Dieter Holtmann

Grundlegende multivariate Modelle der sozialwissenschaftlichen Datenanalyse

ISBN: 978-3-86956-084-7
239 Seiten
Erscheinungsjahr 2010

17,00 

Zur adäquaten Analyse sozialwissenschaftlicher Phänomene ist die Anwendung multivariater Modelle hilfreich, die die Analyse von Zusammenhängen und Abhängigkeiten zwischen vielen Merkmalen ermöglichen. Als grundlegende Modelle werden im folgenden Band behandelt: Die Elaboration von Zusammenhängen lässt sich durch Teilgruppenvergleich (Tabellenanalyse) auf nominalem Messniveau und durch partielle Korrelation auf metrischem Messniveau durchführen. In der multiplen Regression wird die Variation eines interessierenden Phänomens auf die Variation einer Reihe von Erklärungsfaktoren zurückgeführt. Die wichtigsten Interpretationshilfen dabei sind der Anteil der erklärten Varianz und die Effekte. In der Pfadanalyse werden alle Mechanismen herausgearbeitet, durch deren Zusammenwirken die Höhe jedes statistischen Zusammenhangs bestimmt wird: Direkte und indirekte Kausaleffekte, scheinkausale Komponenten und Assoziationseffekte. In der Varianzanalyse wird die Variation eines interessierenden Phänomens auf Haupteffekte und Interaktionseffekte einer Reihe von Erklärungsfaktoren zurückgeführt.

Zur adäquaten Analyse sozialwissenschaftlicher Phänomene ist die Anwendung multivariater Modelle hilfreich, die die Analyse von Zusammenhängen und Abhängigkeiten zwischen vielen Merkmalen ermöglichen. Als grundlegende Modelle werden im folgenden Band behandelt: Die Elaboration von Zusammenhängen lässt sich durch Teilgruppenvergleich (Tabellenanalyse) auf nominalem Messniveau und durch partielle Korrelation auf metrischem Messniveau durchführen. In der multiplen Regression wird die Variation eines interessierenden Phänomens auf die Variation einer Reihe von Erklärungsfaktoren zurückgeführt. Die wichtigsten Interpretationshilfen dabei sind der Anteil der erklärten Varianz und die Effekte. In der Pfadanalyse werden alle Mechanismen herausgearbeitet, durch deren Zusammenwirken die Höhe jedes statistischen Zusammenhangs bestimmt wird: Direkte und indirekte Kausaleffekte, scheinkausale Komponenten und Assoziationseffekte. In der Varianzanalyse wird die Variation eines interessierenden Phänomens auf Haupteffekte und Interaktionseffekte einer Reihe von Erklärungsfaktoren zurückgeführt.