Multivariate Analysemethoden: Eine anwendungsorientierte Einführung

Vorwort zur 16. Auflage
Vorwort zur 14. Auflage
Vorwort zur 12. Auflage
www.multivariate.de
Inhaltsverzeichnis
1 Einführung in die empirische Datenanalyse
	1.1	Multivariate Analysemethoden in diesem Buch: Überblick und Grundlagen
		1.1.1	Empirische Untersuchungen und quantitative Datenanalyse
		1.1.2	Skalenniveau von Daten und besondere Typen von Variablen
			1.1.2.1 Skalenniveau empirischer Daten
			1.1.2.2 Binärvariable und Dummy-Variable
		1.1.3	Klassifikation multivariater Analysemethoden
			1.1.3.1 Struktur-prüfende Verfahren
			1.1.3.2 Struktur-entdeckende Verfahren
			1.1.3.3 Zusammenfassung und typische Forschungsfragen der verschiedenen Methoden
	1.2	Statistische Basiskonzepte
		1.2.1	Grundlegende statistische Kennwerte
		1.2.2	Kovarianz und Korrelation
	1.3	Grundlagen des statistischen Testens
		1.3.1	Durchführung eines Mittelwerttests (zweiseitig)
			1.3.1.1 Statistisches Testen unter Verwendung eines kritischen Testwertes
			1.3.1.2 Statistisches Testen unter Verwendung des p-Wertes
			1.3.1.3 Fehler erster und zweiter Art
			1.3.1.4 Durchführung eines einseitigen Mittelwerttests
		1.3.2	Durchführung eines Tests für Anteilswerte
		1.3.3	Intervallschätzung (Konfidenzintervall)
	1.4	Kausalität
		1.4.1	Kausalität und Korrelation
		1.4.2	Test auf Kausalität
	1.5	Ausreißer und fehlende Werte
		1.5.1	Ausreißer
			1.5.1.1 Identifikation von Ausreißern
			1.5.1.2 Behandlung von Ausreißern
		1.5.2	Fehlende Werte (missing values)
	1.6	Zur Verwendung von IBM SPSS, Excel und R
	Literatur
2 Regressionsanalyse
	2.1	Problemstellung
	2.2	Vorgehensweise
		2.2.1	Modellformulierung
		2.2.2	Schätzung der Regressionsfunktion
			2.2.2.1 Einfache Regression
			2.2.2.2 Multiple Regression
		2.2.3	Prüfung der Regressionsfunktion
			2.2.3.1 Standardfehler der Regression
			2.2.3.2 Bestimmtheitsmaß (R-Quadrat)
			2.2.3.3 Stochastisches Modell der Regression und F-Test
			2.2.3.4 Overfitting und korrigiertes Bestimmtheitsmaß
		2.2.4	Prüfung der Regressionskoeffizienten
			2.2.4.1 Präzision der Regressionskoeffizienten
			2.2.4.2 t-Test der Regressionskoeffizienten
			2.2.4.3 Konfidenzintervall der Regressionskoeffizienten
		2.2.5	Prüfung der Modellprämissen
			2.2.5.1 Nichtlinearität
			2.2.5.2 Vernachlässigung relevanter Variablen
			2.2.5.3 Zufallsfehler in unabhängigen Variablen
			2.2.5.4 Heteroskedastizität
			2.2.5.5 Autokorrelation
			2.2.5.6 Normalverteilung der Störgrößen
			2.2.5.7 Multikollinearität und Präzision
			2.2.5.8 Ausreißer
	2.3	Fallbeispiel
		2.3.1	Problemstellung
		2.3.2	Durchführung einer Regressionsanalyse mit Hilfe von SPSS
		2.3.3	Ergebnisse
			2.3.3.1 Ergebnisse der ersten Regressionsanalyse
			2.3.3.2 Ergebnisse der zweiten Regressionsanalyse
			2.3.3.3 Prüfung der Annahmen
			2.3.3.4 Schrittweise Regression
		2.3.4	SPSS-Kommandos
	2.4	Modifikationen und Erweiterungen
		2.4.1	Regression mit Dummy-Variablen
		2.4.2	Regressionsanalyse mit Zeitreihendaten
		2.4.3	Multivariate Regression
	2.5	Anwendungsempfehlungen
	Literatur
3 Varianzanalyse (ANOVA)
	3.1	Problemstellung
	3.2	Vorgehensweise
		3.2.1	Einfaktorielle Varianzanalyse
