Methoden Zur Analyse Von Zeitverläufen: Anwendungen Stochastischer Prozesse Bei Der Untersuchung Von Ereignisdaten

ISBN-13: 9783519001225 / Niemiecki / Miękka / 1983 / 208 str.

A. Diekmann; P. Mitter; A. Diekmann

Opis

Bei Sozialwissenschaftlern verschiedenster Disziplinen ist in jungster Zeit ein wachsendes Interesse an der Untersuchung von Lebensverlaufen, Biographien und sozialen Karrieren zu erken nen. Gleichgultig, ob qualitative Erhebungsverfahren benutzt werden, ob die Datenquellen Tagebucher oder Tiefeninterviews sind, oder ob hochstandardisierte Fragebogen Verwendung fin den - bei aller Unterschiedlichkeit der Erhebungsmethoden be steht das Ziel haufig darin, Informationen uber die zeitliche Abfolge von Ereignissen zu gewinnen. Derartige Ereignisge schichten - im Englischen "event histories" - stellen das Aus gangsmaterial der Datenanalyse dar. Auch bei experimentellen Designs oder im Rahmen der Evaluierungsforschung, also der Untersuchung der Wirksamkeit von Massnahmen der Sozialplanung, werden haufig die Zeitintervalle bis zum Eintreten eines Er eignisses erhoben. Z. B. richtet sich die Aufmerksamkeit von Kriminologen bei der Strafvollzugsevaluierung auf die Zeit spanne bis zum ersten Ruckfall nach der Entlassung aus einer Strafanstalt. Zur Analyse von Zeitintervallen zwischen Ereignissen sind in den Sozialwissenschaften neue Methoden erforderlich. Diese Methoden, die haufig auch unter dem Oberbegriff "Survival Analyse" zusammengefasst werden, stammen vor allem aus der De mographie und der Medizin- und Biostatistik. Der Grund ist nicht verwunderlich: Demographen und Mediziner waren schon im mer mit dem Zeitintervall bis zum Eintreten eines wichtigen Ereignisses, namlich des Todes oder der Genesung befasst. Be deutsame Weiterentwicklungen der Verfahren sind aber auch von Soziologen wie JAMES COLEMAN, MICHAEL HANNAN und NANCY TUMA und okonomen wie JAMES HECKMAN geleistet word

Spis treści

1. Einleitung: Datenanalyse mit stochastischen Modellen.- 1.1. Daten und Modell.- 1.2. Beispiele und Fragestellungen.- 1.3. Datenarten und Datenstruktur.- 1.3.1. Ereignisdaten.- 1.3.2. Ereignisdaten als Individualdaten und gruppierte Daten.- 1.3.3. Alternative Datenstrukturen.- 1.4. Einige Vorteile der Datenanalyse mit stochastischen Modellen.- 2. Grundlegende Konzepte stochastischer Modelle.- 2.1. Arten stochastischer Prozesse.- 2.2. Das Zwei-Zustands-Modell mit absorbierendem Zielzustand.- 2.2.1. Übergangsrate, Überlebensfunktion und Verteilungen.- 2.2.2. Das Modell mit zeitunabhängiger Rate.- 2.2.3. Zeitabhängige Raten.- 2.2.4. Berücksichtigung von Heterogenität.- 2.3. Mehr-Zustands-Modelle.- 2.4. Maximum-Likelihood-Schätzung der Übergangsrate.- 3. Nicht-parametrische Verfahren.- 3.1. Explorative Datenanalyse.- 3.2. Nicht-parametrische Schätzverfahren bei gruppierten Zeitbereichs-Daten: Life-Table-Schätzer.- 3.2.1. Berechnung der Werte einer Sterbetafel.- 3.2.2. Programmbeispiele mit SPSS und BMDP.- 3.3. Nicht-parametrische Schätzverfahren bei Individualdaten mit exakter Ankunftszeit: Product-Limit-Schätzer.- 3.3.1. Product-Limit-Schätzformeln.- 3.3.2. Programmbeispiel mit BMDP.- 3.4. Nicht-parametrische Verfahren für den Vergleich von Subgruppen.- 4. Semi-parametrische Verfahren.- 4.1. Das Proportional-Hazards-Modell von COX.- 4.2. Die Partial-Likelihood-Methode von COX.- 4.3. Das geschichtete Cox-Modell und die Überprüfung der Proportionalitätsannahme.- 4.4. Signifikanztests und Stepwise-Regression.- 4.5. Anwendungsbeispiel Arbeitslosigkeit mit dem Programm BMDP.- 5. Parametrische Verfahren.- 5.1. Das log-lineare Basismodell.- 5.1.1. Das Modell und die Interpretation der Koeffizienten.- 5.1.2. Qualitative Variablen als Kovariate.- 5.1.3. Qualitative und quantitative Kovariate: Berechnungen mit dem Programm RATE.- 5.2. Parametrische Modelle der Zeitabhängigkeit.- 5.2.1. Exponentialverteilung.- 5.2.2. Weibullverteilung.- 5.2.3. Weibullverteilung und Gompertz-Makeham-Verteilung als Extremwertverteilungen.- 5.2.4. Das Sichel-Modell.- 5.2.5. Log-Normal-Verteilung und log-logistische Verteilung.- 5.2.6. Graphische Verfahren.- 5.2.7. Anwendungsbeispiel Ehescheidungsdaten.- 5.3. Kovariateneffekte und Zeitabhängigkeit.- 5.3.1. Die verallgemeinerte Gompertz-Makeham-Funktion in RATE.- 5.3.2. Weitere RATE-Modelle.- 5.4. Mehr-Zustands-Modelle.- 5.4.1. Parameterschätzung bei Mehr-Zustands-Modellen.- 5.4.2. Die dynamische Analyse von Mehr-Zustands-Modellen.- 5.4.2.1. Überlebensfunktionen und mittlere Ankunftszeiten.- 5.4.2.2. Die Wahrscheinlichkeitsverteilung der Zustandsvariablen Y(t).- 6. Ausblick.- 1. Notation und Definition der wichtigsten Terme.- 2. Ableitung der Überlebensfunktion und einiger weiterer Beziehungen beim Zwei-Zustands-Modell mit absorbierendem Zielzustand.- 3. Ableitung der Maximum-Likelihood-Schätzer bei qualitativen Kovariaten.- 4. Die Ableitung der Differentialgleichungen für die Zustandswahrscheinlichkeiten bei Multi-State-Modellen.

O autorze

Dr. Andreas Diekmann ist Professor für Soziologie an der Universität Bern, Schweiz.

Blurb

Aus dem Inhalt: Datenanalyse mit stochastischen Modellen / Soziale Karrieren / Grundlegende Konzepte stochastischer Modelle / Nichtparametrische Verfahren / Semiparametrische Verfahren (Cox-Regression) / Parametrische Verfahren / Beispiele und Analysen mit dem Programm RATE