Rudolf / Buse Multivariate Verfahren

Eine praxisorientierte Einführung mit Anwendungsbeispielen
3., überarbeitete Auflage 2019
ISBN: 978-3-8444-2900-8
Verlag: Hogrefe Publishing
Format: EPUB
Kopierschutz: 6 - ePub Watermark

E-Book, Deutsch, 459 Seiten

Gut nachvollziehbar und anwendungsorientiert werden in diesem Lehrbuch multivariate Verfahren behandelt, die für die Auswertung empirischer Untersuchungen besonders wichtig sind. In jedem Kapitel werden zunächst die Grundlagen der Verfahren unter Verwendung kleiner Beispieldatensätze dargestellt. Anhand der gleichen Datensätze wird anschließend schrittweise die praktische Umsetzung des Verfahrens in SPSS beschrieben. Für die Analyse linearer Strukturgleichungsmodelle wird AMOS verwendet. Zahlreiche Bildschirmausdrucke, Interpretationshilfen und eine lückenlose Darstellung der Analyseschritte ermöglichen das selbständige Studium und die Anwendung der Verfahren auf eigene Fragestellungen. Leserinnen und Leser, die mit SPSS oder AMOS nicht vertraut sind, werden in die notwendigen Grundlagen eingeführt.
Alle im Text verwendeten Beispieldatensätze sowie die SPSS-Syntax-Dateien aller Analysen und kommentierte R-Skripte sind auf der Web-Seite zum Buch enthalten. Zu jedem Kapitel werden außerdem Datensätze, Syntax-Dateien, kommentierte R-Skripte, Auswertungen und Ergebnisinterpretationen aus Forschungsprojekten zur Verfügung gestellt, deren Themen von arbeitspsychologischen bis zu epidemiologischen Untersuchungen reichen.
Folgende Verfahren werden behandelt: Regressionsanalyse, Varianzanalyse, Diskriminanzanalyse, Faktorenanalyse, Clusteranalyse, logistische Regressionsanalyse, Analyse loglinearer Modelle, Zeitreihenanalyse, Analyse linearer Strukturgleichungsmodelle.
Für die 3. Auflage wurden alle Kapitel aktualisiert und in verschiedenen Details erweitert. Die Abschnitte zur Arbeit mit der Statistik-Software wurden komplett überarbeitet und basieren nun auf den Programmversionen SPSS 25 bzw. AMOS 25. Zusätzlich stehen für die Umsetzung der Verfahren mit R auf der Web-Seite zum Buch kommentierte R-Skripte zur Verfügung.

Zielgruppe

Studierende (Bachelor- und Masterstudiengänge) und Lehrende der Psychologie, Sozialwissenschaften, Medizin und Betriebswirtschaftslehre sowie andere methodisch interessierte Leser.

Autoren/Hrsg.

Rudolf, Matthias

Buse, Johannes

Fachgebiete

• Sozialwissenschaften Soziologie | Soziale Arbeit Soziologie Allgemein Empirische Sozialforschung, Statistik
• Sozialwissenschaften Psychologie Psychologie / Allgemeines & Theorie Psychologische Forschungsmethoden
• Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Medizin, Gesundheitswesen Medizinische Mathematik & Informatik
• Interdisziplinäres Wissenschaften Wissenschaften: Forschung und Information Forschungsmethodik, Wissenschaftliche Ausstattung

Leseproben

|41|Kapitel 2
Regressionsanalyse
|42|Die Regressionsanalyse gehört zu den am häufigsten eingesetzten multivariaten statistischen Auswertungsverfahren. Besonders die multiple Regressionsanalyse hat große Bedeutung bei der Auswertung empirischer Untersuchungen erlangt. Während die Korrelationsanalyse lediglich Untersuchungen zu Existenz und Stärke von Zusammenhängen zwischen verschiedenen Variablen erlaubt, ist es mit der Regressionsanalyse zusätzlich möglich, die Art der Zusammenhänge zu modellieren. Dabei ist vor der Untersuchung aus inhaltlichen Gründen die Einteilung der Variablen in abhängige (Kriteriums-, Ziel-) bzw. unabhängige (Prädiktor-, Einfluss-)Variablen vorzunehmen. Nach der Form der hypothetischen Beziehung zwischen Prädiktor- und Kriteriumsvariablen unterscheidet man lineare (Abschnitte 2.1, 2.2 und 2.3) und nichtlineare Regressionsanalysen (auf die in dieser Einführung nicht eingegangen wird). Nach der Anzahl der Prädiktoren unterscheidet man einfache (Abschnitte 2.1 und 2.3.1) oder multiple (Abschnitte 2.2 und 2.3.2–2.3.6) Analyseverfahren. In diesem Kapitel werden ausschließlich Verfahren behandelt, die von intervallskalierten Kriteriumsvariablen ausgehen. Die vor allem in der Epidemiologie beim Vorliegen dichotomer Kriteriumsvariablen häufig angewendete logistische Regressionsanalyse wird in Kapitel 5 dargestellt. Weiterführende Darstellungen zur Regressionsanalyse liegen zum Beispiel von Hays (1994), Steyer (2003), Cohen et al. (2003), Bortz und Schuster (2010), Moosbrugger (2011), Fahrmeir et al. (2013), Fox (2015), Eid et al. (2017), Hayes (2017) sowie Bühner und Ziegler (2017) vor. Anwendungsbeispiel: Arbeitsmotivation In einem Chemiekonzern wurde eine Untersuchung zur Motivation am Arbeitsplatz durchgeführt. Die hiermit beauftragten Arbeitspsychologen wählten zunächst 25 Personen aus, deren Arbeitsplätze die Bandbreite der unterschiedlichen Tätigkeiten in dem Unternehmen repräsentieren sollen. Neben der Kriteriumsvariablen Arbeitsmotivation wurden Personen- und Tätigkeitsvariablen erhoben, von denen man annimmt, dass sie die Motivation beeinflussen. Diese Prädiktoren können in drei Bereiche unterteilt werden (vgl. Tabelle 2.1): Eigenschaften der Beschäftigten, Rahmenbedingungen der Tätigkeit und Inhalte der Tätigkeit. Die Variablen wurden jeweils anhand von Interviews und Verhaltensbeobachtungen auf geeigneten Skalen eingeschätzt (Intervallskalenniveau). Tabelle 2.2 enthält die Ergebnisse der Untersuchung. |43|Anhand der Beispieldaten soll untersucht werden, ob es einen statistisch signifikanten Zusammenhang zwischen der Kriteriumsvariablen Motivation und den Prädiktorvariablen gibt. Wenn ein Zusammenhang existiert, soll die beste Vorhersagemöglichkeit der Variablen Motivation aus den Prädiktorvariablen mittels multipler linearer Regressionsanalyse ermittelt werden. Variable Label Bemerkungen Kriterium Y Motivation Experten-Einschätzung der Arbeitsmotivation Prädiktoren: Eigenschaften X1 Ehrgeiz Fragebogen X2 Kreativität Fragebogen X3 Leistungsstreben Fragebogen Prädiktoren: Rahmenbedingungen X4 Hierarchie Position in der Hierarchie des Unternehmens X5 Lohn Bruttolohn pro Monat X6 Arbeitsbedingungen Zeitsouveränität, Kommunikationsstruktur usw. Prädiktoren: Inhalte der Tätigkeit X7 Lernpotential Lernpotential der Tätigkeit X8 Vielfalt Vielfalt an Teiltätigkeiten X9 Anspruch Komplexität der Tätigkeit Organismusvariable: Geschlecht X10 Geschlecht 0?=?weiblich,...