Zusammenfassung
Bei der Analyse multivariater Daten in der sozialwissenschaftlichen Forschung werden in der Regel zwei unterschiedliche Typen von statistischen Analysetechniken verwendet. Der erste Typ umfasst Verfahren, die auf der Tradition der Regressionsanalyse gründen. Unter Anwendung dieser Verfahren werden strukturelle Beziehungen zwischen Variablen in statistischen Modellen spezifiziert und anhand empirischer Daten überprüft. Der zweite Typ umfasst Verfahren, die in der Tradtition der Klassifikationsverfahren stehen. Ziel dieser Verfahren ist die einer Menge von Objekten zu Gruppen derart, dass die Gruppen bezüglich der einbezogenen Merkmale in sich möglichst homogen und untereinander möglichst heterogen sind. In der empirischen Sozialforschung ist es zwar üblich, diese beiden Typen von Verfahren in getrennten Analysen zu verwenden, aus statistischen Gründen ist es jedoch sinnvoll, diese beiden Typen von Verfahren in einem gemeinsamen Ansatz zu verbinden. In diesem Beitrag wird ein statistisches Analyseverfahren vorgestellt, das eine Synthese zwischen den beiden Typen statistischer Analyseverfahren herstellt. Unter Verwendung des Analyseinstruments kann eine heterogene Population aufgrund der unterschiedlichen Beziehungsstrukturen in homogene Subpopulationen zerlegt werden.
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
Aitkin, M., Anderson, D., & Hinde, J. (1981). Statistical Modelling of Data on Teaching Styles. Journal of the Royal Statistical Society, A 144, 419–461.
Arminger, G. & Stein, P. (1997). Finite Mixtures of Covariance Structure Models with Regressors. Sociological Methods Research, 26, 148–182.
Arminger, G., Stein, P., & Wittenberg, J. (1999). Mixtures of Conditional Mean and Covariance Structure Models. Psychometrika, 64, 475–494.
Becker, M. P., Yang, I., & Lange, K. (1997). EM Algorithms without Missing Data. Statistical Methods in Medical Research, 6, 37–53.
DeSarbo, W. S. & Cron, W. L. (1988). A Maximum Likelihood Methodology for Clusterwise Linear Regression. Journal of Classification, 5, 249–282.
Everitt, B. S. & Hand, D. J. (1981). Finite Mixture Distributions. London: Chapman & Hall.
Jedidi, K., Jagpal, H. S., & DeSarbo, W. S. (1997). Finite Mixture Structural Equation Models for Response-Based Segmentation and Unobserved Heterogenity. Marketing Science, 16, 39–59.
Jones, P. N. & McLachlan, G. J. (1992). Fitting Finite Mixture Models in a Regression Context. Australian Journal of Statistics, 43, 233–440.
McLachlan, G. & Peel, D. (2000). Finite Mixture Models. New York: John Wiley.
McLachlan, G. J. & Basford, K. E. (1988). Mixture Models. New York: Marcel Dekker.
Stein, P. (1997). Konstruktion und sozialwissenschaftliche Anwendung finiter Mischungen von Kovarianzstrukturmodellen. Köln: Josef Eul.
Stein, P. (2000). Modelle zur Aufdeckung unbeobachteter Heterogenität bei der Erklärung von Lebenszufriedenheit. Zeitschrift für Soziologie, 29, 138–159.
Stein, P. (2006). Mixture of Covariance Structure Models to Infinity Different Types of Live Style. Methodology, 2, 99–112.
Stein, P. & Kelleter, K. (2002). Mediennutzung und politische Partizipation. Eine Analyse finiter Mischungen konditionaler LISREL-Modelle zur Identifikation heterogener Subpopulationen. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 54, 281–303.
Titterington, D. M., Smith, A. F. M., & Makov, U. E. (1985). Statistical Analysis of Finite Mixture Distributions. Chichester: Wiley.
Yung, Y. F. (1997). Finite Mixtures in Confirmatory Factor-Analysis Models. Psychometrika, 62, 297–330.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Stein, P. (2010). Regression mit unbekannten Subpopulationen. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_30
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_30
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)