			3.2.1.1 Modellformulierung
			3.2.1.2 Zerlegung der Streuung und Modellgüte
			3.2.1.3 Prüfung der statistischen Signifikanzen
			3.2.1.4 Interpretation der Ergebnisse
		3.2.2	Zweifaktorielle Varianzanalyse
			3.2.2.1 Modellformulierung
			3.2.2.2 Zerlegung der Streuung und Modellgüte
			3.2.2.3 Prüfung der statistischen Signifikanzen
			3.2.2.4 Interpretation der Ergebnisse
	3.3	Fallbeispiel
		3.3.1	Problemstellung
		3.3.2	Durchführung einer zweifaktoriellen ANOVA mit SPSS
		3.3.3	Ergebnisse
			3.3.3.1 Zweifaktorielle ANOVA
			3.3.3.2 Post-hoc-Test für den Faktor „Platzierung“
			3.3.3.3 Kontrastanalyse für den Faktor „Platzierung“
		3.3.4	SPSS-Kommandos
	3.4	Modifikationen und Erweiterungen
		3.4.1	Verfahrenserweiterungen
		3.4.2	Kovarianzanalyse (ANCOVA)
			3.4.2.1 Erweiterung des Fallbeispiels und Umsetzung in SPSS
			3.4.2.2 Ergebnisse der ANCOVA im Fallbeispiel
		3.4.3	Prüfung der Varianzhomogenität mithilfe des Levene-Tests
	3.5	Anwendungsempfehlungen
	Literatur
4 Diskriminanzanalyse
	4.1	Problemstellung
	4.2	Vorgehensweise
		4.2.1	Definition der Gruppen und Spezifikation der Diskriminanzfunktion
		4.2.2	Schätzung der Diskriminanzfunktion
			4.2.2.1 Diskriminanzkriterium
			4.2.2.2 Normierung der Diskriminanzkoeffizienten
			4.2.2.3 Schrittweises Schätzverfahren
			4.2.2.4 Mehr-Gruppen-Fall
		4.2.3	Prüfung der Diskriminanzfunktion
			4.2.3.1 Bewertung der Diskriminanzfunktion basierend auf dem Diskriminanzkriterium
			4.2.3.2 Prüfung der Klassifikation
		4.2.4	Prüfung der beschreibenden Variablen
		4.2.5	Klassifikation neuer Beobachtungen
			4.2.5.1 Distanzkonzept
			4.2.5.2 Klassifizierungsfunktionen
			4.2.5.3 Wahrscheinlichkeitskonzept
		4.2.6	Prüfung der Modellannahmen
	4.3	Fallbeispiel
		4.3.1	Problemstellung
		4.3.2	Durchführung einer Diskriminanzanalyse mit SPSS
		4.3.3	Ergebnisse
			4.3.3.1 Ergebnis des blockweisen Schätzverfahrens
			4.3.3.2 Ergebnis des schrittweisen Schätzverfahrens
		4.3.4	SPSS-Kommandos
	4.4	Anwendungsempfehlungen
	Literatur
5 Logistische Regression
	5.1	Problemstellung
	5.2	Vorgehensweise
		5.2.1	Modellformulierung
			5.2.1.1 Das lineare Wahrscheinlichkeitsmodell (Modell 1)
			5.2.1.2 Logit-Modell mit gruppierten Daten (Modell 2)
			5.2.1.3 Logistische Regression mit Individualdaten (Modell 3)
			5.2.1.4 Klassifizierung
			5.2.1.5 Multiple logistische Regression (Modell 4)
		5.2.2	Schätzung der logistischen Regressionsfunktion
		5.2.3	Interpretation der Regressionskoeffizienten
		5.2.4	Prüfung des Gesamtmodells
			5.2.4.1 Likelihood-Ratio-Statistik
			5.2.4.2 Pseudo-R-Quadrat-Statistiken
			5.2.4.3 Beurteilung der Klassifizierung
			5.2.4.4 Prüfung auf Ausreißer
		5.2.5	Prüfung der geschätzten Koeffizienten
		5.2.6	Durchführung einer binären Logistischen Regression mit SPSS
	5.3	Multinomiale logistische Regression
		5.3.1	Das multinomiale logistische Modell
		5.3.2	Beispiel und Interpretation
		5.3.3	Das Baseline-Logit-Modell
		5.3.4	Gütemaße
			5.3.4.1 Pearson-Gütemaß
			5.3.4.2 Devianz-Gütemaß
			5.3.4.3 Informationskriterien für die Modellauswahl
	5.4	Fallbeispiel
		5.4.1	Problemstellung
		5.4.2	Durchführung einer Multinomialen Log. Regression mit SPSS
