Handbuch der sozialwissenschaftlichen Datenanalyse

Das Handbuch der sozialwissenschaftlichen Datenanalyse bietet in über 40 Kapiteln eine umfassende Darstellung multivariater Analyseverfahren. Schwerpunkte des Handbuchs bilden Grundlagen der Datenanalyse, regressionsanalytische Verfahren für Quer- und Längsschnittsdaten sowie Skalierungsverfahren. B...

Full description

Bibliographic Details
Other Authors: Wolf, Christof (Editor), Best, Henning (Editor)
Format: eBook
Language:German
Published: Wiesbaden VS Verlag für Sozialwissenschaften 2010, 2010
Edition:1st ed. 2010
Subjects:
Online Access:
Collection: Springer eBooks 2005- - Collection details see MPG.ReNa
LEADER 04039nmm a2200385 u 4500
001 EB000371316
003 EBX01000000000000000224368
005 00000000000000.0
007 cr|||||||||||||||||||||
008 130626 ||| ger
020 |a 9783531920382 
100 1 |a Wolf, Christof  |e [editor] 
245 0 0 |a Handbuch der sozialwissenschaftlichen Datenanalyse  |h Elektronische Ressource  |c herausgegeben von Christof Wolf, Henning Best 
250 |a 1st ed. 2010 
260 |a Wiesbaden  |b VS Verlag für Sozialwissenschaften  |c 2010, 2010 
300 |a 1098 S. 275 Abb  |b online resource 
505 0 |a Einführung -- Einführung: Sozialwissenschaftliche Datenanalyse -- Kausalität als Gegenstand der Sozialwissenschaften und der multivariaten Statistik -- Grundlagen der Datenanalyse -- Datengewinnung und Datenaufbereitung -- Uni-und bivariate deskriptive Statistik -- Graphische Datenexploration -- Der Umgang mit fehlenden Werten -- Gewichtung -- Grundlagen des statistischen Schließens -- Einführung in die Inferenz durch den nichtparametrischen Bootstrap -- Maximum-Likelihood Schätztheorie -- Messen und Skalieren -- Reliabilität, Validität, Objektivität -- Thurstone-und Likertskalierung -- Guttman-und Mokkenskalierung -- Item-Response-Theorie -- Hauptkomponentenanalyse und explorative Faktorenanalyse -- Korrespondenzanalyse -- Multidimensionale Skalierung -- Analyse von Häufigkeiten, Gruppen und Beziehungen -- Analyse kategorialer Daten -- Varianz-und Kovarianzanalyse -- Diskriminanzanalyse -- Clusteranalyse -- Analyse latenter Klassen -- Netzwerkanalyse -- Regressionsverfahren für Querschnittsdaten -- Lineare Regressionsanalyse -- Lineare Regression: Modellannahmen und Regressionsdiagnostik -- Nicht-Linearität und Nicht-Additivität in der multiplen Regression: Interaktionseffekte, Polynome und Splines -- Robuste Regression -- Mehrebenenanalyse mit Querschnittsdaten -- Strukturgleichungsmodelle -- Regression mit unbekannten Subpopulationen -- Logistische Regression -- Multinomiale und ordinale Regression -- Regression für Zählvariablen -- Graphische Darstellung regressionsanalytischer Ergebnisse -- Analyse von zeitbezogenen Daten -- Nichtparametrische Schätzung kausaler Effekte mittels Matchingverfahren -- Kausalanalyse mit Paneldaten -- Survival-und Ereignisanalyse -- Latente Wachstumskurvenmodelle -- Sequenzdatenanalyse -- Zeitreihenanalyse 
653 |a Communication Studies 
653 |a Communication 
653 |a Sociology, general 
653 |a Psychology—Methodology 
653 |a Social sciences 
653 |a Social Sciences, general 
653 |a Sociology 
653 |a Psychological measurement 
653 |a Methodology of the Social Sciences 
653 |a Psychological Methods/Evaluation 
653 |a Political science 
653 |a Political Science 
700 1 |a Best, Henning  |e [editor] 
041 0 7 |a ger  |2 ISO 639-2 
989 |b Springer  |a Springer eBooks 2005- 
856 4 0 |u https://doi.org/10.1007/978-3-531-92038-2?nosfx=y  |x Verlag  |3 Volltext 
082 0 |a 320 
520 |a Das Handbuch der sozialwissenschaftlichen Datenanalyse bietet in über 40 Kapiteln eine umfassende Darstellung multivariater Analyseverfahren. Schwerpunkte des Handbuchs bilden Grundlagen der Datenanalyse, regressionsanalytische Verfahren für Quer- und Längsschnittsdaten sowie Skalierungsverfahren. Behandelt werden u. a. OLS-, logistische und robuste Regression, Strukturgleichungsmodelle, Mehrebenen-, Panel-, Ereignisdaten- und Zeitreihenanalyse, MDS und Rasch-Modelle. Darüber hinaus werden viele neuere Verfahren dargestellt, etwa multiple Imputation, Bootstrappen, Analyse latenter Klassen und propensity score matching. Jedes Kapitel beginnt mit einer allgemein verständlichen Einführung. Es folgt eine Darstellung der mathematisch-statistischen Grundlagen. Anschließend wird jedes Verfahren anhand eines sozialwissenschaftlichen Beispiels vorgestellt. Die Beiträge enden mit Hinweisen auf typische Anwendungsfehler und einer kommentierten Literaturempfehlung