O'Reilly logo

Stay ahead with the world's most comprehensive technology and business learning platform.

With Safari, you learn the way you learn best. Get unlimited access to videos, live online training, learning paths, books, tutorials, and more.

Start Free Trial

No credit card required

Weiterführende statistische Methoden für Politikwissenschaftler

Book Description

Das Buch gibt eine praxisnahe Einführung in weiterführende regressionsanalytische Verfahren für Politikwissenschaftler. Aufbauend auf einer eingehenden Diskussion der Grundlagen der Regressionsanalyse werden Interaktionseffekte, die logistische Regression, die Mehrebenenanalyse, gepoolte Zeitreihenmodelle sowie Survival-Verfahren dargestellt. Ziel des Buches ist es ist es, ein Verständnis für die grundlegende Funktionsweise der weiterführenden Methoden, ihre Vorzüge und Probleme zu schaffen und insbesondere fortgeschrittenen Studierenden den praktischen Einstieg in die Verwendung dieser Methoden zu erleichtern.

Table of Contents

  1. Titel
  2. Impressum
  3. Inhaltsverzeichnis
  4. 1 Einleitung
    1. 1.1 Zum Selbstverständnis dieses Buches
    2. 1.2 Zum Aufbau des Buches
  5. 2 Grundlagen der Regressionsanalyse
    1. 2.1 Einleitung
    2. 2.2 Kovarianz und Korrelation
      1. 2.2.1 Kovarianz
      2. 2.2.2 Korrelation
    3. 2.3 Bivariate lineare Regression
    4. 2.4 Multiple lineare Regression
      1. 2.4.1 Berechnung und Interpretation
      2. 2.4.2 Verallgemeinerung auf die Grundgesamtheit
    5. 2.5 Regressionsdiagnostik
      1. 2.5.1 Linearität
      2. 2.5.2 Homoskedastizität
      3. 2.5.3 Keine Multikollinearität
      4. 2.5.4 Normalverteilung der Residuen
      5. 2.5.5 Einflussreiche Fälle
    6. 2.6 Schrittweises Vorgehen
  6. 3 Interaktionen
    1. 3.1 Grundlagen
      1. 3.1.1 Über Interaktionseffekte
      2. 3.1.2 Interaktionen im linearen Regressionsmodell
    2. 3.2 Anwendung
      1. 3.2.1 Interaktionen mit einer dichotomen moderierenden Variable
      2. 3.2.2 Interaktionen mit einer metrischen moderierenden Variable
    3. 3.3 Zusammenfassung
    4. 3.4 Schrittweises Vorgehen
  7. 4 Logistische Regressionsanalyse
    1. 4.1 Grundlagen
      1. 4.1.1 Die Analyse dichotomer abhängiger Variablen
      2. 4.1.2 Bivariate Verfahren als Vorstufe zur logistischenRegressionsanalyse
      3. 4.1.3 Grundzüge des logistischen Regressionsmodells
    2. 4.2 Anwendung
      1. 4.2.1 Deskriptive Statistik und bivariate Analysen
      2. 4.2.2 Schätzung und Interpretation einer logistischen Regression
      3. 4.2.3 Regressionsdiagnostik
    3. 4.3 Zusammenfassung
    4. 4.4 Schrittweises Vorgehen
  8. 5 Mehrebenenanalyse
    1. 5.1 Grundlagen
      1. 5.1.1 Drei suboptimale Optionen mit hierarchischen Daten umzugehen
      2. 5.1.2 Wann ist ein Mehrebenenmodell statistisch notwendig?
      3. 5.1.3 Wie viele Fälle sind für eine Mehrebenenanalyse erforderlich?
    2. 5.2 Modellierungsstrategien in Mehrebenen-Situationen
      1. 5.2.1 Modellierung von Level-1-Effekten
      2. 5.2.2 Modellierung von Level-2-Effekten
      3. 5.2.3 Modellierung von Cross-Level-Interaktionen
    3. 5.3 Teststatistiken und Gütemaße
      1. 5.3.1 Devianz
      2. 5.3.2 AIC und BIC
      3. 5.3.3 Erklärte Varianz auf Mikro- und Makroebene
      4. 5.3.4 Maddala-R2
    4. 5.4 Erweiterungsmöglichkeiten und Schnittstellen zuanderen Verfahren
    5. 5.5 Schrittweises Vorgehen
  9. 6 Gepoolte Zeitreihenanalyse
    1. 6.1 Variation über Raum und Zeit
    2. 6.2 Besonderheiten der gepoolten Zeitreihenanalyse
      1. 6.2.1 Heterogenität
      2. 6.2.2 Zeitliche Dynamik
      3. 6.2.3 Heteroskedastizität
      4. 6.2.4 Räumliche Dynamik
    3. 6.3 Anwendung
      1. 6.3.1 TSCS-Daten in Stata
      2. 6.3.2 Zeitliche Dynamik
      3. 6.3.3 Heterogenität
      4. 6.3.4 Heteroskedastizität
      5. 6.3.5 Räumliche Abhängigkeit
    4. 6.4 Zusammenfassung und Ausblick
    5. 6.5 Schrittweises Vorgehen
  10. 7 Survival-Analysen
    1. 7.1 Grundlagen
      1. 7.1.1 Survival-Analysen und ihre begrifflichen Pendants inunterschiedlichen Wissenschaftsdisziplinen
      2. 7.1.2 Typen von Survival-Modellen
      3. 7.1.3 Grundlegende Begrifflichkeiten
      4. 7.1.4 Zensieren
      5. 7.1.5 Mathematisch-statistische Grundlagen von Survival-Analysen
    2. 7.2 Nicht-parametrische Methoden
      1. 7.2.1 Sterbetafel
      2. 7.2.2 Kaplan-Meier-Schätzer
    3. 7.3 Parametrische Modelle
      1. 7.3.1 Das exponentielle Modell
      2. 7.3.2 Weibull, Gompertz und log-logistische Modelle
      3. 7.3.3 Anwendungsprobleme parametrischer Modelle
    4. 7.4 Das semi-parametrische Cox-Modell
      1. 7.4.1 Vor- und Nachteile des Cox-Modells
      2. 7.4.2 Statistische Grundlagen des Cox-Modells und der PL-Schätzung
      3. 7.4.3 Das Cox-Modell in Stata
      4. 7.4.4 Stratifizierte Cox-Modelle
      5. 7.4.5 Tests auf Proportionalität der Hazards
      6. 7.4.6 Competing-Risks im Cox-Modell
      7. 7.4.7 Schätzung der Baseline-Hazard-Rate
      8. 7.4.8 Gütemaße und Residuendiagnostik
      9. 7.4.9 Sich über die Zeit verändernde UV
    5. 7.5 Schrittweises Vorgehen
  11. Literatur
  12. Index