Regressionsanalyse in der empirischen Wirtschafts- und Sozialforschung Band 1: Eine nichtmathematische Einführung mit SPSS und Stata

Das Lehrbuch richtet sich an Studierende und Wissenschaftler, die im Rahmen einer Forschungsarbeit selbst Daten erheben und analysieren oder die vorhandene Literatur auswerten müssen. Häufig stehen sie vor dem Problem, nur schemenhafte (und häufig wenig erfreuliche) Erinnerungen an ihre Statistik- oder Ökonometrieveranstaltungen zu besitzen. Die Regressionsanalyse ist die gängige Methode zur Untersuchung empirischer Fragestellungen in den Wirtschafts- und Sozialwissenschaften. Dabei verzichtet der Autor erstens auf jede abschreckende mathematische Ausführung. Zweitens sind die Kapitel so aufgebaut, dass ein selbständiges Studium problemlos möglich ist. Drittens wird der Leser Schritt für Schritt von der einfachsten Regression zu komplexeren Verfahren geführt. Hierzu sind jedem Kapitel die wichtigsten Lernziele und Schlüsselbegriffe vorangestellt. Jedes Kapitel schließt mit einer Reihe von Übungsaufgaben mit Lösungen. Alle Regressionsverfahren und Tests werden jeweils anhand der Statistikprogramme SPSS und Stata sowie mittels Screenshots erklärt. Behandelt werden auch komplexere Probleme (z. B. Heteroskedastie, Autokorrelation, Multikollinearität, einflussreiche Beobachtungen und Fehlspezifikation). Diese ebenfalls nicht unter mathematischen Aspekten, sondern hinsichtlich ihrer inhaltlichen Konsequenzen und möglichen Lösungen. Darüber hinaus erläutert das Buch die praktischen Schwierigkeiten der Ermittlung kausaler Wirkungen (das Roy-Rubin-Kausalmodell), der Unterscheidung von statistischer Signifikanz und inhaltlicher Relevanz sowie optimaler Stichprobenumfänge. Gesamtüberblick 5 Inhaltsverzeichnis 9 1 Einführung 13 1.1 Anwendungen und Fragestellungen 14 1.2 Die Regressionsanalyse: Beispiele 19 1.3 Datenherkunft 22 1.4 Formen von Variablen 25 1.5 Qualität und Interpretation der Daten 29 1.6 Durchführung in SPSS und Stata 31 1.7 Übungsaufgaben 34 Literatur 36 2 Grundlagen der Regressionsanalyse 37 2.1 Überblick 38 2.2 Einfache und multiple Regression 38 2.3 Überprüfung der Aussagekraft 52 2.4 Zusammenfassung 62 2.5 Durchführung in SPSS und Stata 62 2.6 Übungsaufgaben 67 A Anhang 38 Literatur 71 3 Erweiterungen des einfachen linearen Modells 73 3.1 Überblick 74 3.2 Qualitative Variablen 74 3.3 Nicht-lineare Zusammenhänge 81 3.4 Interaktionseffekte 92 3.5 Zusammenfassung 98 3.6 Durchführung in SPSS und Stata 99 3.7 Übungsaufgaben 104 A Anhang 74 Literatur 116 4 Kausalanalyse und Datenerhebung 118 4.1 Überblick 119 4.2 Das Experiment als Erhebungsmethode 119 4.3 Andere Methoden der Datengewinnung 126 4.4 Strategien zur Identifizierung kausaler Zusammenhänge 130 4.5 Übungsaufgaben 137 Literatur 140 5 Voraussetzungen und Probleme der einfachen Regression 143 5.1 Überblick 144 5.2 Heteroskedastie 145 5.3 Autokorrelation 157 5.4 Normalverteilung 163 5.5 Multikollinearität 169 5.6 Ausreißer und einflussreiche Beobachtungen 181 5.7 Fehlspezifikation 192 5.8 Fehler in den Variablen 205 5.9 Notwendiger Stichprobenumfang 206 5.10 Übungsaufgaben 213 A Anhang 144 Literatur 217 6 Modellbildung und Variablenauswahl 221 6.1 Überblick 222 6.2 Hypothesenbildung 222 6.3 Modellspezifikation 224 6.4 Präsentation der Resultate 232 6.5 Durchführung in SPSS und Stata 234 6.6 Übungsaufgaben: 240 A Anhang 6.1 222 Literatur 242 7 Grenzen und Möglichkeiten der Regression 244 7.1 Überblick 245 7.2 Die Validität