Multivariate Analyseverfahren

1. Einführung.- 1.1. Aufgabe und Stellenwert komplexer Analyseverfahren.- 1.2. Multivariate Analyseverfahren im Überblick.- 1.3. Hinweise zu Aufbau und Benutzung des Texts.- 2. Regression als deskriptives Analysemodell.- 2.1. Die Regression zweier Merkmale.- 2.2. Die Einbeziehung eines dritten Merkmals.- 2.3. Der allgemeine Regressionsansatz.- 3. Voraussetzungen und Aussagewert statistischer Inferenz.- 3.1. Der klassische Fall: Zufallsstichproben.- 3.2. Der Begriff des hypothetischen Universums.- 4. Inferenzschlüsse im metrischen Regressionsmodell.- 4.1. Wahrscheinlichkeitsverteilung der Regressionskoeffizienten.- 4.2. Varianzanalytische Überlegungen und F-Test.- 5. Regression mit nicht-metrischen unabhängigen Variablen: Varianzanalyse.- 5.1. Orthogonale und nicht-orthogonale Ansätze.- 5.2. Die Design-Matrix für polytome Merkmale.- 5.3. Der Einfluß eines Kodierungswechsels.- 6. Der GSK - Ansatz.- 6.1. Metrisierungen der Zielvariablen.- 6.2. Die Design-Matrix.- 6.3. Die Betrachtung von saturierten Modellen.- 6.4. Der Weg zum 'besten' Modell.- 6.5. Hinweise zur Benutzung des NONMET-Programms.- 6.6. Statistische Grundlagen des GSK-Ansatzes.- 7. GOODMANs 'General Model'.- 7.1. Allgemeine Grundzüge des GOODMAN-Ansatzes.- 7.2. Das Testen von unsaturierten Modellen.- 7.3. Strukturgleichungen und Pfadanalyse.- 7.4. Vergleich zwischen log-linearen Modellen im GOODMAN- und im GSK-Ansatz.- 7.5. Hinweise zur Benutzung des ECTA-Programms.