Statistisches Matching mit Fuzzy Logic: Theorie und Anwendung in Sozial- und Wirtschaftswissenschaften (Entwicklung und Management von ... Datenauswertung) (German Edition)

Seit einigen Jahren wird statistisches Matching dazu eingesetzt, zusätzliche Informationen durch die Kombination mehrerer Datenquellen zu erhalten. Traditionelle Methoden ermitteln die so genannten statistischen Zwillinge auf Grundlage der Distanzen zwischen den Ausgangsdaten der Datensätze in den Matchingvariablen. Patrick Noll stellt eine alternative Methode des statistischen Matchings mit Fuzzy Logic vor, welche die Nachteile traditioneller Methoden durch die Fuzzyfizierung der Ausgangsdaten ausgleicht. Anhand zweier Anwendungsbeispiele demonstriert er die Vorgehensweise des statistischen Fuzzy-Matchings, entwickelt eine Möglichkeit zur Messung der Matching-Güte und vergleicht diese detailliert mit traditionellen Methoden. Darüber hinaus schlägt er mögliche Einsatzgebiete seines Ansatzes im Rahmen der Business Intelligence und dort insbesondere im Data Mining vor. 3834808369......Page 1 Geleitwort......Page 6 Vorwort......Page 8 Inhaltsverzeichnis......Page 10 Tabellenverzeichnis......Page 13 Abbildungsverzeichnis......Page 16 1 Einleitung......Page 18 2 Statistisches Matching......Page 25 2.1 Grundlagen des statistischen Matchings......Page 26 2.2 Annahmen und Merkmale des traditionellenMatching-Prozesses......Page 28 2.3 Propensity Score Matching......Page 32 2.4 Constrained versus unconstrained Matching......Page 35 2.5 Kritik am statistischen Matching......Page 38 3 Grundlagen der Fuzzy Logic......Page 41 3.1.1 Das allgemeine Fuzzy Set......Page 42 3.1.2 Unscharfe Zahlen......Page 44 3.2 Operationen und Eigenschaften unscharferMengen......Page 46 3.2.2 Modellierte Operationen......Page 47 3.2.2.1 t-Normen......Page 48 3.2.2.2 s-Normen......Page 49 3.2.2.3 Kompensatorische Operatoren......Page 50 3.3 Linguistische Ausdrücke......Page 53 3.4 Beschaffung von Zugehörigkeitsfunktionen......Page 55 3.4.1 Subjektive Interpretation von Zugehörigkeitsfunktionen......Page 56 3.4.2 Objektive Ermittlung von Zugehörigkeitsfunktionen......Page 58 3.4.2.1 Clusteranalyse......Page 59 3.4.2.2 Fuzzy-Clusteranalyse......Page 60 3.5 Fuzzy-Regeln......Page 65 4.1 Einleitung und Motivation......Page 69 4.2 Festlegung der linguistischen Ausdrücke......Page 71 4.2.2 Linguistische Terme......Page 72 4.3 Bestimmung der Zugehörigkeitsfunktionen......Page 74 4.4 Aufbau der Regelbasis......Page 77 4.5 Zugehörigkeitsgrade der Datensätze zurRegelbasis......Page 80 4.5.2 s-Normen......Page 81 4.5.3 Kompensatorische Operatoren......Page 82 4.6.1 Allgemeiner Distanzbegriff......Page 85 4.6.2 Ermittlung der Distanzen zwischen den Datensätzen......Page 86 4.6.2.1 Absolute Distanz......Page 88 4.6.2.2 Euklidische Distanz......Page 89 4.6.3 Constrained und unconstrained Fuzzy-Matching......Page 90 4.7 Transformationsfunktionen......Page 91 5.2 Aufbau des Programms......Page 94 5.2.1 Eingabe der Daten und Festlegung der Parameter......Page 95 5.2.2 Bestimmung der Zugehörigkeitsfunktionen