Skip to main content
main-content

Über dieses Buch

Das Lehrbuch erläutert die Durchführung und Interpretation von klassischen Regressionsanalysen (nach der OLS-Methode) und von logistischen Regressions­analysen (nach der ML-Methode). Im Text wird insbesondere auf die Überprüfung der Anwendungsvoraussetzungen von Regressionsschätzungen eingegangen. Auch werden typische Fehlschlüsse und häufig anzutreffende Fehlinterpretationen behandelt (u.a. bei Determinationskoeffizienten, bei standardisierten Regressionskoeffi­zienten und bei zentrierten Effekten). Zudem werden erweiterte Verfahren wie z.B. Teststärkeanalysen, Regressionen mit Dummy-Variablen und Modellschätzungen mit Moderator- und Mediatorvariablen erläutert. Die Form der Darstellung ist praxisorientiert. Alle Verfahren werden an Beispielen erläutert (inkl. der für die Praxis erforderlichen SPSS-Anweisungen).

Neu in der fünften Auflage sind (u.a.):

Regressionsanalyse bei fehlenden WertenBootstrapping in der RegressionsanalyseBerechnung durchschnittlicher marginaler Effekte (AME) mit SPSS.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einführung

Das vorliegende Lehrbuch wendet sich an Studierende, Dozenten und Praktiker in den empirischen Sozialwissenschaften. Es berücksichtigt dort, wo notwendig, die spezielle Datensituation in der sozialwissenschaftlichen Forschung. Ansonsten ist der Inhalt dieses Texts disziplinunspezifisch.
Dieter Urban, Jochen Mayerl

Kapitel 2. Das Grundmodell der Regressionsanalyse

Zu den wichtigsten Zielen wissenschaftlicher Analyse gehört es, gültige Aussagen über die Richtung und Stärke von Beziehungen zwischen den Komponenten eines Analyse- bzw. Theoriemodells zu formulieren. Diese Komponenten können z. B. sein: Einkommensunterschiede, Schichtzugehörigkeiten, Einstellungshaltungen oder Drogenkonsum. Zwischen diesen theoretisch oder analytisch festzulegenden Modellkomponenten können sodann Beziehungen ermittelt werden, indem zwischen zwei oder mehreren von ihnen eine geordnete Einflussbeziehung definiert wird, deren Gültigkeit empirisch zu überprüfen ist.
Dieter Urban, Jochen Mayerl

Kapitel 3. Regressionstheorie

Die Darstellung der Regressionsanalyse in Kapitel 2 erfolgte weitgehend ohne Berücksichtigung regressionstheoretischer Annahmen. Was heißt das?
Dieter Urban, Jochen Mayerl

Kapitel 4. Entdeckung und Beseitigung von Modellverstößen

Die statistische Schätzung eines Regressionsmodells basiert auf einer Vielzahl von Annahmen. Dazu gehören die regressionstheoretischen Annahmen A1 bis A5 (vgl. Z3.1 und Z3.4) und dazu gehören modellbezogene Annahmen, wie z. B. die Linearitätsannahme (vgl. Z2.4).
Dieter Urban, Jochen Mayerl

Kapitel 5. Regressionsanalyse mit qualitativen Variablen

In den vorangegangenen Kapiteln dieses Lehrbuchs wurden die Grundlagen der Regressionsanalyse mit kontinuierlich verteilten (bzw. metrischen) Variablen behandelt. Dazu gehörten: das Grundmodell der OLS-Regressionsschätzung (Kapitel 2), die Annahmen der BLUE-Schätzung und ihre inferenzstatistischen Implikationen (z. B. Signifikanztest, Teststärke) (Kapitel 3) sowie Möglichkeiten zur Entdeckung und Beseitigung von Modellverstößen (Kapitel 4). Im fünften Kapitel dieses Buches soll nun die Regressionsanalyse mit qualitativen (bzw. kategorialen) Variablen vorgestellt werden.
Dieter Urban, Jochen Mayerl

