Book description
Das Buch bringt dem Anwender von SPSS die verschiedenen Regressionsverfahren anhand vieler Beispiele nahe. Dabei wird auf häufige Fehler genauso eingegangen wie auf detaillierte Beschreibungen und Informationen zu SPSS-Ausgaben und -Syntax. Die Neuauflage enthält nicht nur Anpassungen an die neueste Programmversion (IBM SPSS Statistics V21), sondern wurde auch um weitere Regressionsansätze erweitert.
Table of contents
- Titel
- Impressum
- Vorwort zur zweiten Auflage
- Vorwort
- Inhaltsverzeichnis
-
1 Korrelation
- 1.1 Einführung
- 1.2 Erste Voraussetzung: Das Skalenniveau
- 1.3 Weitere Voraussetzungen: Linearität,Homoskedastizität und Kontinuität
- 1.4 Exkurs: Grafische Tests auf Linearität
- 1.5 Statistik und Interpretationdes Korrelationskoeffizienten
- 1.6 Berechnung mit SPSS (Beispiel)
- 1.7 Fallstricke: Linearität, Scheinkorrelation undAlphafehler-Kumulation
- 1.8 Spezielle Anwendungen
- 1.9 Voraussetzungen für die Berechnungdes Pearson-Korrelationskoeffizienten
-
2 Lineare und nichtlineare Regression
-
2.1 Lineare Regression: Zusammenhang mit Kausalrichtung
- 2.1.1 Bivariate lineare Regression: Einführung in die Regressionsanalyse mit REGRESSION
- 2.1.2 Beispiel und Syntax für eine bivariate lineare Regression – Durchgang 1: Überprüfung der Linearität und Identifikation von Ausreißern anhand von Hebelwerten und Residuen
- 2.1.3 Output und Erläuterungen
- 2.1.4 Durchgang 2: Der Effekt des Ausschlusses vonAusreißern – Ausgewählter Output
- 2.1.5 Exkurs: Grafik mit eingezeichneter Regressionsgerade (GGRAPH)
-
2.2 Nichtlineare einfache Regression
- 2.2.1 Eine lineare Funktion wird mittels einer linearen Regressionsanalyse untersucht
- 2.2.2 Eine nichtlineare Funktion wird mittels einer linearen Regressionsanalyse untersucht
- 2.2.3 Eine nichtlineare Funktion wird linearisiert und mittels einer linearen Regression untersucht
- 2.2.4 Eine nichtlineare Funktion wird mittels einer nichtlinearen Regression untersucht: Nichtlineare Regression
- 2.2.5 Etwas Anspruchsvolleres: Eine nichtlineare Regression mit zwei Prädiktoren
- 2.2.6 Die Prozeduren NLR und CNLR für die nichtlineare Regression
- 2.2.7 Annahmen der nichtlinearen Regression
- 2.2.8 Übersicht: Modelle für die nichtlineare Regression
- 2.3 Multiple lineare Regression: Multikollinearität und andere Fallstricke
- 2.4 Voraussetzungen für die Berechnung einer linearen Regression
-
2.1 Lineare Regression: Zusammenhang mit Kausalrichtung
-
3 Logistische und ordinaleRegression
- 3.1 Einführung: Kausalmodell und Messniveau der abhängigen Variable
-
3.2 Binäre logistische Regression
- 3.2.1 Das Verfahren und Vergleich zu anderen Verfahren
- 3.2.2 Beispiel, Maus und Syntax: Schrittweise Methode BSTEP)
- 3.2.3 Output und Interpretation
- 3.2.4 Beispiel und Syntax: Direkte Methode ENTER
- 3.2.5 Output und Interpretation
- 3.2.6 Exkurs: Theorietest vs. Diagnostik bei der logistischen Regression: Modellgüte (goodness of fit) vs. Prädikative Effizienz (predictive efficiency)
- 3.2.7 Voraussetzungen für eine binäre logistische Regression
-
3.3 Ordinale Regression
