Das Lehrbuch führt in die Analyse multivariater Daten ein.
Behandelt werden neben den klassischen auch neuere Verfahren wie
Klassifikationsbäume. Jedes Verfahren wird anhand eines realen
Problems dargestellt. Darauf aufbauend wird die Zielsetzung des
Verfahrens herausgearbeitet, theoretische und praktische Aspekte
detailliert dargestellt. Für jedes im Buch behandelte Verfahren
wird die computergestützte Datenanalyse mit dem Programm S-PLUS
ausführlich beschrieben. Vorkenntnisse sind dafür nicht
erforderlich. Der Band enthält viele Übungsaufgaben.
Das Buch wendet sich an alle, die sich mit der Analyse komplexer
Datensätze beschäftigen. Die dabei benötigten unterschiedlichen
multivariaten Verfahren werden jeweils an Hand einfacher Beispiele
verständlich eingeführt. Nachdem geklärt ist, welche
Fragestellungen mit dem jeweiligen Verfahren gelöst werden können,
wird gezeigt, wie das Verfahren funktioniert. Dabei wird die
zugrundeliegende Theorie Schritt für Schritt entwickelt. Danach
werden die jeweils praxisrelevanten Probleme diskutiert. Neben den
klassischen multivariaten Verfahren werden auch neuere Verfahren
wie Klassifikationsbäume oder Silhouetten behandelt. Im letzten
Abschnitt wird gezeigt, wie die Verfahren in S-PLUS angewendet
werden. Falls ein Verfahren nicht in S-PLUS standardmäßig vorhanden
ist, wird eine Anleitung zur Implementierung in S-PLUS gegeben.
Dr. Andreas Handl lehrte über sechzehn Jahre im Bereich Statistik und Ökonometrie an der Fakultät für Wirtschaftswissenschaften. Seine Lehrveranstaltungen zeichneten sich durch besonders große Verständlichkeit, Anwendungsbezug, Liebe zum Detail und das ständige Bemühen aus, die Inhalte aus Sicht seiner Studenten zu sehen. Alle seine Lehrveranstaltungen wurden von seinen Hörern als vorbildlich eingeschätzt.
Teil I Grundlagen: Beispiele multivariater Datensätze . Elementare Behandlung der Daten. Mehrdimensionale Zufallsvariablen. Ähnlichkeits und Distanzmaße. Hauptkomponentenanalyse. Mehrdimensionale Skalierung. Procrustes Analyse. Teil III Abhängigkeitsstrukturen: Lineare Regression. Explorative Faktorenanalyse. Hierarchische loglineare Modelle. Teil IV Gruppenstruktur: Einfaktorielle Varianzanalyse. Diskriminanzanalyse. Clusteranalyse. Teil V Anhänge: A Mathematische Grundlagen. B S PLUS Funktionen. C Tabellen. Literaturverzeichnis.
