Henning Best

Handbuch der sozialwissenschaftlichen Datenanalyse

The first € price and the £ and

The Sage handbook of regression analysis and causal inference

price are net prices, subject to local VAT. Prices indicated with * include VAT for books; the €(D) includes 7% for Germany, the €(A) includes 10% for Austria. Prices indicated with ** include VAT for electronic products; 19% for Germany, 20% for Austria. All prices exclusive of carriage charges. Prices and other details are subject to change without notice. All errors and omissions excepted. C. Wolf, H. Best (Hrsg.) Handbuch der sozialwissenschaftlichen Datenanalyse

Analysen zur Zeitreihenfähigkeit der Media-Analyse

Introduction - Christof Wolf and Henning Best PART I: ESTIMATION AND INFERENCE Estimation Techniques: Ordinary least squares and maximum likelihood - Martin Elff Bayesian Estimation of Regression Models - Susumu Shikano PART II: REGRESSION ANALYSIS FOR CROSS-SECTIONS Linear Regression - Christof Wolf and Henning Best Regression Analysis: Assumptions and Diagnostics - Bart Meuleman, Geert Loosveldt and Viktor Emonds Non-Linear and Non-Additive Effects in Linear Regression - Henning Lohmann The Multilevel Regression Model - Joop Hox and Leoniek Wijngaards-de Meij Logistic Regression - Henning Best and Christof Wolf Regression Models for Nominal and Ordinal Outcomes - J. Scott Long Graphical Display of Regression Results - Gerrit Bauer Regression With Complex Samples - Steven G. Heeringa, Brady T. West and Patricia A. Berglund PART III: CAUSAL INFERENCE AND ANALYSIS OF LONGITUDINAL DATA Matching Estimators for Treatment Effects - Markus Gangl Instrumental Variables Regression - Christopher Muller, Christopher Winship and Stephen L. Morgan Regression Discontinuity Designs in Social Sciences - David S. Lee and Thomas Lemieux Fixed-effects Panel Regression - Josef Bruderl and Volker Ludwig Event History Analysis - Hans-Peter Blossfeld and Gwendoline J. Blossfeld Time-Series Cross-Section - Jessica Fortin-Rittberger

Einführung: Sozialwissenschaftliche Datenanalyse

In der vergleichenden Sozialforschung zum sozialen Wandel werden als Datenbasis oft wiederholte Querschnittserhebungen genutzt, um Fragen im Zeitvergleich mit reprasentativen Erhebungen beantworten zu konnen. Dabei kommt es haufig zu Anderungen in der Erhebungsmethodik und in der Operationalisierung spezifischer Variablen. Daraus resultiert die Notwendigkeit, die unterschiedlichen Messungen zu prufen, zu harmonisieren und hierdurch – soweit moglich – uber die Zeit vergleichbar zu machen. Dieser Prozess ahnelt den Anpassungsprozeduren bei international vergleichenden Umfragen (Ehling 2003). Thema dieses Beitrages ist es, die daraus resultierende Problematik am Beispiel einer Untersuchung mit besonders vielen Erhebungszeitpunkten zu beschreiben. Exemplarisch soll aufgezeigt werden, wie der Umgang mit Methodeneffekten erfolgen kann. Quelle fur die Untersuchungen sind die Media-Analysen (MA), die seit 1972 im Auftrag der Arbeitsgemeinschaft Media-Analyse die Nutzung von elektronischen Medien (d.h. Radio und Fernsehen) erheben, um die Werbewirksamkeit einzelner Sender zu ermitteln. Die MA dient hierdurch allen Programmanbietern und der Werbewirtschaft als zentrale Informationsquelle uber die Nutzung der Medien Radio, Fernsehen, Zeitungen/Zeitschriften, Kino, Lesezirkel und – gesondert erhoben – von Plakaten und Onlineangeboten. Die jeweils aktuellen Daten des letzten Erhebungsjahres stehen zunachst nur den Mitgliedern der AG.MA fur planungsrelevante Entscheidungen zur Verfugung. Nach einer Karenzzeit sind die Datensatze stets an die GESIS -Leibniz-Institut fur Sozialwissenschaften (fruher: Zentralarchiv fur empirische Sozialforschung) zur wissenschaftlichen Verwendung weitergegeben worden. Das Medienwissenschaftliche Lehr-und Forschungszentrum (MLFZ) bereitet die ursprunglich fur kommerzielle Zwecke erhobenen Daten technisch wie inhaltlich auf und ermoglicht es der wissenschaftlichen Community die MA-Daten fur wissenschaftliche Sekundaranalysen des Wandels der Mediennutzung und der Sozialstruktur in Deutschland zu nutzen.

Modellvergleich und Ergebnisinterpretation in Logit- und Probit-Regressionen

Sozialwissenschaft, wie wir sie heute kennen, ist vor allem durch ihre starke empirische Ausrichtung gekennzeichnet. Bereits 1967 bemerkte Rene Konig, dass Wissenschaft, und damit auch die Soziologie, „letztlich nur als empirische Forschung moglich“ ist (Konig 1967, S. 3). Mittlerweile hat sich diese Einsicht durchgesetzt und die quantitativempirische Forschung ist zum Standard in den Sozialwissenschaften geworden. Fleck (2010) untersucht die Verbreitung der empirischen Forschung seit Ende des zweiten Weltkrieges am Beispiel von Veroffentlichungen in der American Sociological Review (ASR) und der Kolner Zeitschrift fur Soziologie und Sozialpsychologie (KZfSS) und berichtet, dass seit den 1990er Jahren ca. 90% der Beitrage auf – vornehmlich quantitativer – empirischer Forschung beruhen. Fur das Jahr 2008 findet er sogar 100% empirische Beitrage in der Kolner Zeitschrift und immerhin 98% in der ASR. Um moderne sozialwissenschaftliche Forschung zu verstehen und betreiben zu konnen, sind folglich hinreichende Kenntnisse in quantitativen Methoden und modernen statistischen Verfahren notwendig.