Full Description
In den letzten 20 Jahren hat die sozialwissenschaftliche Forschung vermehrt ihre Aufmerksamkeit auf Ereignisse gerichtet, die entweder im Zeitverlauf oder in definierten Zeitintervallen eintreten. Die für die statistische Analyse dieser Ereignisse entwickelten Regressionsverfahren werden in diesem einführenden Lehrbuch anschaulich und anwendungsorientiert dargestellt. Gemeinsam ist diesen Verfahren, dass sie für abhängige Variablen entwickelt wurden, die nicht stetig normal verteilt sind - was bei Ereignissen eher die Regel ist. Die lineare Kombination von erklärenden Variablen und geschätzten Koeffizienten wird über je spezifische Linkfunktionen transformiert, um die letztlich interessierenden zu erklärenden Größen vorherzusagen. Dazu gehören das logistische Regressionsmodell, Modelle für Zähldaten, das bivariate Probitmodell und Modelle für Übergangsraten.
Der Anspruch des Buches besteht darin, den Leserinnen und Lesern die Grundprinzipien dieser fortgeschrittenen Regressionsverfahren verständlich zu machen. Sie sollen durch einen möglichst leichten Einstieg in die Thematik zur Anwendung dieser Modelle angeregt werden, ohne dabei jedoch die faktische Komplexität der Verfahren aus dem Blick zu verlieren.
Contents
Zustände und Ereignisse in den Sozialwissenschaften.- Das generalisierte lineare Regressionsmodell.- Die binäre logistische Regression.- Korrelierte Übergänge: Das bivariate Probit-Modell.- Ereignisanalyse I: Zensierung, Sterbetafel und Kaplan-Meier-Schätzer.- Ereignisanalyse II: Regressionsmodelle.- Schätzung der Anzahl von Ereignissen: Modelle für Zähldaten.- Mehr oder weniger: Ordinale logistische Regression.- Multinomiale logistische Regression und deren Erweiterungen.- Abgeschnittene, zensierte und selektive Daten: Tobit-Regression und Heckman-Modell
