Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften

Mit den multivarianten statistischen Methoden, unter stetem Anwendungsbezug, wird der Methodenkanon des wirtschafts- und sozialwissenschaftlichen Grundstudiums ausgeweitet.

Zusammenfassung
"Dieses Buch stellt ein sehr Fachspezifisches Werk für die Empirie, Methodik und die Statistik in den Wirtschafts- und Sozialwissenschaften dar. Es sollte als Methodendarstellung verstanden werden, die es erlaubt formal-logische Strukturen der statistischen Verfahren nachzuvollziehen. Alle Beispiele leiten sich aus einem Datensatz mit ca. 40 Variablen und ca. 300 Fällen ab, anhand dessen sich auch der theoretische Rahmen orientiert. Alle Beispiele wurden mit dem Programm SPSS für Windows durchgeführt. Die Outputs werden wiedergegeben und interpretiert und teilweise wird auch die jeweilige Befehlssyntax angegeben. Für das optimale Verständnis des Inhalts wäre es empfehlenswert sich bereits vorher mit Statistik, Datenerhebung und Datenauswertung auseinandergesetzt zu haben. Auch Kenntnis und Umgang mit dem Programm SPSS ist erforderlich. Mathematisch, statistisch und methodisch ist es sicherlich ein sehr anspruchsvolles Buch. Begonnen bei einfachen linearen Regressionsmodellen, über multiple Regressionsanalysen, loglineare Modelle, bis zur Clusteranalyse und zur multidimensionalen Skalierung, erstreckt sich das Spektrum der hier angeführten multivariaten Methoden. Zwar werden die Ergebnisse meist als Output präsentiert und interpretiert, die Eingabebefehle dafür aber nicht angeführt. Multivariate Verfahren bzw. Methoden, sind für die komplexere und genauere Arbeit und Analyse mit Datensätzen kaum mehr wegzudenken. Das Entwickeln von Prognosen, Erklärenden Modellen und Theorien ist zum größten Teil, nur mit solchen Werkzeugen empirisch genau durchzuführen." www.buchkritik.at, Hubert Lazelberger am 30.12.2005

Inhalt
Einleitung. Das einfache lineare Regressions- und Korrelationsmodell. Inferenzstatistik im einfachen linearen Regressions- und Korrelationsmodell. Partielle Regressions- und Korrelationsanalyse. Multiple Regressions- und Korrelationsanalyse. Die Varianz-/Kovarianzanalyse. Die loglinearen Analyseansätze. Das Allgemeine Lineare Modell. Die Kanonische Korrelation. Die Faktorenanalyse. Die Diskriminanzanalyse. Die Clusteranalyse. Die Multidimensionale Skalierung.