Search results

"Als ökologische Inferenz wird der Versuch bezeichnet, mit Daten eines höheren Aggregationsniveaus (im Folgenden verkürzend als 'Aggregatebene' bezeichnet) Rückschlüsse auf Prozesse einer niedrigeren Ebene (im Folgenden 'Individualebene') zu ziehen. Angewendet wird diese Strategie dann, wenn nur Daten auf der Aggregatebene verfügbar sind, aber Prozesse auf der Individualebene im Mittelpunkt des Analyseinteresses stehen. Das zentrale forschungslogische Problem dieser Strategie ist, dass viele unterschiedliche Datenkonstellationen auf der Individualebene das auf der Aggregatebene beobachtete Muster erzeugen können. So passen zu einem amtlichen Endergebnis der Erst- und Zweitstimmen einer Partei bei einer Bundestagswahl sehr unterschiedliche Verteilungen des individuellen Wahlverhaltens. Aus der Information über die Verteilung der Erst- und Zweitstimmen kann daher im Allgemeinen nicht geschlossen werden, wie die einzelnen Wähler ihre Erst- und Zweitstimme vergeben haben. Mit dieser Uneindeutigkeit auf der Individual- also der analytisch interessierenden Ebene haben alle Methoden der ökologischen Inferenz zu kämpfen. Sie versuchen diesen Nachteil mit geballter Technologie und zahlreichen Annahmen über den datengenerierenden Prozess und die Aggregationslogik zu kompensieren." (Autorenreferat)

This title is part of UC Press's Voices Revived program, which commemorates University of California Press's mission to seek out and cultivate the brightest minds and give them voice, reach, and impact. Drawing on a backlist dating to 1893, Voices Revived makes high-quality, peer-reviewed scholarship accessible once again using print-on-demand technology. This title was originally published in 1971

Moral Inferences" draws on the expertise of world-leading researchers to provide a ground-breaking exploration of reasoning and morality. Historically, these two areas of research have largely been conducted in isolation, which has resulted in a lack of integration between the latest morality research and current theories in reasoning, despite the prominent role reasoning plays in morality. This volume will explore the relationship between the two, emphasising the importance of synthesising work from both morality and reasoning researchers in order to see the bigger picture. It will appeal to researchers from both fields, acting as a springboard for future research

The making of statistical inferences in distributional form is conceptionally complicated because the epistemic 'probabilities' assigned are mixtures of fact and fiction. In this respect they are essentially different from 'physical' or 'frequency‐theoretic' probabilities. The distributional form is so attractive and useful, however, that it should be pursued. Our approach is In line with Walds theory of statistical decision functions and with Lehmann's books about hypothesis testing and point estimation: loss functions are defined, risk functions are studied, unbiasedness and equivariance restrictions are made, etc. A central theme is that the loss function should be 'proper'. This fundamental concept has been explored by meteorologists, psychometrists, Bayesian statisticians, and others. The paper should be regarded as an attempt to reconcile various schools of statisticians. By accepting what we regard 88 good and useful in the various approaches we are trying to develop a nondogmatic approach.