Inhalt
| Kommentar |
In der sozialwissenschaftlichen Forschung haben die abhängigen Variablen oftmals kein (quasi-)metrisches Skalenniveau, sondern weisen höchstens ein ordinales Niveau auf. Da klassische lineare Verfahren wie die lineare Regression kaum für die Analyse solcher Daten verwendet werden können, ist es wichtig, sich mit den grundsätzlichen Möglichkeiten der Analyse kategorialer Daten auseinanderzusetzen. Das Ziel des Seminars ist es daher, den TeilnehmerInnen sowohl die statistischen Grundkenntnisse von logit- und probit-Modellen für kategoriale Daten als auch die praktische Umsetzung mit Stata zu vermitteln. Der Kurs setzt Kenntnisse in Statistik und Methoden der empirischen Sozialforschung voraus und richtet sich daher an fortgeschrittene Studierende.
|
| Literatur |
Best, Henning/Wolf, Christof. 2012: Modellvergleich und Ergebnisinterpretation in Logit- und Probit-Regressionen. Kölner Zeitschrift für Soziologie und Sozialpsychologie 64(2): 377-395.
Kohler, Ulrich/Karlson, Kristian B./Holm, Anders. 2011: Comparing coefficients of nested nonlinear probability models. The Stata Journal 11(3): 420-438.
Long, J. Scott. 1997: Regression Models for Categorical and Limited Dependent Variables. Sage Publications: Thousand Oaks.
Long, J. Scott/Freese, Jeremy. 2006: Regression Models for Categorical Dependent Variables Using Stata. Stata Press: College Station.
|