		5.4.3	Ergebnisse
			5.4.3.1 Blockweise Logistische Regression
			5.4.3.2 Schrittweise Logistische Regression
		5.4.4	SPSS-Kommandos
	5.5	Modifikationen und Erweiterungen
	5.6	Anwendungsempfehlungen
	Literatur
6 Kontingenzanalyse
	6.1	Problemstellung
	6.2	Vorgehensweise
		6.2.1	Erstellung einer Kreuztabelle
		6.2.2	Interpretation von Kreuztabellen
		6.2.3	Prüfung der Zusammenhänge
			6.2.3.1 Prüfung auf statistische Unabhängigkeit
			6.2.3.2 Bewertung der Stärke des Zusammenhangs
			6.2.3.3 Rolle von Störvariablen in der Kontingenzanalyse
	6.3	Fallbeispiel
		6.3.1	Problemstellung
		6.3.2	Durchführung einer Kontingenzanalyse mit SPSS
		6.3.3	Ergebnisse
		6.3.4	SPSS-Kommandos
	6.4	Anwendungsempfehlungen
		6.4.1	Anwendungsempfehlungen zur Umsetzung der Kontingenzanalyse
		6.4.2	Beziehung der Kontingenzanalyse zu anderen multivariaten Analysemethoden
	Literatur
7 Faktorenanalyse
	7.1	Problemstellung
	7.2	Vorgehensweise
		7.2.1	Eignung der Daten für eine Faktorenanalyse
		7.2.2	Extraktion und Anzahl der Faktoren
			7.2.2.1 Grafische Verdeutlichung von Korrelationen
			7.2.2.2 Das Fundamentaltheorem
			7.2.2.3 Grafische Verdeutlichung der Faktorenextraktion
			7.2.2.4 Mathematische Verfahren zur Extraktion von Faktoren
				7.2.2.4.1 Hauptkomponentenanalyse
				7.2.2.4.2 Faktoranalytischer Ansatz
			7.2.2.5 Anzahl der Faktoren
			7.2.2.6 Beurteilung der Güte einer Faktorenlösung
		7.2.3	Faktoren-Interpretation
		7.2.4	Bestimmung der Faktorwerte
		7.2.5	Zusammenfassung zentraler Analyseschritte einer Faktorenanalyse
	7.3	Fallbeispiel
		7.3.1	Problemstellung
		7.3.2	Durchführung einer Faktorenanalyse mit SPSS
		7.3.3	Ergebnisse
			7.3.3.1 Eignung der Datenmatrix und Variablenbeurteilung
			7.3.3.2 Ergebnisse der Hauptachsenanalyse im 9-Variablen-Fall
			7.3.3.3 Produktpositionierung
			7.3.3.4 Unterschiede zwischen Hauptkomponenten- und Hauptachsenanalyse
		7.3.4	SPSS-Kommandos
	7.4	Erweiterung: Konfirmatorische Faktorenanalyse (KFA)
	7.5	Anwendungsempfehlungen
	Literatur
8 Clusteranalyse
	8.1	Problemstellung
	8.2	Vorgehensweise
		8.2.1	Auswahl der Clustervariablen
		8.2.2	Bestimmung der Ähnlichkeiten
			8.2.2.1 Ausgangsbeispiel und Überblick zu Proximitätsmaßen
			8.2.2.2 Proximitätsmaße bei metrisch skalierten Variablen
				8.2.2.2.1 Einfache und quadrierte Euklidische Distanz (L2-Norm)
				8.2.2.2.2 City-Block-Metrik (L1-Norm)
				8.2.2.2.3 Minkowski-Metrik (L-Normen)
				8.2.2.2.4 Pearson Korrelationskoeffizient als Ähnlichkeitsmaß
		8.2.3	Auswahl des Fusionierungsalgorithmus
			8.2.3.1 Ablaufschritte der hierarchisch-agglomerativen Verfahren
			8.2.3.2 Single Linkage, Complete Linkage und Ward-Verfahren
				8.2.3.2.1 Single Linkage-Verfahren (nächstgelegener Nachbar)
				8.2.3.2.2 Complete Linkage-Verfahren (Entferntester Nachbar)
				8.2.3.2.3 Ward-Verfahren
			8.2.3.3 Fusionierungseigenschaften ausgewählter Clusterverfahren
			8.2.3.4 Verdeutlichung der Fusionierungseigenschaften an einem erweiterten Beispiel
		8.2.4	Bestimmung der Clusterzahl
			8.2.4.1 Analyse von Scree-Plot und Elbow-Kriterium
			8.2.4.2 Regeln zur Bestimmung Clusterzahl
