Regressionsanalyse in der empirischen Wirtschafts- und Sozialforschung Band 1: Eine nichtmathematische Einführung mit SPSS und Stata

این کتاب درسی برای دانش‌آموزان و دانشمندانی طراحی شده است که باید خودشان داده‌ها را به عنوان بخشی از یک پروژه تحقیقاتی جمع‌آوری و تجزیه و تحلیل کنند یا ادبیات موجود را ارزیابی کنند. آنها اغلب با این مشکل روبرو هستند که فقط خاطرات مبهم (و اغلب ناخوشایند) از دوره های آمار یا اقتصاد سنجی خود دارند. تحلیل رگرسیون روش رایج برای بررسی سوالات تجربی در اقتصاد و علوم اجتماعی است. اول از همه، نویسنده از هرگونه توضیح ریاضی بازدارنده خودداری می کند. ثانیاً ساختار فصول به گونه ای است که مطالعه مستقل بدون هیچ مشکلی امکان پذیر است. سوم، خواننده گام به گام از ساده ترین رگرسیون به رویه های پیچیده تر هدایت می شود. برای این منظور، قبل از هر فصل، مهمترین اهداف آموزشی و اصطلاحات کلیدی آمده است. هر فصل با مجموعه ای از تمرینات همراه با راه حل به پایان می رسد. همه روش‌ها و آزمون‌های رگرسیون با استفاده از برنامه‌های آماری SPSS و Stata و همچنین اسکرین‌شات‌ها توضیح داده می‌شوند.
مشکلات پیچیده‌تر (مانند ناهمگونی، همبستگی خودکار، چند خطی، مشاهدات تأثیرگذار و تعیین نادرست) نیز بررسی می‌شوند. این نیز نه از جنبه های ریاضی، بلکه با توجه به پیامدهای مرتبط با محتوای آنها و راه حل های ممکن. علاوه بر این، کتاب دشواری های عملی تعیین اثرات علی (مدل علّی روی-روبین)، تمایز بین اهمیت آماری و ارتباط ماهوی، و حجم نمونه بهینه را توضیح می دهد.

Das Lehrbuch richtet sich an Studierende und Wissenschaftler, die im Rahmen einer Forschungsarbeit selbst Daten erheben und analysieren oder die vorhandene Literatur auswerten müssen. Häufig stehen sie vor dem Problem, nur schemenhafte (und häufig wenig erfreuliche) Erinnerungen an ihre Statistik- oder Ökonometrieveranstaltungen zu besitzen. Die Regressionsanalyse ist die gängige Methode zur Untersuchung empirischer Fragestellungen in den Wirtschafts- und Sozialwissenschaften. Dabei verzichtet der Autor erstens auf jede abschreckende mathematische Ausführung. Zweitens sind die Kapitel so aufgebaut, dass ein selbständiges Studium problemlos möglich ist. Drittens wird der Leser Schritt für Schritt von der einfachsten Regression zu komplexeren Verfahren geführt. Hierzu sind jedem Kapitel die wichtigsten Lernziele und Schlüsselbegriffe vorangestellt. Jedes Kapitel schließt mit einer Reihe von Übungsaufgaben mit Lösungen. Alle Regressionsverfahren und Tests werden jeweils anhand der Statistikprogramme SPSS und Stata sowie mittels Screenshots erklärt.
Behandelt werden auch komplexere Probleme (z. B. Heteroskedastie, Autokorrelation, Multikollinearität, einflussreiche Beobachtungen und Fehlspezifikation). Diese ebenfalls nicht unter mathematischen Aspekten, sondern hinsichtlich ihrer inhaltlichen Konsequenzen und möglichen Lösungen. Darüber hinaus erläutert das Buch die praktischen Schwierigkeiten der Ermittlung kausaler Wirkungen (das Roy-Rubin-Kausalmodell), der Unterscheidung von statistischer Signifikanz und inhaltlicher Relevanz sowie optimaler Stichprobenumfänge.