- 3.3.1 Das Verfahren und Vergleich mit anderen Verfahren
- 3.3.2 Beispiel 1, Maus und Syntax: Intervallskalierte Prädiktoren WITH-Option)
- 3.3.3 Output und Interpretation
- 3.3.4 Beispiel 2 und Syntax: Kategoriale Prädiktoren (BY-Option)
- 3.3.5 Output und Interpretation
- 3.3.6 Voraussetzungen für eine ordinale Regression
-
3.4 Multinomiale logistische Regression
- 3.4.1 Beispiel, Maus und Syntax: Haupteffekt-Modell (dichotome AV)
- 3.4.2 Output und Interpretation
- 3.4.3 Exkurs: Schrittweise Berechnung eines Modells mit einer dichotomen AV: Vergleich der NOMREG- und LOGISTIC REGRESSION-Ausgaben
- 3.4.4 Spezialfall: Gematchte Fall-Kontrollstudie (1:1) mit metrischen Prädiktoren – Beispiel, Syntax, Output und Interpretation
- 3.4.5 Exkurs: LOGISTIC REGRESSION vs. NOMREG (Unterschiede)
- 3.4.6 Voraussetzungen für eine multinomiale logistische Regression
- 3.5 Vergleich der vorgestellten Regressionsansätze
-
4 Survivalanalysen
- 4.1 Einführung in die Überlebenszeitanalyse
- 4.2 Das Grundprinzip der Survivalanalyse
- 4.3 Zensierte Daten
- 4.4 Verfahren zur Schätzung der Überlebenszeit S(t)
- 4.5 Tests für den Vergleich mehrerer Gruppen
-
4.6 Überlebenszeitanalyse mit SPSS
- 4.6.1 Beispiel: Kaplan-Meier-Verfahren ohne Faktor
- 4.6.2 Beispiel: Kaplan-Meier-Verfahren mit Faktor
- 4.6.3 Vergleiche mittels mit Faktor- und Schichtvariablen Kaplan-Meier)
- 4.6.4 Konfidenzintervalle für Kaplan-Meier Analysen
- 4.6.5 Beispiel einer Sterbetafel-Berechnung ohne Faktor
- 4.6.6 Beispiel einer Sterbetafel-Berechnung mit Faktor
- 4.6.7 Erste Voraussetzungen für die Berechnung einer Survivalanalyse
-
4.7 Regression nach Cox
- 4.7.1 Einführung und Hintergrund des Cox-Modells
- 4.7.2 Cox-Regression mit einer metrischen Kovariaten
- 4.7.3 Cox-Regression mit einer dichotomen Kovariaten (k=2)
- 4.7.4 Cox-Regression mit einer kategorialen Kovariaten (k>2)
- 4.7.5 Cox-Regressionen für Interaktionen
- 4.7.6 Überprüfung der Voraussetzungen einer Cox-Regression
- 4.7.7 Cox-Regression mit zeitabhängigen, metrischenKovariaten
- 4.7.8 Spezielle Voraussetzungen der Cox-Regression
- 4.7.9 Anhang: Kontraste
- 5 Weitere Anwendungsbeispiele der Regressionsanalyse
- 6 Weitere Ansätze und Modelle (Ausblick)
- 7 Anhang: Formeln
- 8 Literatur
- 9 Ihre Meinung zu diesem Buch
- 10 Autor
- Syntaxverzeichnis
- Sachverzeichnis
Product information
- Title: Regressionsanalyse mit SPSS, 2nd Edition
- Author(s):
- Release date: August 2014
- Publisher(s): De Gruyter Oldenbourg
- ISBN: 9783110377217
You might also like
audiobook
Transformed
Help transform your business and innovate like the world's top tech companies! Transformed: Moving to the …
book
Optimization Techniques for Solving Complex Problems
Real-world problems and modern optimization techniques to solve them Here, a team of international experts brings …
book
MATLAB® by Example
MATLAB By Example guides the reader through each step of writing MATLAB programs. The book assumes …
book
Optimization
Choose the Correct Solution Method for Your Optimization Problem Optimization: Algorithms and Applications presents a variety …