Regressionsmodelle fur Zustande und Ereignisse: Eine Einfuhrung

در 20 سال گذشته، تحقیقات علوم اجتماعی توجه خود را بر روی رویدادهایی متمرکز کرده است که در طول زمان یا در فواصل زمانی مشخص رخ می دهند. روش های رگرسیون توسعه یافته برای تجزیه و تحلیل آماری این رویدادها در این کتاب درسی مقدماتی به صورت واضح و کاربردی ارائه شده است. وجه مشترک این روش ها این است که آنها برای متغیرهای وابسته که به طور مداوم به طور معمول توزیع نمی شوند - که بیشتر قاعده رویدادها است - توسعه یافته اند. ترکیب خطی متغیرهای توضیحی و ضرایب تخمینی از طریق توابع پیوندی خاص به منظور پیش‌بینی کمیت‌هایی که باید توضیح داده شوند و در نهایت مورد علاقه هستند، تبدیل می‌شوند. اینها شامل مدل رگرسیون لجستیک، مدل‌هایی برای داده‌های شمارش، مدل پروبیت دو متغیره و مدل‌هایی برای نرخ‌های انتقال است.
هدف کتاب این است که اصول اولیه این روش‌های رگرسیون پیشرفته را برای خواننده قابل درک کند. هدف این است که شما را تشویق کنیم تا از این مدل‌ها تا حد امکان استفاده کنید، بدون اینکه از پیچیدگی واقعی فرآیند چشم‌پوشی کنید.

In den letzten 20 Jahren hat die sozialwissenschaftliche Forschung vermehrt ihre Aufmerksamkeit auf Ereignisse gerichtet, die entweder im Zeitverlauf oder in definierten Zeitintervallen eintreten. Die für die statistische Analyse dieser Ereignisse entwickelten Regressionsverfahren werden in diesem einführenden Lehrbuch anschaulich und anwendungsorientiert dargestellt. Gemeinsam ist diesen Verfahren, dass sie für abhängige Variablen entwickelt wurden, die nicht stetig normal verteilt sind – was bei Ereignissen eher die Regel ist. Die lineare Kombination von erklärenden Variablen und geschätzten Koeffizienten wird über je spezifische Linkfunktionen transformiert, um die letztlich interessierenden zu erklärenden Größen vorherzusagen. Dazu gehören das logistische Regressionsmodell, Modelle für Zähldaten, das bivariate Probitmodell und Modelle für Übergangsraten.
Der Anspruch des Buches besteht darin, den Leserinnen und Lesern die Grundprinzipien dieser fortgeschrittenen Regressionsverfahren verständlich zu machen. Sie sollen durch einen möglichst leichten Einstieg in die Thematik zur Anwendung dieser Modelle angeregt werden, ohne dabei jedoch die faktische Komplexität der Verfahren aus dem Blick zu verlieren.