Zusammenfassung
Sozialwissenschaftliche Fragestellungen betreffen häufig nicht-additive und nicht-lineare Zusammenhänge. In diesem Kapitel werden Möglichkeiten vorgestellt, entsprechende Zusammenhänge im Rahmen der multiplen Regression zu modellieren. Zunächst wird die Verwendung von Interaktionseffekten zur Spezifikation nicht-additiver Zusammenhänge erläutert. Dabei wird auch darauf eingegangen, inwieweit sich die Verwendung von Interaktionseffekten mit Dummyvariablen zur getrennten Betrachtung zweier Gruppen eignet. Dann werden unterschiedliche Möglichkeiten, Nicht-Linearitäten in der multiplen Regression zu berücksichtigen, erörtert. Dabei wird zunächst die Verwendung von quadrierten Termen behandelt, bevor allgemeiner auf die polynomische Regression eingegangen wird. Eine Alternative stellt die Spline Regression dar, die in einem weiterem Schritt erläutert wird. Eine Diskussion gängiger Tests auf Nicht-Linearität und das Vorliegen von Gruppenunterschieden schließt die einführende Darstellung ab. Das Vorgehen und die Interpretation der Ergebnisse werden ausführlich anhand von empirischen Beispielen erläutert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Aiken, L. S. & West, S. G. (1991). Testing and Interpreting Interactions. Thousand Oaks: Sage.
Cleveland, W. S. (1979). Robust Locally Weighted Regression and Smoothing Scatterplots. Journal of the American Statistical Association, 74, 829–836.
Cronbach, L. (1987). Statistical Tests for Moderator Variables: Flaws in Analysis Recently Proposed. Psychological Bulletin, 102, 414–417.
Harrell, F. E. (2001). Regression Modelling Strategies. New York: Springer.
Jaccard, J. (2001). Interaction Effects in Logistic Regression. Thousand Oaks: Sage.
Jaccard, J. & Turrisi, R. (2003). Interaction Effects in Multiple Regression. Thousand Oaks: Sage.
Kühnel, S.-M. & Krebs, D. (2002). Statistik für die Sozialwissenschaften. Reinbek: Rowohlt.
Magee, M. (1998). Nonlocal Behavior in Polynomial Regressions. The American Statistician, 52, 20–22.
Marsh, L. C. & Cormier, D. R. (2001). Spline Regression Models. Thousand Oaks: Sage
Ramsey, J. B. (1969). Tests for Specific Errors in Classical Linear Least-Squares Analysis. Journal of the Royal Statistical Society Association, Series B, 71, 350–371.
Ruppert, D., Wand, M. P., & Carroll, R. J. (2003). Semiparametric Regression. Cambridge: Cambridge University Press.
StataCorp (2007). Stata Statistical Software: Release 10 (Reference I-P). College Station: StataCorp.
Stone, C. J. (1986). Comment: Generalized Additive Models. Statistical Science, 1, 312–314.
Wooldridge, J. M. (2003). Introductory Econometrics: A Modern Approach. Mason: Thomson.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Lohmann, H. (2010). Nicht-Linearität und Nicht-Additivität in der multiplen Regression: Interaktionseffekte, Polynome und Splines. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_26
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_26
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)