / 13.7.4 Goodman und Kruskals Lambda (asymmetrisch) 415 / 13.7.5 Goodman und Kruskals Lambda (symmetrisch) 415 / 13.8 Ein log-lineares Modell mit zwei Variablen 416 / 13.9 Interpretation der Parameter 419 / 13.10 Weitere mögliche log-lineare Modelle 421 / 13.11 Verallgemeinerte Schreibweise für loglineare Modelle 424 / 13.12 Schätzung der Parameter und der erwarteten Häufigkeiten 427 / 13.13 Test für die Güte des Modells 428 / 13.14 Vergleich verschiedener Modelle 430 / 13.15 Test für einzelne Parameter 431 / 13.16 Test für den Einfluss der Haupt- und Interaktionseffekte 432 / 13.17 Die Suche nach einem geeigneten Modell 432 / 13.18 Leere Zellen 434 / 13.19 Die Verwendung log-linearer Modelle für die Analyse von Logit-Modellen 436 / / 14. Latente-Klassen-Analyse 443 / 14.1 Einleitung 443 / 14.2 Lokale Unabhängigkeit 448 / 14.3 Formale Darstellung der Latenten-Klassen- Analyse 452 / 14.3.1 Latente Klassenwahrscheinlichkeiten 453 / 14.3.2 Konditionale Wahrscheinlichkeiten 454 / 14.4 Die Schätzung der Parameter 455 / 14.5 Die Identifikation 462 / 14.6 Die Zuordnung der Objekte zu latenten Klassen 466 / 14.7 In wieweit stimmt unser Modell mit der Wirklichkeit überein? 470 / 14.8 Anwendungen der Latenten-Klassen-Analyse 475 / 14.8.1 Exkurs: Die (wirtschafts-)geographische Bedeutung der Arbeitsmoral und Berufsethik 475 / 14.8.2 Anwendung am Beispiel zur Arbeitsmoral und Berufsethik 477 / 14.8.3 Modelle mit einer latenten Variablen 479 / 14.8.4 Modelle mit mehreren latenten Variablen 491 / 14.8.5 Vergleich zwischen Gruppen 502 / 14.9 Probleme der Latenten-Klassen-Analyse 512 / / Anhang / A. Repetitorium: Matrix-Algebra 517 / A.l Einleitung 517 / A.2 Allgemeines 517 / A.3 Definitionen 519 / A.4 Matrizenoperationen 523 / A.4.1 Addition 523 / A.4.2 Subtraktion 524 / A.4.3 Multiplikation 524 / A.4.4 Multiplikation von Vektoren 526 / A.4.5 Exkurs: Vektoren geometrisch betrachtet 527 / A.4.6 Division (Inversion) 532 / A.4.7 Eigenwerte und Eigenvektoren 535 / A.4.8 Wichtigste elementare Rechenregeln für Matrizen 536 / A.5 Beispiele für die Verwendung von Matrizen-Algebra 537 / A.5.1 Berechnung der Spalten- und Zeilen-Summen und der Summe aller Matrixelemente 537 / A.5.2 Berechnung von Mittelwerten, Kovarianz und Korrelation mittels Matrizenrechnung 538 / A.5.3 Anwendung von Inversen bei der Lösung eines linearen Gleichungssystems 540 / A.5.4 Diagonalisierung symmetrischer Matrizen 544 / A.5.5 Hauptachsentransformation 545 / A.6 Vektor und Matrixdifferentiation 548 / A.7 Ermittlung von Extrema ohne Nebenbedingungen 551 / A.8 Ermittlung von Extrema mit Nebenbedingungen 552 / / B. Grundbegriffe der Testtheorie 555 / B. l Einleitung 555 / B.2 Was wollen wir testen? 555 / B.3 Testverfahren 557 / B.4 Bemerkungen zum Gebrauch und Missbrauch statistischer Tests 568