: Matthias Rudolf, Johannes Müller
: Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS
: Hogrefe Verlag Göttingen
: 9783840924033
: 2
: CHF 29.80
:
: Geisteswissenschaften, Kunst, Musik
: German
: 414
: Wasserzeichen/DRM
: PC/MAC/eReader/Tablet
: PDF
Gut nachvollziehbar und anwendungsorientiert werden in diesem Buch 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 der Verfahren 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. Leser, die mit SPSS oder AMOS nicht vertraut sind, werden in die notwendigen Grundlagen eingeführt. Alle im Text verwendeten Beispieldatensätze sowie die Syntax-Dateien aller Analysen sind auf der Web-Seite zum Buch enthalten. Zusätzlich sind zu jedem Kapitel Datensätze, Syntax- Dateien, Auswertungen und Ergebnisinterpretationen aus Forschungsprojekten enthalten, 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. Neu aufgenommen wurden in der 2. Auflage die Diskriminanzanalyse, die Analyse von Moderator- bzw. Mediatoreffekten sowie eine Einführung in die Arbeit mit der SPSS-Syntax.
1.2 Beispiele einfacher Datenanalysen Nach Eingabe und Speichern der ersten Datenmenge soll die zweite Datenmenge eingegeben und unter dem Namen Datenmenge2.sav gespeichert werden. Vor der Eingabe der zweiten Datenmenge muss ein leerer Dateneditor (vgl. Abbildung 1.2) erzeugt werden. Schließen Sie dazu die Datei Datenmenge1.sav (Auswahl von Datei, Neu und Daten im Hauptmenü (vgl. Abbildung 1.2)), ohne sie erneut zu speichern. Anschließend ist die Abfolge von Abbildung 1.2 bis Abbildung 1.8 für die Daten aus Tabelle 1.3 zu wiederholen. Mit dieser zweiten Datenmenge sollen nun exemplarisch einige Häufigkeitsverteilungen und deskriptive Kennwerte ermittelt werden. Wählen Sie hierzu, wie in Abbildung 1.9 gezeigt, im Hauptmenü die Option Analysieren [1].
Multivariate Verfahren1
Vorwort zur zweiten Auflage7
Inhalt9
Kapitel 1 - Einführung in die Arbeit mit SPSS13
1.1 Dateneingabe16
1.2 Beispiele einfacher Datenanalysen22
1.3 Zur Arbeit mit der SPSS-Syntax32
Kapitel 2 - Regressionsanalyse39
2.1 Einfache lineare Regression42
2.2 Multiple lineare Regression50
2.3 Anwendungsbeispiel in SPSS70
Kapitel 3 - Varianzanalyse97
3.1 Einfaktorielle Varianzanalyse100
3.2 Zweifaktorielle Varianzanalyse111
3.3 Kovarianzanalyse118
3.4 Multivariate Varianzanalyse120
3.5 Varianzanalyse mit Messwiederholungen122
3.6 Anwendungsbeispiel in SPSS127
Kapitel 4 - Diskriminanzanalyse151
4.1 Lineare Diskriminanzanalyse bei zwei Gruppen154
4.2 Lineare Diskriminanzanalyse bei mehr als zwei Gruppen166
4.3 Anwendungsbeispiel in SPSS172
Kapitel 5 - Logistische Regression185
5.1 Odds Ratio188
5.2 Modell der logistischen Regression190
5.3 Schätzungen, Tests und Modellgüte193
5.4 Anwendungsbeispiel in SPSS199
Kapitel 6 - Analyse mehrdimensionaler Häufigkeitstabellen217
6.1 Häufigkeitsanalyse in zweidimensionalen Kreuztabellen219
6.2 Loglineare Modelle224
6.3 Anwendungsbeispiel in SPSS228
Kapitel 7 - Zeitreihenanalyse241
7.1 Zeitreihendarstellung und Stationarität244
7.2 Trendanalyse247
7.3 Schwingungsanalyse251
7.4 Überblick über weitere Methoden der Zeitreihenanalyse258
7.5 Anwendungsbeispiel in SPSS260
Kapitel 8 - Clusteranalyse281
8.1 Vorgehensweise283
8.2 Interpretation einer hierarchischen Clusterlösung292
8.3 Anwendungsbeispiel in SPSS294
Kapitel 9 - Faktorenanalyse309
9.1 Modell und Voraussetzungen der Faktorenanalyse312
9.2 Hauptkomponentenmethode313
9.3 Bestimmung der Anzahl der Faktoren317
9.4 Varimax-Rotation320
9.5 Interpretation und Beurteilung der Güte der Faktorenlösung323
9.6 Anwendungsbeispiel in SPSS326
Kapitel 10 - Lineare Strukturgleichungsmodelle339
10.1 Korrelationen und Kausalität342
10.2 Pfaddiagramme und lineare Strukturgleichungen347
10.3 Struktur- und Messmodell349
10.4 Modellspezifikationen352
10.5 Schätzungen, Tests und Gütekriterien355
10.6 Anwendungsbeispiel in AMOS361
Anhang393
Glossar395
Inhalt der Website403
Literatur405
Sachverzeichnis411