GLIM

Multivariate Analyseverfahren haben in den letzten Jahren einen gewaltigen Aufschwung in den Sozialwissenschaften erfahren. Die Vielfalt der Methoden ist fur den Forschungs­ praktiker kaum noch zu uberblicken. Mit diesem Buch wird der Versuch unternommen, ein allgemeines Modell statistischer Datenanalyse vorzustellen, das mehrere multivariate Analyseverfahren als Spezialfall enthiilt. Dazu ziihlen die klassischen Anwendungen der Regressions-, Varianz- und Kovarianzanalyse, aber auch verschiedene Methoden zur Ana­ lyse von kreuztabellierten Daten (log-lineare und logistische Modelle, GSK-Ansatz). Dieses verallgemeinerte lineare Modell wurde von NELDER und WEDDERBURN (1972) vorgeschlagen. Fur praktische Auswertungen mit diesem Ansatz steht das Programmpaket GUM zur Verfugung, das von der Numerical Algorithms Group vertrieben wird. Bisher sind sowohl der statistische Ansatz als auch das Programm G LIM in der Forschungspraxis nur sehr zogernd aufgenommen worden. Das liegt sicherlich zum groBen Teil daran, daB der Grad der statistischen Formalisierung relativ hoch und der Umfang der Programm­ dokumentation relativ gering ist. Vor allem fehlt es an konkreten Beispielen, wie man mit einem Datensatz z. B. eine Regressionsanalyse oder ein log-lineares Modell berechnet.

1 Einleitung.- 1.1 Multivariate Analyseverfahren - Ein Überblick.- 1.2 Verallgemeinerte lineare Modelle und ihre Realisierung in dem Programmpaket GLIM.- 1.3 Ein Anwendungsbeispiel.- 1.4 Gliederung dieses Buches und notwendige Vorkenntnisse.- 2 Spezifikation verallgemeinerter linearer Modelle: Theoretische Grundlagen.- 2.1 Struktur der verallgemeinerten linearen Modelle.- 2.2 Verteilungsannahmen bei verallgemeinerten linearen Modellen.- 2.3 Abhängigkeitsbeziehungen in verallgemeinerten linearen Modellen.- 2.4 Erklärende Variablen in verallgemeinerten linearen Modellen.- 2.5 Spezifikation verallgemeinerter linearer Modelle - Zusammenfassung an Hand des Beispiels.- 3 Überprüfung verallgemeinerter linearer Modelle: Theoretische Grundlagen.- 3.1 Schätzung der Regressionsparameter.- 3.2 Konfidenzintervalle der Regressionsparameter und Hypothesentests.- 3.3 Modellanpassung.- 3.4 Eigenschaften der Testverfahren.- 3.5 Multiple und partielle Bestimmtheitsmaße für verallgemeinere lineare Modelle.- 3.6 Analyse der Residuen.- 4 Anwendung verallgemeinerter linearer Modelle: Eine empirische Analyse beruflicher Wechsel.- 4.1 Metrische Zielvariablen: Statusänderungen bei Berufswechseln.- 4.2 Dichotome Zielvariablen: Abstiegsrisiko in verschiedenen Subgruppen.- 4.3 Polytome Zielvariablen: Verschiedene Arten von Tätigkeitswechseln.- 4.4 Diskrete Zielvariablen mit Individualdaten.- 4.5 Fortgeschrittene Anwendungen verallgemeinerter linearer Modelle.- 5 GLIM als Programmiersprache.- 5.1 Sprachdefinition.- 5.2 Dateneingabe und Druckausgabe.- 5.3 Datenmanipulation.- 5.4 Macros.- Statistischer Anhang.- Datenanhang.- Programmanhang.- GLIM: Kommandoübersicht.- Autorenregister.- Stichwortregister.