Zusammenfassung
Zählvariablen stellen einen wichtigen Datentyp in sozialwissenschaftlichen Studien dar. Sie werden immer dann betrachtet, wenn die Häufigkeit eines interessierenden Ereignisses erhoben wird. Im Rahmen einer regressionsanalytischen Modellierung, bei der die Häufigkeit des interessierenden Ereignisses als abhängige Variable auftritt, empfiehlt es sich, die diskrete Natur dieses Responses explizit zu modellieren, da die unreflektierte Anwendung des klassischen Regressionsmodells mit normalverteiltem Fehler zu Artefakten führen kann. Als Verteilungsmodelle für den Response kommen insbesondere die Poissonverteilung und die negative Binomialverteilung in Frage. Regressionsmodelle für diese Verteilungstypen werden dargestellt und Inferenztechniken skizziert. Die Regressionsmodelle lassen sich als generalisierte Regressionsmodelle (GLMs) bzw. als deren Erweiterungen verstehen. Wie für parametrische Regressionsmodelle üblich, lassen sich Verteilungskomponente, d. h. die Festlegung auf einen Verteilungstyp, und strukturelle Komponente unterscheiden. Die strukturelle Komponente bestimmt, wie die erklärenden Variablen mit dem Erwartungswert der abhängigen Variablen verknüpft sind. Für Zählmodelle empfiehlt sich die Anwendung einer Transformationsfunktion, die den Wertebereich der Zählvariable berücksichtigt. Es wird kurz auf die Behandlung erklärender Variablen verschiedenen Typs eingegangen. Während metrische Einflussgrößen direkt oder in Form von potenzierten Werten eingehen können, ist für nominale Einflussgrößen eine Kodierung in Dummyvariablen notwendig. Es werden auch kurz Erweiterungsmöglichkeiten angesprochen, die eine flexiblere nonparametrische Struktur zulassen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Cameron, A. C. & Trivedi, P. K. (1998). Regression Analysis of Count Data, Band 30 von Econometric Society Monographs. Cambridge: Cambridge University Press.
Fahrmeir, L. & Tutz, G. (2000). Multivariate Statistical Modelling Based on Generalized Linear Models. New York: Springer-Verlag.
Kleiber, C. & Zeileis, A. (2008). Applied Econometrics with R. Heidelberg: Springer Verlag.
Long, J. S. & Freese, J. (2006). Regression Models for Categorical Dependent Variables Using Stata. College Station: Stata Press.
Tutz, G. (2000). Die Analyse kategorialer Daten -eine anwendungsorientierte Einführung in Logit-Modellierung und kategoriale Regression. München: Oldenbourg Verlag.
Winkelmann, R. (1997). Count Data Models: Econometric Theory and Application to Labor Mobility. Berlin: Springer-Verlag, 2. Auflage.
Zeileis, A., Kleiber, C., & Jackman, S. (2008). Regression Models for Count Data in R. Journal of Statistical Software, 27, Issue 8.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Tutz, G. (2010). Regression für Zählvariablen. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_33
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_33
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)