Advertisement

Logistische Regressionen

  • Johannes Kopp
  • Daniel Lois
Chapter

Zusammenfassung

Bei der binär-logistischen Regression wird eine dichotome abhängige Variable, die nur zwei Ausprägungen hat, durch eine oder mehrere unabhängige Variable vorhergesagt. Im folgenden Kapitel wird dieses Verfahren in seinen Grundzügen anwendungsorientiert vorgestellt. Zunächst steht die Frage im Mittelpunkt, warum im Falle einer dichotomen abhängigen Variablen keine lineare Regression berechnet werden sollte. Anschließend werden zwei Grundkonzepte eingeführt, die für das Verständnis des Verfahrens zentral sind: Chance und Wahrscheinlichkeit. Die folgenden Abschnitte beschäftigen sich vor allem mit der praktischen Umsetzung: Wie wird der Regressionsoutput bei der logistischen Regression interpretiert? Welche Besonderheiten sind in Zusammenhang mit schrittweisen Regressionen und Interaktionseffekten zu beachten?

Literatur

  1. Ai, Chunrong, und Edward C. Norton. 2003. Interaction terms in logit and probit models. Economics Letters 80:123–129.CrossRefGoogle Scholar
  2. Andreß, Hans-J., Steffen-M. Kühnel, und Jacques A. Hagenaars. 1997. Analyse von Tabellen und kategorialen Daten: Log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz. Berlin: Springer.CrossRefGoogle Scholar
  3. Backhaus, Klaus, Bernd Erichson, Wulff Plinke, und Rolf Weiber. 2006. Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. Berlin: Springer.Google Scholar
  4. Best, Henning, und Christof Wolf. 2010. Logistische regression. In Handbuch der sozialwissenschaftlichen Datenanalyse, Hrsg. Wolf Christof und Best Henning, 827–854. Wiesbaden: VS-Verlag.CrossRefGoogle Scholar
  5. Best, Henning, und Christof Wolf. 2012. Modellvergleich und Ergebnisinterpretation in Logit- und Probit-Regressionen. Kölner Zeitschrift für Soziologie und Sozialpsychologie 64:377–395.CrossRefGoogle Scholar
  6. Borooah, Vani K., und Michael S. Lewis-Beck. 2001. Logit and probit: Ordered and multinomial models. Quantitative applications in the social sciences. 138. Thousand Oaks: Sage.Google Scholar
  7. Karlson, Kristian Bernt, Anders Holm, und Richar Breen. 2012. Comparing regression coefficients between same-sample nested models using logit and probit: A new method. Sociological Methodology 42:286–313.Google Scholar
  8. Kleinbaum, David G., und Mitchel Klein. 2002. Logistic regression: A self-learning text. New York: Springer.Google Scholar
  9. Koch, Achim. 1994. Teilnahmeverhalten beim ALLBUS 1994. Soziodemographische Determinanten von Erreichbarkeit, Befragungsfähigkeit und Kooperationsbereitschaft. Kölner Zeitschrift für Soziologie und Sozialpsychologie 49:89–122.Google Scholar
  10. Kohler, Ulrich, und Frauke Kreuter. 2008. Datenanalyse mit Stata: Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung. München: Oldenbourg.Google Scholar
  11. Konietzka, Dirk, und Michaela Kreyenfeld. 2005. Nichteheliche Mutterschaft und soziale Ungleichheit im familialistischen Wohlfahrtsstaat. Kölner Zeitschrift für Soziologie und Sozialpsychologie 57:32–61.CrossRefGoogle Scholar
  12. Menard, Scott W. 2001. Applied logistic regression analysis. Quantitative applications in the social sciences. 106. Thousand Oaks: Sage.Google Scholar
  13. Mood, Carina. 2010. Logistic regression: Why we cannot do what we think we can do, and what we can do about it. European Sociological Review 26:67–82.CrossRefGoogle Scholar
  14. Norton, Edward C., Hua Wang, und Ai Chunrong. 2004. Computing interaction effects and standard errors in logit and probit models. The Stata Journal 4:154–167.Google Scholar
  15. Pampel, Fred C. 2000. Logistic regression: A primer. Quantitative applications in the social sciences. 135. Thousand Oaks: Sage.Google Scholar
  16. Schendera, Christian F. G. 2008. Regressionsanalyse mit SPSS. München: Oldenbourg.CrossRefGoogle Scholar
  17. Szydlik, Marc, und Jürgen Schupp. 2004. Wer erbt mehr? Erbschaften, Sozialstruktur und Alterssicherung. Kölner Zeitschrift für Soziologie und Sozialpsychologie 56:609–629.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2014

Authors and Affiliations

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

Personalised recommendations