Advertisement

Lineare Regressionen

Chapter

Zusammenfassung

Das Kennenlernen der Daten in der deskriptiven und bivariaten Analyse stellt häufig nicht das Endresultat einer empirischen Untersuchung dar. In vielen Fällen ist der Forscher daran interessiert, eine zu erklärende (abhängige) Variable durch mehrere unabhängige Variable vorherzusagen und in dieser sogenannten multivariaten Datenanalyse auch Scheinkausalitäten erkennen zu können. Um in die Logik von derartigen Regressionsanalysen einzuführen, wird im folgenden Kapitel mit der linearen Regression ein Verfahren vorgestellt, das für eine metrische abhängige Variable geeignet ist. Im Mittelpunkt stehen die folgenden Fragen: Wie werden die beiden wichtigsten Parameter der linearen Regression, die Konstante und der Regressionskoeffizient, bestimmt und was sagen diese Koeffizienten aus? Wie werden die wichtigsten Elemente des Regressionsoutputs interpretiert, z.B. der F-Test oder R² als Maßzahl der Varianzaufklärung? Was bedeutet es, wenn in einem multivariaten Regressionsmodell mit mehreren unabhängigen Variablen „Nettoeffekte“ bestimmt werden? Wie sehen verschiedene Präsentationsformen von Regressionsergebnissen in der Praxis aus?

Literatur

  1. Allison, Paul D. 1999. Multiple regression. A primer. Thousand Oaks: Pine Forge.Google Scholar
  2. Brüderl, Josef. 2010. Kausalanalyse mit Paneldaten. In Handbuch der sozialwissenschaftlichen Datenanalyse, Hrsg Christof Wolf, und Henning Best, 963–994. Wiesbaden: VS Verlag für Sozialwissenschaften.CrossRefGoogle Scholar
  3. Bunge, Mario. 2010. Soziale Mechanismen und mechanistische Erklärungen. Berliner Journal für Soziologie 20:371–381.CrossRefGoogle Scholar
  4. Diaz-Bone, Rainer. 2006. Statistik für Soziologen. Konstanz: UVK.Google Scholar
  5. Esser, Hartmut. 1987. Warum die Routine nicht weiterhilft. Überlegungen zur Kritik an der „Variablen-Soziologie“. In Problemlösungsoperator Sozialwissenschaften, Hrsg Norbert Müller, 230–245. Stuttgart: Enke.Google Scholar
  6. Gangl, Markus. 2010. Causal inference in sociological research. Annual Review of Sociology 36:21–48.CrossRefGoogle Scholar
  7. Hedström, Peter, und Petri Ylikoski 2010. Causal mechanisms in the social sciences. Annual Review of Sociology 36:49–68.CrossRefGoogle Scholar
  8. Hill, Paul Bernhard 2002. Rational-choice-theorie. Bielefeld: Transscript.Google Scholar
  9. Hill, Paul Bernhard, und Johannes Kopp. 2013. Familiensoziologie.Grundlagen und theoretische Perspektiven. Wiesbaden: Springer VS.CrossRefGoogle Scholar
  10. Kohler, Ulrich, und Frauke Kreuter. 2008. Datenanalyse mit Stata: Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. Wien: Oldenbourg.Google Scholar
  11. Ohr, Dieter. 2010. Lineare REGRESSION: Modellannahmen und Regressionsdiagnostik. In Handbuch der sozialwissenschaftlichen Datenanalyse, Hrsg Christof Wolf, und Henning Best, 639–675. Wiesbaden: VS Verlag für Sozialwissenschaften.CrossRefGoogle Scholar
  12. Rosenthal, Robert, und M. Robin DiMatteo. 2001. Meta-analysis: Recent developments in quantitative methods for literature reviews. Annual Review of Psychology 52:59–82.CrossRefGoogle Scholar
  13. Schnell, Rainer, Paul, B. Hill, und Esser, Elke. 2011. Methoden der empirischen Sozialforschung. 9. Aufl. München: Oldenbourg-Verlag. Google Scholar
  14. Taleb, Nassim Nicholas. 2004. Fooled by randomness. The hidden role of chance in life and in the markets. New York: Random House.Google Scholar
  15. Urban, Dieter, und Jochen Mayerl. 2008. Regressionsanalyse: Theorie, Technik und Anwendung. Wiesbaden: VS Verlag für Sozialwissenschaften.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2014

Authors and Affiliations

  1. 1.Universität TrierTrierDeutschland
  2. 2.Universität TübingenTübingenDeutschland

Personalised recommendations