Suchen und Finden
Service
Angewandte Statistik in Geografie und Umweltwissenschaften
Huib Ernste
Verlag vdf Hochschulverlag AG, 2011
ISBN 9783728137005 , 599 Seiten
Format PDF, OL
Kopierschutz Wasserzeichen
Angewandte Statistik in Geografie und Umweltwissenschaften
1
Vorwort
5
Inhaltsverzeichnis
11
Abbildungsverzeichnis
19
Tabellenverzeichnis
25
1. Überblick
29
1.1 Einleitung
29
1.2 Grundbegriffe
29
1.3 Skalentypen
34
1.4 Relationen: Kausalität und Kovariation
40
1.5 Statistische Methoden: Ein erster Überblick
47
2. Zusammenhangsanalyse: Einfache Korrelationsanalyse
55
2.1 Einleitung
55
2.2 Das Messen von einfachen Zusammenhängen
56
2.3 Der einfache Korrelationskoeffizient
60
2.3.1 Die bi-variate Normalverteilung
60
2.3.2 Der Pearson-Produkt-Moment-Korrelationskoeffizient
68
2.4 Rückschlüsse auf die Grundgesamtheit
76
3. Einfache Regressionsanalyse
79
3.1 Einführung
79
3.2 Kausalität und Geschlossenheit
81
3.3 Regressionsanalyse und Geschlossenheit
84
3.4 Die Schätzung der Parameter der Regressionsgleichung
89
3.4.1 Entscheidungskriterien für die Schätzung
90
3.4.2 Die Schätzung der Koeffizienten
94
3.5 Die Interpretation der Resultate
98
3.6 Die Güte des Regressionsmodells
99
3.6.1 Die Zerlegung der Variation
99
3.6.2 Die Anzahl der Freiheitsgrade
103
4. Multiple Regression und multiple Korrelation
107
4.1 Einführung
107
4.2 Die Aufnahme zusätzlicher unabhängiger Variablen ins Modell
109
4.3 Die graphische Darstellung der multiplen Regressionsgleichung
112
4.4 Die Schätzung der Koeffizienten der multiplen Regressionsgleichung
114
4.5 Die Interpretation der Koeffizienten
116
4.6 Der multiple Korrelationskoeffizient
119
4.7 Der partielle Korrelationskoeffizient
122
5. Das Schliessen auf die Grundgesamtheit bei der Regressionsanalyse
127
5.1 Einleitung
127
5.2 Test für das Bestimmtheitsmass oder Test der ‘Güte’ des Gesamtmodells
128
5.3 Test für den Regressionskoeffizienten
130
5.4 Test für die Regressionskonstante
134
5.5 Verallgemeinertes Testverfahren für allgemeine lineare Hypothesen
135
5.6 Vertrauensintervalle für Regressionskoeffizienten und -konstante
137
5.7 Vertrauensintervalle für Vorhersagen
138
6. Regressionsanalyse mit kategorialen unabhängigen Variablen
139
6.1 Einleitung
139
6.2 Regression mit kategorialen unabhängigen Variablen
140
6.3 Regression mit metrischen und kategorialen unabhängigen Variablen
145
6.4 Interaktionseffekte zwischen metrischen und kategorialen unabhängigen Variablen
146
6.5 Wie erkennt man die Wirkung einer kategorialen Variablen?
150
6.6 Ein Beispiel
153
7. Überprüfung der Anwendungsbedingungen der Regressionsanalyse
157
7.1 Einleitung
157
7.2 Bedingungen der gewöhnlichen Kleinste-Quadrate-Schätzung (OLS)
158
7.2.1 Erwartungswert der Residualwerte beträgt Null
160
7.2.2 Keine Autokorrelation
161
7.2.3 Homoskedastizität
164
7.2.4 Kein Zusammenhang zwischen der Störvariablen und den unabhängigen Variablen
167
7.2.5 Keine Kollinearität
168
7.3 Überprüfung der Bedingungen
174
7.3.1 Der Erwartungswert der Residualwerte beträgt Null
175
7.3.2 Keine Autokorrelation
175
7.3.3 Homoskedastizität
178
7.3.4 Kein Zusammenhang zwischen den Residualwerten und den unabhängigen Variablen
180
7.3.5 Keine Kollinearität
181
7.3.6 Die Residualwerte sind normal verteilt
189
7.4 Ausreisser
197
8. Pfadanalyse
213
8.1 Einleitung
213
8.2 Transformation der Variablen
218
8.2.1 Pfadanalyse mit zentrierten Variablen
