Zusammenfassung
Dieses Kapitel führt in die lineare Regressionsanalyse ein. Zunächst werden Grundlagen des Verfahrens dargestellt. Es folgen Veranschaulichungen im bivariaten Fall, und zwar mit fiktiven Daten und mit Umfragedaten, ehe auf das multivariate Regressionsmodell verallgemeinert wird. Im zweiten Teil des Kapitels werden zwei Aspekte vertieft behandelt: Interaktionseffekte und nicht lineare Zusammenhänge. Die Modellerweiterungen werden zunächst an der Schätzgleichung gezeigt, ehe mir fiktiven und realen Daten jeweils Beispiele vorgestellt und Interpretationen besprochen werden. Dabei kommen auch grafische Verfahren zum Einsatz, die die Interpretation heterogener Effekte erleichtern und die Fehleranfälligkeit reduzieren.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Notes
- 1.
Anders ausgedrückt lautet die Frage: Warum gibt es Ungleichheit in der Lebenszufriedenheit, nach der Menschen mit ihrem Handeln streben. Entsprechende theoretische Argumente für das universelle Streben nach Zufriedenheit finden sich bereits bei Adam Smith (1776 (1974)) sowie in der Literatur zur Produktion von Wohlbefinden (Lindenberg 1989; Esser 1999).
Literatur
Anscombe, Francis John. 1973. Graphs in statistical analysis. American Statistician 27(1): 17–21.
Best, Henning, und Christof Wolf, Hrsg. 2015. The SAGE handbook of regression analysis and causal inference. Los Angeles: SAGE.
Cleveland, William S. 1979. Robust locally weighted regression and smoothing scatterplots. Journal of the American Statistical Association 74(368): 829–836.
Esser, Hartmut. 1999. Soziologie. Allgemeine Grundlagen. Frankfurt a. M.: Campus.
Jann, Ben. 2005. Einführung in die Statistik. München: Oldenbourg.
Kohler, Ulrich, und Frauke Kreuter. 2017. Datenanalyse mit Stata. Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. Berlin: de Gruyter.
Lindenberg, Siegwart. 1989. Social production functions, deficits, and social revolutions. Prerevolutionary France and Russia. Rationality and Society 1(1): 51–77.
Morgan, Stephen L., und Christopher Winship. 2007. Counterfactuals and causal inference. Methods and principals for social research. Cambridge: Cambridge University Press.
Smith, Adam. 1776 (1974). Über den Wohlstand der Nationen: Eine Untersuchung über seine Natur und seine Ursachen. München: Beck.
Urban, Dieter, und Jochen Mayerl. 2018. Angewandte Regressionsanalyse: Theorie, Technik und Anwendung. Wiesbaden: Springer VS.
Wolf, Christof, und Henning Best. 2010. Lineare Regressionsanalyse. In Handbuch der sozialwissenschaftlichen Datenanalyse, Hrsg. Christof Wolf und Henning Best, 607–638. Wiesbaden: VS Verlag für Sozialwissenschaften.
Wooldridge, Jeffrey M. 2003. Introductory econometrics. A modern approach. Mason: Thomson South-Western.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Anhang
Anhang
Rights and permissions
Copyright information
© 2020 Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Bauer, G. (2020). Lineare Regression. In: Tausendpfund, M. (eds) Fortgeschrittene Analyseverfahren in den Sozialwissenschaften. Grundwissen Politik. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-30237-5_2
Download citation
DOI: https://doi.org/10.1007/978-3-658-30237-5_2
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-30236-8
Online ISBN: 978-3-658-30237-5
eBook Packages: Social Science and Law (German Language)