Multivariate Statistik: Grundlagen -- Methoden -- Beispiele

ISBN-13: 9783409119696 / Niemiecki / Miękka / 2002 / 442 str.

Hans Friedrich Eckey; Reinhold Kosfeld; Martina Rengers

Opis

Das Buch ist aus der Lehrveranstaltung hervorgegangen und didaktisch gut verstandlich. Alle statistischen Methoden werden rechentechnisch mit Beispielen illustriert. In jedem Kapitel wird der Einsatz des Programmpakets SPSS zur Losung eines Anwendungsbeispiels beschrieben. Am Ende jeden Kapitels finden sich Aufgaben, die das Verstandnis von Inhalt, Rechentechnik und die Interpretation von Ergebnissen aufarbeiten und vertiefen.

Recenzje

"[...] ein hilfreiches Werkzeug [...], das die wichtigsten multivariaten Verfahren anschaulich und leicht fassbar vermittelt." Thexis, 03/2003

Spis treści

1. Einleitung.- 2. Faktorenanalyse.- 2.1 Grundidee der Faktorenanalyse.- 2.2 Die Korrelationsmatrix als Grundlage der Faktorenanalyse.- 2.2.1 Die Aufstellung der Korrelationsmatrix.- 2.2.2 Verfahren zur Überprüfung der Eignung der Korrelationsmatrix als Basis einer Faktorenanalyse.- 2.2.3 Die Arbeitsschritte im Rahmen der Faktorenanalyse.- 2.3 Die Bestimmung der Faktorladungen.- 2.3.1 Die Hauptkomponentenmethode.- 2.3.1.1 Der Lösungsalgorithmus zur Bestimmung der Ladungen.- 2.3.1.2 Anzahl und Interpretation der Faktoren.- 2.3.2 Weiterentwicklungen.- 2.3.2.1 Das Kommunalitätenproblem.- 2.3.2.2 Das Rotationsproblem.- 2.3.2.2.1 Verdeutlichung des Rotationsproblemsm.- 2.3.2.2.2 Rechtwinklige Rotation.- 2.3.2.2.3 Schiefwinklige Rotation.- 2.4 Die Bestimmung der Faktorwerte.- 2.4.1 Die Bestimmung der Faktorwerte im Rahmen der Hauptkomponentenmethode (unrotierte und rechtwinklig rotierte Ladungen).- 2.4.1.1 Der Lösungsalgorithmus zur Bestimmung der Ladungen.- 2.4.1.2 Die Interpretation der Faktorwerte.- 2.4.2 Die Bestimmung der Faktorwerte im Rahmen der Faktorenanalyse im engeren Sinn (unrotierte und rechtwinklig rotierte Ladungen).- 2.4.3 Die Bestimmung der Faktorenwerte bei schiefwinklig rotierten Ladungen.- 2.5 Ein Beispiel zur Faktorenanalyse.- 2.6 Faktorenanalyse mit SPSS.- 3. Varianzanalyse.- 3.1 Einführung.- 3.2 Orthogonale Varianzanalyse.- 3.2.1 Einfaktorielle Varianzanalyse.- 3.2.2 Zweifaktorielle Varianzanalyse.- 3.2.3 Dreifaktorielle Varianzanalyse.- 3.3 Nonorthogonale Varianzanalyse.- 3.3.1 Das Problem.- 3.3.2 Zwei grundlegende Interpretationen der Haupteffekthypothesen.- 3.3.2.1 Beschreibung und Interpretation.- 3.3.2.2 Anwendung.- 3.3.3 Das allgemeine lineare Modell.- 3.3.3.1 Generelle Vorgehensweise.- 3.3.3.2 Effektkodierung.- 3.3.3.2.1 Einfaktorielle Varianzanalyse.- 3.3.3.2.2 Zwei- und mehrfaktorielle Varianzanalyse.- 3.3.4 Typen der Abweichungsquadratsummenzerlegung.- 3.4 Ko varianzanalyse.- 3.5 Varianzanalyse mit SPSS.- 3.5.1 Orthogonale Varianzanalyse.- 3.5.2 Nonorthogonale Varianzanalyse.- 3.5.3 Kovarianzanalyse.- 4. Clusteranalyse.- 4.1 Einleitung.- 4.2 Distanz- und Ähnlichkeitsmaße.- 4.2.1 Konzept der Ähnlichkeit.- 4.2.2 Distanzmaße.- 4.2.3 Q-Korrelationskoeffizient.- 4.2.4 Dichotome Merkmale.- 4.2.5 Polytome Merkmale.- 4.2.6 Gemischt-skalierte Merkmale.- 4.3 Hierarchische Klassifikationsverfahren.- 4.3.1 Hierarchisch agglomerative Verfahren.- 4.3.2 Single-Linkage-Verfahren.- 4.3.3 Complete-Linkage-Verfahren.- 4.3.4 Average-Linkage-Verfahren.- 4.3.5 Zentroid- und Medianverfahren.- 4.3.6 Ward-Verfahren.- 4.3.7 Vergleich hierarchischer Klassifikationsverfahren.- 4.4 Partitionierende Klassifikationsverfahren.- 4.4.1 Optimale partitionierende Verfahren.- 4.4.2 Minimal-Distanz-Verfahren.- 4.4.2.1 Ablaufschema.- 4.4.2.2 K-Means-Methode.- 4.4.3 Optimierende Austauschverfahren.- 4.4.3.1 Ablaufschema und Gütekriterien.- 4.4.3.2 Streuungszerlegung.- 4.4.3.3 Varianzkriterium.- 4.4.3.4 Determinanten- und Spurkriterium.- 4.5 Evaluation clusteranalytischer Lösungen.- 4.6 Clusteranalyse mit SPSS.- 4.6.1 Hierarchische Clusteranalyse mit SPSS.- 4.6.2 Partionierende Clusteranalyse mit SPSS.- 5. Diskriminanzan Alyse.- 5.1 Einfuhrung.- 5.1.1 Aufgabenstellungen der Diskriminanzanalyse.- 5.1.2 Idee der linearen Diskriminanzanalyse.- 5.2 Vorbereitende Datenanalyse.- 5.3 Zwei-Gruppen-Fall.- 5.3.1 Diskrimination.- 5.3.1.1 Das Diskriminanzkriterium.- 5.3.1.2 Normierung und Standardisierung der Diskriminanzkoeffizienten.- 5.3.1.3 Beurteilung der Diskrimination.- 5.3.2 Klassifikation.- 5.3.2.1 Klassifikationskonzepte.- 5.3.2.1.1 Überblick.- 5.3.2.1.2 Distanzkonzept.- 5.3.2.1.3 Wahrscheinlichkeitskonzept.- 5.3.2.1.4 Klassifikationsfiinktionen.- 5.3.2.1.5 Diskriminanzfunktion und kritischer Diskriminanzwert.- 5.3.2.2 Beurteilung der Klassifikation.- 5.3.2.3 Gruppenspezifische Analyse.- 5.4 Mehr-Gruppen-Fall.- 5.4.1 Diskrimination.- 5.4.1.1 Das Diskriminanzkriterium.- 5.4.1.2 Normierung und Standardisierung der Diskriminanzkoeffizienten.- 5.4.1.3 Beurteilung der Diskrimination.- 5.4.2 Klassifikation.- 5.5 Homogenitätstest der Varianz-Kovarianz-Matrizen.- 5.6 Diskriminanzanalyse mit SPSS.- 5.6.1 Zwei-Gruppen-Fall.- 5.6.2 Drei-Gruppen-Fall.- 6. Kanonische Korrelation.- 6.1 Das Grundanliegen der kanonischen Korrelation.- 6.2 Die Bestimmung der kanonischen Gewichte.- 6.3 Die Bestimmung kanonischer Werte.- 6.4 Die Bestimmung der kanonischen Ladungen.- 6.5 Signifikanztests für kanonische Korrelationskoeffizienten.- 6.6 Kanonische Korrelation mit SPSS.- Stichwortverzeichnis.

