Multivariate Analyseverfahren

Aus dem Inhalt: Regressionsanalyse für metrische und nichtmetrische Daten / Analyse qualitativer Daten: GSK-Ansatz / Goodmans "General Model"

Inhaltsverzeichnis:

1. Einführung.- 1.1. Aufgabe und Stellenwert komplexer Analyseverfahren.- 1.2. Multivariate Analyseverfahren im Überblick.- 1.3. Hinweise zu Aufbau und Benutzung des Texts.- 2. Regression als deskriptives Analysemodell.- 2.1. Die Regression zweier Merkmale.- 2.2. Die Einbeziehung eines dritten Merkmals.- 2.2.1. Die Untersuchung auf Kausalität.- 2.2.2. Regressionsebene und Interpretation der Koeffizienten.- 2.2.3. Abhängigkeit der Lösung von der Drittvariablen.- 2.2.4. Determinationskoeffizient und relativer Einfluß der unabhängigen Variaben.- 2.2.5. Probleme: Multikollinearität und kleine Fallzahlen.- 2.2.6. Zusammenfassung.- 2.3. Der allgemeine Regressionsansatz.- 2.3.1. Matrizennotation und elementare Rechenregeln.- 2.3.2. Die allgemeine Lösung des Regressionsansatzes und substantielle Interpretation der Koeffizienten.- 2.3.3. Nicht-lineare Ansätze und Einbeziehung von Interaktionswirkungen.- 2.3.4. Herleitung einiger grundlegender Beziehungen im allgemeinen Regressionsansatz.- 3. Voraussetzungen und Aussagewert statistischer Inferenz.- 3.1. Der klassische Fall: Zufallsstichproben.- 3.2. Der Begriff des hypothetischen Universums.- 4. Inferenzschlüsse im metrischen Regressionsmodell.- 4.1. Wahrscheinlichkeitsverteilung der Regressionskoeffizienten.- 4.2. Varianzanalytische Überlegungen und F-Test.- 5. Regression mit nicht-metrischen unabhängigen Variablen: Varianzanalyse.- 5.1. Orthogonale und nicht-orthogonale Ansätze.- 5.2. Die Design-Matrix für polytome Merkmale.- 5.3. Der Einfluß eines Kodierungswechsels.- 6. Der GSK - Ansatz.- 6.1. Metrisierungen der Zielvariablen.- 6.2. Die Design-Matrix.- 6.3. Die Betrachtung von saturierten Modellen.- 6.3.1. Dichotome Merkmale: Harders DO-Modell.- 6.3.2. Polytome Merkmale.- 6.4. Der Weg zum 'besten' Modell.- 6.4.1. Inferenzbetrachtungen.- 6.4.2. Konstruktion spezifischer Design-Matrizen.- 6.5. Hinweise zur Benutzung des NONMET-Programms.- 6.6. Statistische Grundlagen des GSK-Ansatzes.- 7. GOODMANs 'General Model'. - 7.1. Allgemeine Grundzüge des GOODMAN-Ansatzes.- 7.1.1. Dualismus von direkten Effektschätzungen und Modell-Tests.- 7.1.2. Symmetrische und asymmetrische Betrachtung.- 7.1.3. Substantielle Interpretation der Effekte.- 7.2. Das Testen von unsaturierten Modellen.- 7.2.1. Hierarchische Modelle.- 7.2.2. Das Maximum-Likelihood-Prinzip.- 7.2.3. Der Weg zum 'besten' Modell.- 7.3. Strukturgleichungen und Pfadanalyse.- 7.3.1. Überprüfung theoretisch postulierter Pfaddiagramme.- 7.3.2. Interpretation des besten Modells als Pfeildiagramm.- 7.4. Vergleich zwischen log-linearen Modellen im GOODMAN- und im GSK-Ansatz.- 7.5. Hinweise zur Benutzung des ECTA-Programms.