undFuzzyfizierung der Ausgangsdaten......Page 98 5.2.3 Berechnung der Zugehörigkeitsgrade zur Regelbasis......Page 101 5.2.4 Ermittlung der Distanzen zwischen Cases und Controls......Page 103 5.2.5 Identifizierung der statistischen Zwillinge......Page 104 5.2.6 Ausgabe der Ergebnisse......Page 107 6.1 Einstellungen von Arbeitslosen undErwerbstätigen zur deutschen Vereinigung......Page 108 6.1.1 Allgemeine Bevölkerungsumfrage derSozialwissenschaften ALLBUS 2006......Page 109 6.1.2 Auswahl der Arbeitslosen und Erwerbstätigen......Page 110 6.1.3 Matching von Arbeitslosen mit Erwerbstätigen......Page 112 6.1.3.1 Linguistische Terme und Zugehörigkeitsfunktionen......Page 113 6.1.3.2 Matching-Güte......Page 120 6.1.4 Ergebnisse......Page 143 6.1.4.1 Einstellungen zur deutschen Vereinigung......Page 146 6.1.4.2 Neue Erkenntnisse über Einstellungen zur deutschen Vereinigungdurch Fuzzy-Matching......Page 148 6.1.4.3 Erkenntnisse über Einstellungen zur deutschen Vereinigung durcheinfaches Distanzmatching......Page 151 6.1.5 Zusammenfassung......Page 152 6.2 Nutzer sozialer Online-Netzwerke undEinstellungen gegenüber Weblogs......Page 157 6.2.1.2 Wie ich blogge?! Die Weblog-Umfrage 2005......Page 158 6.2.2 Vergleichbarkeit der verwendeten Daten......Page 159 6.2.3.1 Auswahl der Matchingvariablen......Page 162 6.2.3.2 Festlegung der linguistischen Terme......Page 164 6.2.3.3 Matching-Güte......Page 167 6.2.4 Gewichtung der Matchingvariablen......Page 176 6.2.5 Ergebnisse......Page 181 6.2.5.1 Mitglieder sozialer Online-Netzwerke als Blogger......Page 182 6.2.5.2 Verhalten von Blog-Autoren in sozialen Online-Netzwerken......Page 185 6.2.5.3 Verhalten von Blog-Lesern in sozialen Online-Netzwerken......Page 189 6.2.6 Zusammenfassung......Page 192 7.1 Zusammenfassung......Page 194 7.2 Fazit......Page 196 7.3 Ausblick......Page 199 A Ridit-Werte und Ridit-Test......Page 201 B Einstellungen zur deutschen Vereinigung vonArbeitslosen und ihren statistischen Zwillingen......Page 202 C Quellcode des Programms zum statistischenFuzzy-Matching......Page 210 Literaturverzeichnis......Page 226 Sachverzeichnis......Page 250 Vieweg+Teubner 3834808369 1 Geleitwort 6 Vorwort 8 Inhaltsverzeichnis 10 Tabellenverzeichnis 13 Abbildungsverzeichnis 16 1 Einleitung 18 2 Statistisches Matching 25 2.1 Grundlagen des statistischen Matchings 26 2.2 Annahmen und Merkmale des traditionellenMatching-Prozesses 28 2.3 Propensity Score Matching 32 2.4 Constrained versus unconstrained Matching 35 2.5 Kritik am statistischen Matching 38 3 Grundlagen der Fuzzy Logic 41 3.1 Unscharfe Mengen 42 3.1.1 Das allgemeine Fuzzy Set 42 3.1.2 Unscharfe Zahlen 44 3.2 Operationen und Eigenschaften unscharferMengen 46 3.2.1 Elementaroperationen 47 3.2.2 Modellierte Operationen 47 3.2.2.1 t-Normen 48 3.2.2.2 s-Normen 49 3.2.2.3 Kompensatorische Operatoren 50 3.3 Linguistische Ausdrücke 53 3.4 Beschaffung von Zugehörigkeitsfunktionen 55 3.4.1 Subjektive Interpretation von Zugehörigkeitsfunktionen 56 3.4.2 Objektive Ermittlung von Zugehörigkeitsfunktionen 58 3.4.2.1 