Gerhard Kockläuner Knihy

Inhaltsverzeichnis1 Einführung.1. 1 Die Prozedur REGRESSION.1.2 Der Datensatz.1.3 Das lineare Regressionsmodell.2 Einfache lineare Regression.2.1 Die Methode der kleinsten Quadrate.2.2 Die Zerlegung der Stichprobenvarianz.2.3 Die Schätzung der Modellparameter.2.4 Der Vergleich einzelner Modelle.2.5 Die Matrizendarstellung der Regression.3 Modelldiagnose.3.1 Der Befehl RESIDUALS.3.2 Residuen und Modellannahmen.3.3 Einflußreiche Fälle und Ausreißer.3.4 Modelltransformationen und -erweiterungen.4 Mehrfache lineare Regression.4.1 Parameterschätzung und Parametertests.4.2 Zusätzliche Regressoren und Kollinearität.4.3 Die Auswahl der Regressoren.4.4 Residuenanalyse und Modelltransformation.4.5 Kovarianz- und Varianzanalyse.B Matrizengleichungen in der Regressionsanalyse.C Ablauf einer aggregierten und fallweisen Regressionsanalyse.D Symbolverzeichnis.Sachwortverzeichnis.

Eine umfassende Armutsmessung erfordert die Betrachtung von Inzidenz, Intensität und Ungleichheit (inequality) von Armut. Die Methoden der Armutsmessung geben diesbezüglich einen aktuellen Überblick über vorhandene statistische Ansätze der ein- und mehrdimensionalen Armutsmessung. Die einzelnen vorgestellten Armutsmaße werden dabei ausgehend von ihren mathematischen Eigenschaften entwickelt, daneben, wo möglich, auch axiomatisch eingeordnet. Aus dem Inhalt: Eindimensionale Armutsmessung: Grundlagen bei Querschnittsdaten, Armutsmessung nach Sen, Erweiterungen, Axiome der Armutsmessung, Axiomatisierung, Ordnung von Armutsmaßen, Armutsmessung im Zeitverlauf etc.; Mehrdimensionale Armutsmessung: Grundlagen bei Querschnittsdaten für quantitative bzw. qualitative Merkmale, Fuzzy-Ansatz. Die Methoden der Armutsmessung richten sich an Lehrende und Studierende von der Sozialökonomie bis zur mathematischen Wirtschaftstheorie, aber darüber hinaus auch an alle, die sich politisch mit dem Thema Armut auseinandersetzen.

Multivariate Datenanalysen untersuchen Datensätze mit Beobachtungen von in der Regel drei oder mehr Variablen. Die jeweiligen Analyseverfahren sind Interdependenz- oder Dependenzverfahren. Dependenzverfahren erfordern mindestens zwei abhängige Variablen. Die „Multivariate Datenanalyse“ stellt diese Verfahren am Beispiel eines einheitlichen Datensatzes vor. Alle Anwendungen nutzen Prozeduren des statistischen Programmpakets SPSS. Im einzelnen unterscheidet die „Multivariate Datenanlyse“ zwischen explorativen und konfirmatorischen Verfahren. Alle Verfahren werden in einer einheitlichen Darstellungsform präsentiert. So wird vom Ziel über Daten, Vorbereitung und Modell zum eigentlichen statischen Verfahren vorangeschritten. Anschließend wird jeweils mit Hilfe des statistischen Programmpakets SPSS ein Beispiel vorgestellt, dessen Interpretation das jeweilige Kapitel abschließt.