Suchergebnisse

Dieses Buch gibt einen vollständigen Überblick über Lineare Modelle und verwandte Gebiete, z.B. die Matrixtheorie. Das Buch umfasst Theorie und Anwendungen. Zahlreiche Beispiele sowie Datensätze, Tests und Grafiken (Tests auf Strukturbrüche/Parameterkonstanz) auf einer Website dienen der Anwendungsorientierung. Ein eigenes, relativ umfangreiches Kapitel zur Matrixtheorie stellt die notwendigen methodischen Hilfsmittel für die Beweise der Sätze im Text bereit und vermittelt eine Auswahl klassischer und moderner algebraischer Resultate. Das Buch ist vor allem als begleitendes Lehrmaterial für Studenten, für die Forschung auf dem Gebiet der Linearen Modelle sowie für Dozenten und Studenten höherer Semester der Wirtschaftswissenschaften angelegt

Mit Bootstrap stellt der Verfasser ein Verfahren vor, das eine der asymptotischen Verteilung zumindest gleichwertige Approximation an die Verteilung des standardisierten Schätzers bei kleinen Stichprobenumfängen gewährleistet. Nach einer kurzen Präzisierung der im Zusammenhang mit Generalisierten Linearen Modellen verwendeten Terminologie stellt der Verfasser das Bootstrap-Verfahren für den Fall des Generalisierten Linearen Modells dar und beschreibt ein allgemeines Generalisiertes Lineares Modell mit Skalenparameter. Im Folgenden wird anhand eines Datensatzes die Durchführung der Bootstrap-Schätzung exemplifiziert. Abschließend wird eine an diesen Datensatz angelehnte Simulationsstudie vorgelegt, die die Wirkungsweise des Verfahrens illustriert. (WZ)

1 Statistische Modellbildung für Paneldaten -- 1.1 Allgemeine Bemerkungen -- 1.2 Fehlspezifikation im linearen Modell -- 1.3 Dynamik und unbeobachtete Heterogenität -- 1.4 Modellklassen zur Analyse von Paneldaten -- 1.5 Wahl des Beispieldatensatzes und der Analyseprogramme -- 2 Schätzung von Kovarianzstrukturmodellen -- 2.1 Modellformulierung -- 2.2 Pseudo-Maximum-Likelihood-Schätzung -- 2.3 Schätzung aus Mittelwertmodellen -- 2.4 Das Instrumentvariablenprinzip -- 3 Beschreibung des Beispieldatensatzes -- 4 Behandlung fehlender Daten -- 4.1 Statistische Voraussetzungen -- 4.2 Schätzung der Erwartungswerte und der Kovarianzmatrix bei fehlenden Daten -- 5 Statische Modelle -- 5.1 Einfache statische Modelle -- 5.2 Statische Modelle mit unbeobachteten unabhängigen Variablen -- 5.3 Statische Modelle mit Autokorrelation -- 6 Statische Modelle mit latenten Variablen -- 6.1 Einfache statische Modelle mit latenten Variablen -- 6.2 Statische latente Variablenmodelle mit unbeobachteten unabhängigen Variablen -- 6.3 Latente Variablenmodelle mit Autokorrelation der Fehler im Strukturgleichungsmodell -- 7 Dynamische Modelle -- 7.1 Einfache dynamische Modelle -- 7.2 Dynamische Modelle mit unbeobachteten unabhängigen Variablen -- 7.3 Analyse von Paneldaten mit ungleichen Wellenabständen -- 8 Dynamische Modelle mit latenten Variablen -- 8.1 Einfache dynamische latente Variablenmodelle -- 8.2 Dynamische latente Variablenmodelle mit unbeobachten unabhängigen Variablen -- 8.3 Erweiterung auf mehr als drei Wellen -- 9 Modelle zur Analyse von zensierten, dichotomen und ordinalen Paneldaten -- 9.1 Einleitung -- 9.2 Muthén's LISCOMP-Modell -- 9.3 Sequentialschätzung im LISCOMP-Modell -- 9.4 Empirisches Beispiel -- 9.5 Schlußbemerkungen -- Anhang: Datensatz -- Literatur -- Sachindex.

Verlagstext: Anhand vieler Praxisbeispiele aus den Wirtschaftswissenschaften bietet dieses Buch einen praktischen Einstieg in die Lineare Optimierung. Dabei werden dem Leser insbesondere die zugrunde liegenden Ideen nahe vermittelt. Zu den zahlreichen Aufgaben werden ausführliche Musterlösungen angeboten. Darüber hinaus helfen Ihnen die Beispielklausuren bei der gezielten Vorbereitung auf Klausuren