Zusammenfassung
Um die besonderen Eigenschaften einer logistischen Regression zu beschreiben, ist es sinnvoll, diese mit dem Alternativmodell der linearen Regressionsanalyse zu vergleichen, denn gerade im Abgleich mit der linearen Regressionsanalyse können die besonderen Stärken des Logit-Modells prägnant herausgearbeitet werden. Die logistische Regressionsanalyse kann daher am besten als statistische, methodische Antwort auf Schwächen und Probleme der linearen Regressionsanalyse begriffen werden, die sich ergeben, wenn die abhängige Variable dichotomer Natur ist.
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
Notes
- 1.
Ich begnüge mich hier und im Folgenden mit der Darstellung des bivariaten Zusammenhangs zwischen der abhängigen Variablen und einer einzigen unabhängigen Variablen. Grundsätzlich sind alle Erörterungen, die im Folgenden bezüglich des bivariaten Falls gemacht werden, auf den multivariaten Fall verallgemeinerbar. Ich bevorzuge die Darstellung des bivariaten Falls aus Gründen der Einfachheit und der Didaktik, insbesondere, weil so auch graphische Darstellungen möglich sind. Ich verschiebe die explizite Diskussion der multivariaten Analyse auf das 5. Kapitel, da hier die zu erörternden Konzepte nur sinnvoll diskutiert werden können, wenn man den multivariaten Charakter eines Modells explizit berücksichtigt.
- 2.
Ich folge hier der üblichen Konvention, Parameter in der Grundgesamtheit mit griechischen Buchstaben zu versehen und Parameter in der Stichprobe mit lateinischen.
- 3.
Genauer gesagt handelt es sich beim Standardfehler um die Wurzel aus der mittleren quadratischen Abweichung.
- 4.
German Longitudinal Election Study.
- 5.
Die „jitter“-Funktion von R, die ich hier verwende, zieht für die Verteilung der gejitterten Werte eine Gleichverteilung in einem spezifizierbaren Intervall heran, so dass die Ansammlungen der um einen Wert gruppierten gejitterten Werte in einem Rechteck um diesen auftreten.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Behnke, J. (2015). Lineare Regression und das Modell der linearen Wahrscheinlichkeit. In: Logistische Regressionsanalyse. Methoden der Politikwissenschaft. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-05082-5_2
Download citation
DOI: https://doi.org/10.1007/978-3-658-05082-5_2
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-05081-8
Online ISBN: 978-3-658-05082-5
eBook Packages: Humanities, Social Science (German Language)