O autorze

Prof. Dr. Hans-Friedrich Eckey ist Universitätsprofessor für Empirische Wirtschaftsforschung und Ökonometrie an der Universität Kassel.
Prof. Dr. Reinhold Kosfeld ist an der Universität Kassel mit den Arbeits- und Forschungsschwerpunkten Empirische Wirtschaftsforschung, Ökonometrie und Statistik tätig.
Dipl.-Vw. Martina Rengers ist wissenschaftliche Mitarbeiterin an der Universität Kassel. Ihre Arbeits- und Forschungsschwerpunkte sind Empirische Wirtschaftsforschung und Statistik.

Blurb

In dem Lehrbuch werden Verfahren der multivariaten Statistik anwendungsorientiert und verständlich vermittelt. Anhand von Beispielen aus der Ökonomie kann der Leser die vorgestellten Methoden schrittweise und anschaulich nachvollziehen. Mit Hilfe des Programmpakets SPSS wird die sachgerechte Anwendung multivariater Verfahren illustriert.

Speziell behandelt die "Multivariate Statistik" merkmalsorientierte Verfahren wie die Faktoren-, Varianz- und Kanonische Korrelationsanalyse. Die Clusteranalyse und die Diskriminanzanalyse werden als objektorientierte Verfahren vorgestellt. Methodik, Rechentechnik und Interpretation werden miteinander verknüpft und didaktisch verständlich aufbereitet.

Die "Multivariate Statistik" wendet sich an Studenten und Dozenten der Wirtschafts- und Sozialwissenschaften mit den Schwerpunkten Statistik, Empirische Wirtschafts- und Sozialforschung sowie Marktforschung. Der Marktforscher und der empirisch arbeitende Wirtschafts- und Sozialforscher finden in dem Lehrbuch ein Spektrum der wichtigsten multivariaten Verfahren vor.