Zusammenfassung
Kategoriale Daten sind Variablen mit wenigen Ausprägungen, so dass statistische Verfahren angewendet werden können, die die Wahrscheinlichkeit des Auftretens einzelner Ausprägungen modellieren. Kategoriale Variablen können nominales, ordinales oder metrisches Messniveau haben. Wenn alle (abhängigen und unabhängigen) Variablen nur wenige Ausprägungen aufweisen, dann lässt sich ihre gemeinsame Verteilung in einer (multivariaten) Tabelle darstellen. Im Folgenden wird gezeigt, dass kategoriale Datenanalyse nichts Anderes als Regressionsanalyse mit tabellierten Häufigkeiten ist. Abhängige Variable dieser Regressionsmodelle sind entweder die Häufigkeiten selbst oder aus den Häufigkeiten errechnete Anteilswerte oder Häufigkeitsverhältnisse (Odds bzw. logarithmierte Odds). Es werden drei Ansätze vorgestellt: der so genannte GSK-Ansatz, Logit-Modelle und log-lineare Modelle. Der einführende Abschnitt 1 zeigt die Verbindungen dieser drei Ansätze zu einfachen Methoden der Tabellenanalyse. Abschnitt 2 erläutert ihre statistisch-mathematischen Grundlagen und Abschnitt 3 illustriert die drei Ansätze mit einem Anwendungsbeispiel aus der politischen Soziologie. Der Beitrag schließt mit einer Diskussion häufiger Anwendungsprobleme (Abschnitt 4) und einigen Literaturempfehlungen (Abschnitt 5)
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Agresti, A. (2002). Categorical Data Analysis. New York: Wiley, 2. Auflage.
Aldrich, J. H. (1993). Rational Choice and Turnout. American Journal of Political Science, 37, 246–278.
Andreß, H.-J., Hagenaars, J. A., & Kühnel, S. (1997). Analyse von Tabellen und kategorialen Daten. Log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz. Berlin: Springer.
Bhakpar, V. P. (1966). A Note on the Equivalence of Two Criteria for Hypotheses in Categorical Data. Journal of the American Statistical Association, 61, 228–235.
Bishop, Y. M., Fienberg, S. E., & Holland, P. W. (1975). Discrete Multivariate Analysis: Theory and Practice. Cambridge: MIT Press.
Fienberg, S. E. (1980). The Analysis of Cross-Classified Categorical Data. Cambridge: MIT Press.
Forthofer, R. N. & Lehnen, R. G. (1981). Public Program Analysis: A New Categorical Data Approach. Belmont: Wadsworth.
Grizzle, J. E., Starmer, C. F., & Koch, G. G. (1969). Analysis of Categorical Data by Linear Models. Biometrics, 25, 489–504.
Haberman, S. J. (1978). Analysis of Qualitative Data. Vol. 1: Introductory Topics. New York: Academic Press.
Haberman, S. J. (1979). Analysis of Qualitative Data. Vol. 2: New Developments. New York: Academic Press.
Hagenaars, J. A. (1990). Categorical Longitudinal Data: Log-Linear Panel, Trend, and Cohort Analysis. Newbury Park: Sage.
Knoke, D. & Burke, P. J. (1980). Log-Linear Modeling. Beverly Hills: Sage.
Koch, G. G., Landis, J. R., Freeman, J. L., Freeman, D. H., & Lehnen, R. G. (1977). A General Method for the Analysis of Experiments with Repeated Measurement of Categorical Data. Biometrics, 33, 133–159.
Küchler, M. (1979). Multivariate Analyseverfahren. Stuttgart: Teubner.
Langeheine, R. (1986). Log-lineare Modelle. In J. von Koolwijk & M. Wieken-Mayser (Hg.), Kausalanalyse, Band 8 von Techniken der empirischen Sozialforschung.(S. 122–195). München: Oldenburg.
Neyman, J. (1949). Contributions to the Theory of the Chi Square Test. In J. Neyman (Hg.), Proceedings of the First Berkeley Symposium on Mathematical Statistics and Probability(S. 230–273). Berkeley: University of California Press.
Powers, A. & Xie, Y. (2008). Statistical Methods for Categorical Data Analysis. Bingley: Emerald Group Publishing Limited.
Reynolds, H. T. (1977). The Analysis of Cross-Classifications. New York: Free Press.
Riker, W. H. & Ordeshook, P. C. (1968). A Theory of the Calculus of Voting. American Political Science Review, 62, 25–42.
Wald, A. (1943). Tests of Statistical Hypotheses Concerning General Parameters when the Number of Observations is Large. Transactions of the American Mathematical Society, 54, 426–487.
Wickens, T. D. (1989). Multiway Contingency Analysis for the Social Sciences. Hillsdale: Lawrence Erlbaum.
Woolridge, J. (2008). Introductory Econometrics: A Modern Approach. Florence: South West College Publishing.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Andreß, HJ. (2010). Analyse kategorialer Daten. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_18
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_18
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)