Zusammenfassung
In der multivariaten Datenanalyse kommt der graphischen Darstellung der mit Regressionsmodellen untersuchten Zusammenhänge eine sehr große Bedeutung zu, weil Abbildungen einen schnelleren Zugang zu den Ergebnissen ermöglichen, sich auf wesentliche Aspekte der Analysen konzentrieren und so das Erkennen von Mustern in den Daten erleichtern. Es werden daher zunächst einige graphische Grundlagen und Regeln benannt, die das Erstellen effektiver und effizienter Abbildungen ermöglichen. An konkreten Beispielen aus dem Bereich der Status-und Bildungsvererbung werden dann mehrdimensionale Datenstrukturen untersucht: Zunächst mit einfachen nicht-parametrischen Verfahren, dann mit multipler linearer, logistischer und multinomialer logistischer Regression. Die hier vorgestellten Abbildungstypen visualisieren dabei entweder die Regressionskoeffizienten samt ihrer Konfidenzintervalle, was anhand von Dot-Plots, Odds Ratio-Plots und Discrete-Change-Plots verdeutlicht wird, oder sie visualisieren vorhergesagte Werte. Zu letzteren zählt mit dem Conditional-Effect-Plot ein besonders wichtiger Abbildungstyp, der die Interpretation von regressionsanalytischen Ergebnissen deutlich vereinfachen und Fehlern in der Deutung im Idealfall vorbeugen kann. Dabei werden vorhergesagte Werte oder Wahrscheinlichkeiten (und ihre Konfidenzintervalle) für ausgewählte Ausprägungen und Kombinationen der unabhängigen Variablen in einem Koordinatensystem abgetragen.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Bortz, J. (2005). Statistik für Human-und Sozialwissenschaftler. Heidelberg: Springer Medizin Verlag, 6. Auflage.
Cook, D. R. & Weisberg, S. (1994). An Introduction to Regression Graphics. New York: John Wiley & Sons, Inc.
Jacoby, W. G. (1998). Statistical Graphics for Visualizing Multivariate Data. Thousand Oaks: Sage Publications.
Kohler, U. & Kreuter, F. (2008). Datenanalyse mit Stata. München: Oldenbourg Wissenschaftsverlag.
Krämer, W. (2005). So lügt man mit Statistik. München: Piper.
Long, J. S. & Freese, J. (2006). Regression Models for Categorical Dependent Variables Using Stata. College Station: Stata Press.
Miller, J. E. (2005). The Chicago Guide to Writing About Multivariate Analysis. Chicago: The University of Chicago Press.
Nagel, M., Benner, A., Ostermann, R., & Henschke, K. (1996). Grafische Datenanalyse. Stuttgart: Fischer.
Schnell, R. (1994). Graphisch gestützte Datenanalyse. München: Oldenbourg.
Tufte, E. R. (2001). The Visual Display of Quantitative Information. Cheshire: Graphics Press.
Wainer, H. (2000). Visual Revelations: Graphical Tales of Fate and Deception from Napoleon Bonaparte to Ross Perot. Hillsdale: Lawrence Erlbaum Associates.
Wainer, H. (2005). Graphic Discovery. A Trout in the Milk and other Visual Adventures. Princeton: Princeton University Press.
Wirth, H. & Fischer, A. (2008). ESeC -European Socioeconomic Classification. Die Operationalisierung von ESeC im kumulierten ALLBUS 1980–2006. Mannheim: GESIS, German Microdata Lab.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Bauer, G. (2010). Graphische Darstellung regressionsanalytischer Ergebnisse. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_34
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_34
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)