			8.2.4.3 Beurteilung von Robustheit und Güte einer Cluster-Lösung
		8.2.5	Interpretation einer Cluster-Lösung
		8.2.6	Empfehlungen zum Ablauf einer hierarchisch, agglomerativen Clusteranalyse
	8.3	Fallbeispiel
		8.3.1	Problemstellung
		8.3.2	Durchführung einer Cluster Analyse mit SPSS
		8.3.3	Ergebnisse
			8.3.3.1 Ausreißer-Analyse mittels Single Linkage-Verfahren
			8.3.3.2 Clusterung mithilfe des Ward-Verfahrens
			8.3.3.3 Interpretation der Zwei-Cluster-Lösung im Fallbeispiel
		8.3.4	SPSS-Kommandos
	8.4	Modifikationen und Erweiterungen
		8.4.1	Proximitätsmaße bei nicht metrischen Daten
			8.4.1.1 Proximitätsmaße bei nominalem Skalenniveau
			8.4.1.2 Proximitätsmaße bei binären Variablen
				8.4.1.2.1 Überblick und Ausgangsdaten für ein Rechenbeispiel
				8.4.1.2.2 Simple Matching, Jaccard- und RR-Ähnlichkeitskoeffizient
				8.4.1.2.3 Vergleich der Ähnlichkeitskoeffizienten
			8.4.1.3 Proximitätsmaße bei gemischt skalierter Variablenstruktur
		8.4.2	Zentrale partitionierende Clusterverfahren
			8.4.2.1 K-Means Clusteranalyse
				8.4.2.1.1 Vorgehensweise der KM-CA
				8.4.2.1.2 Durchführung einer KM-CA mit SPSS
			8.4.2.2 Two-Step Clusteranalyse
				8.4.2.2.1 Vorgehensweise der TS-CA
				8.4.2.2.2 Durchführung einer TS-CA mit SPSS
			8.4.2.3 Vergleich von KM-CA und TS-CA
	8.5	Anwendungsempfehlungen
	Literatur
9 Conjoint-Analyse
	9.1	Problemstellung
	9.2	Vorgehensweise
		9.2.1	Auswahl von Eigenschaften und Eigenschaftsausprägungen
		9.2.2	Erstellung des Erhebungsdesigns
			9.2.2.1 Definition der Stimuli
			9.2.2.2 Anzahl der Stimuli
		9.2.3	Bewertung der Stimuli
		9.2.4	Schätzung der Nutzenfunktion
			9.2.4.1 Spezifikation der Nutzenfunktion
			9.2.4.2 Schätzung der Teilnutzenwerte
			9.2.4.3 Beurteilung der geschätzten Nutzenfunktion
		9.2.5	Interpretation der Teilnutzenwerte
			9.2.5.1 Präferenzstruktur und relative Wichtigkeit einer Eigenschaft
			9.2.5.2 Standardisierung von Nutzenparametern
			9.2.5.3 Aggregierte Teilnutzenwerte
			9.2.5.4 Simulationen auf der Grundlage von Teilnutzenwerten
	9.3	Fallbeispiel
		9.3.1	Problemstellung
		9.3.2	Durchführen einer Conjoint-Analyse mit SPSS
		9.3.3	Ergebnisse
			9.3.3.1 Ergebnisse der individuellen Analyse
			9.3.3.2 Ergebnisse der gemeinsamen Schätzung
		9.3.4	SPSS-Kommandos
	9.4	CBC-Analyse (Auswahlbasierte Conjoint-Analyse)
		9.4.1	Auswahl von Eigenschaften und Eigenschaftsausprägungen
		9.4.2	Erstellung des Erhebungsdesigns
			9.4.2.1 Definition der Stimuli und Auswahlsets
			9.4.2.2 Anzahl der Auswahlsets
		9.4.3	Bewertung der Stimuli
		9.4.4	Schätzung der Nutzenfunktion
			9.4.4.1 Spezifikation der Nutzenfunktion
			9.4.4.2 Spezifikation des Auswahlmodells
			9.4.4.3 Schätzung der Nutzenparameter
			9.4.4.4 Beurteilung der geschätzten Nutzenfunktion
		9.4.5	Interpretation der Teilnutzenwerte
			9.4.5.1 Präferenzstruktur und relative Wichtigkeit einer Eigenschaft
			9.4.5.2 Disaggregierte Nutzenparameter
			9.4.5.3 Simulationen auf der Grundlage der geschätzten Nutzenparameter
	9.5	Anwendungsempfehlungen
		9.5.1	Empfehlungen zur Durchführung einer (traditionellen) Conjoint-Analyse
		9.5.2	Alternativen zur Conjoint-Analyse
	Literatur
Stichwortverzeichnis