218
8.2.2 Pfadanalyse mit standardisierten Variablen
219
8.3 Notation und Begriffe
222
8.3.1 Endogene und exogene Variablen
222
8.3.2 Regressions- und Pfadkoeffizienten
223
8.3.3 Strukturgleichung
223
8.3.4 Rekursive und nicht-rekursive Pfadmodelle
227
8.4 Die Beziehung zwischen den (Ko-)Varianzen und den Parametern
229
8.5 Die Anpassung der Modellparameteran die Wirklichkeit: Das Schätzen der Parameter
232
8.5.1 Identifikation
236
8.5.2 Das Prinzip der Parameter-Schätzung beider klassischen Regressionsanalyse
239
8.5.3 Das Prinzip der Parameter-Schätzung beider Pfadanalyse
240
8.5.4 Maximum-Likelihood-Schätzfunktion
241
8.6 Die Interpretation der Resultate
246
8.6.1 Interpretation der standardisierten und der unstandardisierten Lösung
246
8.6.2 Direkte, indirekte und totale Effekte
247
8.7 Modellevaluation
248
8.7.1 Die Güte des gesamten Modells
249
8.7.2 Die Beurteilung der einzelnen Komponenten des Modells
256
8.8 Vergleich und Verbesserung vonModellen
259
8.8.1 Log-Likelihood-Ratio-Chi-Quadrat-Test für den Unterschied zwischen Modellen
259
8.8.2 Lagrange-Multiplier-Test für mögliche Erweiterungen des Modells
261
8.8.3 Reformulierung des Modells
263
8.9 Spezielle Aspekte
264
9. Konfirmatorische Faktorenanalyse
267
9.1 Einleitung
267
9.1.1 Das Messproblem
268
9.1.2 Das Spezifikationsproblem
270
9.2 Das Messmodell: Die explorative und die konfirmatorische Faktorenanalyse
271
9.3 Die konfirmatorische Faktorenanalyse
275
9.3.1 Die Festlegung einer Skala für die latentenVariablen
276
9.3.2 Die Identifikation des Messmodells
281
9.3.3 Die Validität oder Gültigkeit des Messmodells
283
9.3.4 Die Zuverlässigkeit oder Konsistenz des Messmodells
289
10. Explorative Faktorenanalyse
295
10.1 Einleitung
295
10.2 Ziele der Faktorenanalyse
298
10.3 Algebraische Formulierung des Grundproblems
301
10.4 Arten von Faktoren
306
10.5 Ablauf der Faktorenanalyse
311
10.6 Das Faktorenproblem
312
10.7 Geometrische Grundbegriffe
313
10.7.1 Punktdarstellung im Merkmalsraum
313
10.7.2 Vektordarstellung im Objektraum
318
10.7.3 Zur Geometrie der Hauptkomponentenanalyse
327
10.7.4 Algebraische Formulierung der Hauptkomponentenmethode
332
10.7.5 Bestimmung der Anzahl zu extrahierender gemeinsamer Faktoren
333
10.7.6 Die Maximum-Likelihood-Methode
337
10.8 Das Kommunalitätenproblem
341
10.9 Das Rotationsproblem
343
10.9.1 Orthogonale Rotation nach der Varimax-Methode
345
10.9.2 Schiefwinklige Rotation nach der Promax-Methode
347
10.10 Das Faktorenwertproblem
351
10.11 Vergleich mit Regression
354
11. Strukturgleichungsmodelle
357
11.1 Einleitung
357
11.2 Die Teile des Strukturgleichungsmodells
358
11.2.1 Die Identifikation des Gesamtmodells
361
11.2.2 Spezifikationsprobleme und Interpretationsprobleme des Gesamtmodells
362
11.3 Fazit
367
12. Logit-Analyse
375
12.1 Einleitung
375
12.2 Basis-Form
377
12.3 Der konventionelle regressionsanalytische Ansatz
380
12.4 Alternative Ansätze
386
12.5 Erweiterung auf mehrere unabhängige Variablen
390
12.6 Die Kodierungsformen und Interpretationder Parameter
390
12.6.1 Dummy-Kodierung
393
12.6.2 Effekt-Kodierung
396
12.7 Das Schätzen der Parameter
398
12.8 Das gewichtete Kleinste-Quadrate-Verfahren
399
12.9 Das Maximum-Likelihood-Verfahren
402
12.10 Die Güte des gesamten Modells
403
12.11 Das Prüfen von Hypothesen über die Parameter
406
13. Log-lineare Modelle
411
13.1 Einleitung
411
