Matthias-W. Stoetzer

Regressionsanalyse in der empirischen Wirtschafts- und Sozialforschung Band 2

Komplexe Verfahren

• Broschiertes Buch

Produktbeschreibung

Dieses Lehrbuch ist der Folgeband zu "Regressionsanalyse in der empirischen Wirtschafts- und Sozialforschung Band 1". Es richtet sich an Studierende und Wissenschaftler, die im Rahmen einer Forschungsarbeit Daten analysieren oder vorhandene empirische Publikationen auswerten müssen. Regressionsanalysen stellen die wichtigsten Verfahren zur Untersuchung empirischer Fragestellungen in den Wirtschafts- und Sozialwissenschaften dar. Im Unterschied zu anderen ökonometrischen oder statistischen Lehrbüchern verzichtet der Autor auf abschreckende mathematische Ausführungen. Alle Aspekte werden verbal und grafisch erläutert. Die Kapitel sind so aufgebaut, dass ein selbständiges Studium problemlos möglich ist. Lesende werden Schritt für Schritt in komplexere Verfahren eingeführt.

Dabei sind sämtlichen Kapiteln die wichtigsten Lernziele und Schlüsselbegriffe vorangestellt. Jedes Kapitel schließt mit einer Reihe von Übungsaufgaben einschließlich Lösungen. Praxisorientiert werden alle Regressionsverfahren und Tests anhand der Statistikprogramme SPSS und Stata sowie mittels Screenshots erklärt.

Zusätzliche Fragen per App
Laden Sie die Springer Nature Flashcards-App kostenlos herunter und nutzen Sie exklusives Zusatzmaterial, um Ihr Wissen zu prüfen.

Produktdetails

• Verlag: Springer Berlin Heidelberg / Springer Gabler / Springer, Berlin
• Artikelnr. des Verlages: 978-3-662-61437-2
• 1. Aufl. 2020
• Seitenzahl: 388
• Erscheinungstermin: Oktober 2020
• Deutsch
• Abmessung: 240mm x 168mm x 21mm
• Gewicht: 656g
• ISBN-13: 9783662614372
• ISBN-10: 3662614375
• Artikelnr.: 58759161

Autorenporträt

Dr. Matthias-W. Stoetzer ist Professor für Volkswirtschaftslehre an der Ernst-Abbe-Hochschule Jena.

Inhaltsangabe

1. Einführung: Kausale Aussagen und Prognosemodelle.- 2. Abhängige Variablen mit begrenztem Wertebereich.- 3. Zeitreihenanalyse und dynamische Modelle.- 4. Paneldatenanalyse.- 5. Instrumentvariablen.- 6. Strukturgleichungsmodelle.- 7. Fehlende Werte (Missing values).- 8. Ergänzungen.