Logistische Regressionsanalyse

1. Front Matter

   Pages I-VII

   PDF

2. Einführung

   • Joachim Behnke

   Pages 1-3

3. Lineare Regression und das Modell der linearen Wahrscheinlichkeit

   • Joachim Behnke

   Pages 5-21

4. Das Logit-Modell

   • Joachim Behnke

   Pages 23-35

5. Das Maximum-Likelihood-Verfahren zur Schätzung der Logitfunktion

   • Joachim Behnke

   Pages 37-65

6. Interpretation der Koeffizienten der logistischen Regression

   • Joachim Behnke

   Pages 67-98

7. Goodness-of-fit-Maße, Modellvergleiche und Signifikanztests

   • Joachim Behnke

   Pages 99-125

8. Back Matter

   Pages 127-131

   PDF

​Die Methode der logistischen Regression ist eines der statistischen Standardanalysemodelle in den Sozialwissenschaften. Logistische Regressionen werden angewandt, wenn die abhängige Variable nur zwei Ausprägungen besitzt und die Methode der linearen Regression mit OLS-Schätzung aus mehreren Gründen ungeeignet ist. Die Anwendungsbereiche der Methode sind mannigfaltig und finden sich praktisch in jedem Bereich, der empirisch erforscht werden kann, von den Politik- und anderen Sozialwissenschaften bis zur Biologie und Medizin.

• Dichotome abhängige Variable
• Logit-Modell
• Maximum Likelihood Verfahren
• Modell der linearen Wahrscheinlichkeit
• Quantitative Methoden
• Wahlbeteiligung

• Lehrstuhl für Politikwissenschaft, Zeppelin Universität, Friedrichshafen, Germany

  Joachim Behnke

Prof. Dr. Joachim Behnke ist Inhaber des Lehrstuhls für Politikwissenschaft an der Zeppelin Universität in Friedrichshafen.

Policies and ethics