empirischer Untersuchungen 245 7.3 Generalisierungsprobleme 250 7.4 Der Erkenntnisgewinn empirischer Analysen 252 7.5 Grundzüge der Regressionsanalyse im Überblick 252 7.6 Übungsaufgaben 255 Literatur 256 8 Anhang I: Grundlagen der Regression 258 8.1 Die Schätzung der Regressionskoeffizienten mittels OLS 258 8.2 Der (Bravais-Pearson-)Korrelationskoeffizient 261 8.3 Der OLS-Schätzer in Matrixschreibweise 262 Literatur 265 9 Anhang II: Grundlagen der statistischen Datenanalyse 266 9.1 Datenbeschreibung 266 9.2 Verteilungen und zentraler Grenzwertsatz 273 9.3 Hypothesenprüfung 277 Literatur 290 10 Anhang III: Beispiele frei zugänglicher Datensätze 291 10.1 Deutschland: Amtliche Statistiken 291 10.2 Deutschland: Umfragedaten 294 10.3 Internationale amtliche Statistiken 296 10.4 Internationale Umfragedaten 298 11 Anhang IV: Lösungen zu den Übungsaufgaben 300 Das Lehrbuch richtet sich an Studierende und Wissenschaftler, die im Rahmen einer Forschungsarbeit selbst Daten erheben und analysieren oder die vorhandene Literatur auswerten müssen. Häufig stehen sie vor dem Problem, nur schemenhafte (und häufig wenig erfreuliche) Erinnerungen an ihre Statistik- oder Ökonometrieveranstaltungen zu besitzen. Die Regressionsanalyse ist die gängige Methode zur Untersuchung empirischer Fragestellungen in den Wirtschafts- und Sozialwissenschaften. Dabei verzichtet der Autor erstens auf jede abschreckende mathematische Ausführung. Zweitens sind die Kapitel so aufgebaut, dass ein selbständiges Studium problemlos möglich ist. Drittens wird der Leser Schritt für Schritt von der einfachsten Regression zu komplexeren Verfahren geführt. Hierzu sind jedem Kapitel die wichtigsten Lernziele und Schlüsselbegriffe vorangestellt. Jedes Kapitel schließt mit einer Reihe von Übungsaufgaben mit Lösungen. Alle Regressionsverfahren und Tests werden jeweils anhand der Statistikprogramme SPSS und Stata sowie mittels Screenshots erklärt. Behandelt werden auch komplexere Probleme (z. B. Heteroskedastie, Autokorrelation, Multikollinearität, einflussreiche Beobachtungen und Fehlspezifikation). Diese ebenfalls nicht unter mathematischen Aspekten, sondern hinsichtlich ihrer inhaltlichen Konsequenzen und möglichen Lösungen. Darüber hinaus erläutert das Buch die praktischen Schwierigkeiten der Ermittlung kausaler Wirkungen (das Roy-Rubin-Kausalmodell), der Unterscheidung von statistischer Signifikanz und inhaltlicher Relevanz sowie optimaler Stichprobenumfänge. Der Inhalt Grundlagen der Regressionsanalyse Grundlagen und Erweiterungen des einfachen linearen Modells Kausalanalyse und Datenerhebung Voraussetzungen und Probleme der einfachen Regression Modellbildung und Variablenauswahl Möglichkeiten und Grenzen der Regression Der Autor Dr. Matthias-W. Stoetzer ist Professor für Volkswirtschaftslehre an der Ernst-Abbe-Hochschule Jena Front Matter....Pages I-XII Einführung....Pages 1-24 Grundlagen der Regressionsanalyse....Pages 25-60 Erweiterungen des einfachen linearen Modells....Pages 61-105 Kausalanalyse und Datenerhebung....Pages 107-131 Voraussetzungen und Probleme der einfachen Regression....Pages 133-210 Modellbildung und Variablenauswahl....Pages 211-233 Grenzen und Möglichkeiten der Regression....Pages 235-248 Anhang I: Grundlagen der Regression....Pages 249-256 Anhang II: Grundlagen der statistischen Datenanalyse....Pages 257-281 Anhang III: Beispiele frei zugänglicher Datensätze....Pages 283-291 Anhang IV: Lösungen zu den Übungsaufgaben....Pages 293-326