Kapitel 6. Mediator- und Moderatoreffekte

Viele theoretische und analytische Modelle in den Sozialwissenschaften erfordern eine Spezifikation von Moderatoreffekten. Wie solche Effekte in die Regressionsanalyse eingebunden werden können, soll nachfolgend gezeigt werden.
Dieter Urban, Jochen Mayerl

Kapitel 7. Erweiterte Regressionsanalyse

In der Forschungspraxis wird häufig eine besondere Form der Regressionsanalyse eingesetzt: die sogenannte „sequenzielle“ oder „kumulative“ Regressionsanalyse. Bei ihr werden nicht alle unabhängigen Variablen gleichzeitig in die Regressionsschätzung einbezogen, sondern die Analyse erfolgt in mehreren Stufen. Sie beginnt mit nur einer einzigen X-Variablen (oder einer kleinen Auswahl von wenigen X-Variablen) und ergänzt diese erste Regressionsschätzung auf jeder Stufe um eine erneute Regressionsschätzung, bei der weitere X-Variablen in die Schätzung aufgenommen werden.
Dieter Urban, Jochen Mayerl

Kapitel 8. ML-basierte Regressionsanalyse

In den vorangegangenen Kapiteln 1 bis 7 wurden alle Regressionsschätzungen nach der OLS-Methode durchgeführt. Denn die Ordinary-Least-Squares- bzw. die Kleinst-Quadrate-Schätzmethode ist dasjenige Verfahren, mit dem optimale Schätzwerte für die Koeffizienten der Regressionsgleichung ermittelt werden können. Die OLS-Schätzung kann optimale Schätzwerte mit BLUE-Eigenschaften errechnen (vgl. dazu Kapitel 3), wenn die dafür geltenden Modellvoraussetzungen gegeben sind (z. B. die Abwesenheit von Heteroskedastizität bzw. von Streuungsungleichheit, vgl. Kapitel 4.6).
Dieter Urban, Jochen Mayerl

Kapitel 9. Regressionsanalyse bei fehlenden Werten

Die Daten für eine Regressionsanalyse sind oftmals unvollständig.
Dieter Urban, Jochen Mayerl

Erratum zu Kapitel 4.3 Linearität (A3, A4)

Erratum zu: Kapitel 4.3 in: D. Urban und J. Mayerl, Angewandte Regressionsanalyse: Theorie, Technik und Praxis, Studienskripten zur Soziologie, https://​doi.​org/​10.​1007/​978-3-658-01915-0_​4
Auf Seite 199 ist uns ein Satzfehler unterlaufen. Wir bitten, dies zu entschuldigen. Der Absatz lautet korrekt:
In Abbildung 4.6 sind die Residuen bis zum Wert Xi negativ (d. h. sie liegen unterhalb der Regressionsgeraden). Sie werden dann im Bereich zwischen Xi und Xk positiv (d.h. sie liegen oberhalb der Regressionsgeraden) und werden im Bereich rechts von Xk wiederum negativ (d.h. sie liegen dort wieder unterhalb der Regressionsgeraden). Die Residuen folgen also einer bestimmten Regelmäßigkeit, die darauf hinweist, dass in diesem Modell der „wahre“ Zusammenhang zwischen den Messwerten von Y und X nicht linear ist.
Dieter Urban, Jochen Mayerl

Backmatter

Weitere Informationen

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Best Practices für Web-Exzellenz im Online-Handel

Erfolgsbeispiele für erfolgreiche Online-Unternehmen gibt es viele. Best Practices für Web-Exzellenz ergeben sich aus der bestmöglichen Umsetzung der Erfolgsfaktoren, die sie auf der anderen Seite aber auch maßgeblich mit bestimmt haben. Lesen Sie hier, was Sie von den Unternehmen lernen können, die zu Recht als "exzellent" bezeichnet werden können.
Jetzt gratis downloaden!

Bildnachweise