Clusteranalyse 59 3.4.2.2 Fuzzy-Clusteranalyse 60 3.5 Fuzzy-Regeln 65 4 Statistisches Fuzzy-Matching 69 4.1 Einleitung und Motivation 69 4.2 Festlegung der linguistischen Ausdrücke 71 4.2.1 Linguistische Variablen 72 4.2.2 Linguistische Terme 72 4.3 Bestimmung der Zugehörigkeitsfunktionen 74 4.4 Aufbau der Regelbasis 77 4.5 Zugehörigkeitsgrade der Datensätze zurRegelbasis 80 4.5.1 t-Normen 81 4.5.2 s-Normen 81 4.5.3 Kompensatorische Operatoren 82 4.6 Identifikation der statistischen Zwillinge 85 4.6.1 Allgemeiner Distanzbegriff 85 4.6.2 Ermittlung der Distanzen zwischen den Datensätzen 86 4.6.2.1 Absolute Distanz 88 4.6.2.2 Euklidische Distanz 89 4.6.3 Constrained und unconstrained Fuzzy-Matching 90 4.7 Transformationsfunktionen 91 5 Programmtechnische Umsetzung desstatistischen Fuzzy-Matchings 94 5.1 Programmierumgebung 94 5.2 Aufbau des Programms 94 5.2.1 Eingabe der Daten und Festlegung der Parameter 95 5.2.2 Bestimmung der Zugehörigkeitsfunktionen undFuzzyfizierung der Ausgangsdaten 98 5.2.3 Berechnung der Zugehörigkeitsgrade zur Regelbasis 101 5.2.4 Ermittlung der Distanzen zwischen Cases und Controls 103 5.2.5 Identifizierung der statistischen Zwillinge 104 5.2.6 Ausgabe der Ergebnisse 107 6 Anwendungsbeispiele des statistischenFuzzy-Matchings 108 6.1 Einstellungen von Arbeitslosen undErwerbstätigen zur deutschen Vereinigung 108 6.1.1 Allgemeine Bevölkerungsumfrage derSozialwissenschaften ALLBUS 2006 109 6.1.2 Auswahl der Arbeitslosen und Erwerbstätigen 110 6.1.3 Matching von Arbeitslosen mit Erwerbstätigen 112 6.1.3.1 Linguistische Terme und Zugehörigkeitsfunktionen 113 6.1.3.2 Matching-Güte 120 6.1.4 Ergebnisse 143 6.1.4.1 Einstellungen zur deutschen Vereinigung 146 6.1.4.2 Neue Erkenntnisse über Einstellungen zur deutschen Vereinigungdurch Fuzzy-Matching 148 6.1.4.3 Erkenntnisse über Einstellungen zur deutschen Vereinigung durcheinfaches Distanzmatching 151 6.1.5 Zusammenfassung 152 6.2 Nutzer sozialer Online-Netzwerke undEinstellungen gegenüber Weblogs 157 6.2.1 Beschreibung der verwendeten Daten 158 6.2.1.1 Mehrwert sozialer Online-Netzwerke aus Benutzersicht 158 6.2.1.2 Wie ich blogge?! Die Weblog-Umfrage 2005 158 6.2.2 Vergleichbarkeit der verwendeten Daten 159 6.2.3 Matching von Nutzern sozialer Online-Netzwerke mitAutoren und Lesern von Weblogs 162 6.2.3.1 Auswahl der Matchingvariablen 162 6.2.3.2 Festlegung der linguistischen Terme 164 6.2.3.3 Matching-Güte 167 6.2.4 Gewichtung der Matchingvariablen 176 6.2.5 Ergebnisse 181 6.2.5.1 Mitglieder sozialer Online-Netzwerke als Blogger 182 6.2.5.2 Verhalten von Blog-Autoren in sozialen Online-Netzwerken 185 6.2.5.3 Verhalten von Blog-Lesern in sozialen Online-Netzwerken 189 6.2.6 Zusammenfassung 192 7 Zusammenfassung, Fazit und Ausblick 194 7.1 Zusammenfassung 194 7.2 Fazit 196 7.3 Ausblick 199 Anhang 201 A Ridit-Werte und Ridit-Test 201 B Einstellungen zur deutschen Vereinigung vonArbeitslosen und ihren statistischen Zwillingen 202 C Quellcode des Programms zum statistischenFuzzy-Matching 210 Literaturverzeichnis 226 Sachverzeichnis 250 ISBN-13:,9783834808363