13.2 Darstellung der Zusammenhänge in Form einer Kreuztabelle
411
13.3 Formen der Datenerhebung
414
13.3.1 Multinomiales Erhebungsschema
414
13.3.2 Produktnomiales Erhebungsschema
415
13.3.3 Poisson-Erhebungsschema
416
13.4 Zusammenhänge zwischen kategorialen Variablen
416
13.5 Der Chi-Quadrat-Test für die Unabhängigkeit zweier Variablen
420
13.6 Vergleich relativer Häufigkeitsverteilungen
427
13.6.1 Differenzen relativer Häufigkeiten
428
13.6.2 Relatives Risiko bzw. Verhältnis relativer Häufigkeiten
428
13.6.3 Odds-Ratio
429
13.7 Masse für die Stärke des Zusammenhangs
440
13.7.1 Kontingenzkoeffizient
440
13.7.2 Cramers V
441
13.7.3 Proportionale Fehler-Reduktion
441
13.7.4 Goodman und Kruskals Lambda (asymmetrisch)
443
13.7.5 Goodman und Kruskals Lambda (symmetrisch)
443
13.8 Ein log-lineares Modell zur Analyse des Zusammenhangs zwischen zwei Variablen
444
13.9 Interpretation der Parameter
447
13.10 Weitere mögliche log-lineare Modelle
449
13.11 Verallgemeinerte Schreibweise für log-lineare Modelle
452
13.12 Schätzung der Parameter und der erwarteten Häufigkeiten
455
13.13 Test für die Güte des Modells
456
13.14 Vergleich verschiedener Modelle
458
13.15 Test für einzelne Parameter
459
13.16 Test für den Einfluss der Haupt- und Interaktionseffekte
460
13.17 Die Suche nach einem geeigneten Modell
460
13.18 Leere Zellen
462
13.19 Die Verwendung log-linearerModelle f¨ur die Analyse vonLogit-Modellen
464
14. Latente-Klassen-Analyse
471
14.1 Einleitung
471
14.2 Lokale Unabhängigkeit
476
14.3 Formale Darstellung der Latenten-Klassen-Analyse
480
14.3.1 Latente Klassenwahrscheinlichkeiten
481
14.3.2 Konditionale Wahrscheinlichkeiten
482
14.4 Die Schätzung der Parameter
483
14.5 Die Identifikation
490
14.6 Die Zuordnung der Objekte zu latenten Klassen
494
14.7 In wieweit stimmt unser Modell mit der Wirklichkeit überein?
498
14.8 Anwendungen der Latenten-Klassen-Analyse
503
14.8.1 Exkurs: Die (wirtschafts-)geographische Bedeutung der Arbeitsmoral und Berufsethik
503
14.8.2 Anwendung am Beispiel zur Arbeitsmoral und Berufsethik
505
14.8.3 Modelle mit einer latenten Variablen
507
14.8.4 Modelle mit mehreren latenten Variablen
519
14.8.5 Vergleich zwischen Gruppen
530
14.9 Probleme der Latenten-Klassen-Analyse
540
A. Repetitorium: Matrix-Algebra
545
A.1 Einleitung
545
A.2 Allgemeines
545
A.3 Definitionen
547
A.4 Matrizenoperationen
551
A.4.1 Addition
551
A.4.2 Subtraktion
552
A.4.3 Multiplikation
552
A.4.4 Multiplikation von Vektoren
554
A.4.5 Exkurs: Vektoren geometrisch betrachtet
555
A.4.6 Division (Inversion)
560
A.4.7 Eigenwerte und Eigenvektoren
563
A.4.8 Wichtigste elementare Rechenregeln für Matrizen
564
A.5 Beispiele für die Verwendung von Matrizen-Algebra
565
A.5.1 Berechnung der Spalten- und Zeilen-Summen und der Summe aller Matrixelemente
565
A.5.2 Berechnung von Mittelwerten, Kovarianz und Korrelation mittels Matrizenrechnung
566
A.5.3 Anwendung von Inversen bei der Lösung eines linearen Gleichungssystems
568
A.5.4 Diagonalisierung symmetrischer Matrizen
572
A.5.5 Hauptachsentransformation
573
A.6 Vektor und Matrixdifferentiation
576
A.7 Ermittlung von Extrema ohne Nebenbedingungen
579
A.8 Ermittlung von Extrema mit Nebenbedingungen
580
B. Grundbegriffe der Testtheorie
583
B.1 Einleitung
583
B.2 Was wollen wir testen?
583
B.3 Testverfahren
585
B.4 Bemerkungen zum Gebrauch und Missbrauch statistischer Tests
596