cover

Statistische Methoden in der Geographie
Band 2: Multivariate Statistik

Hrsg.: Gerhard Bahrenberg; Ernst Giese; Nils Mevenkamp; Josef Nipper

2008. 3. Auflage, 386 Seiten, 72 Abbildungen, 114 Tabellen, 14x21cm, 540 g
Language: Deutsch

(Studienbücher der Geographie)

ISBN 978-3-443-07144-8, brosch., price: 29.00 €

in stock and ready to ship

Order form

BibTeX file

Keywords

StatistikPfadanalyseStadtplanungRegionalforschungGeographie

Contents

Inhaltsbeschreibung top ↑

Band 2 der Statistischen Methoden in der Geographie ist eine Einführung in die multivariaten statistischen Methoden und ihre Anwendung für Studierende der Geographie und benachbarter Wissenschaften wie Regionalforschung, Raum- und Landesplanung, Stadtplanung, Ökologie.

Neu konzipierte Textboxen - Formeln und Formales, Möglichkeiten und Grenzen, Methode in der Geographie - ermöglichen dem Leser eine noch bessere Übersicht.

Folgende Methoden der multivariaten Statistik werden beschrieben: Partielle und multiple Korrelation, multiple Regressionsanalyse, Regressionsanalyse mit Dummy-Variablen, Pfadanalyse, Varianzanalyse, Analyse kategorialer Variablen, lineares Logit-Modell und kategoriale Regressionsanalyse, mehrdimensionale Kontingenztabellen und loglineares Modell, Hauptkomponentenanalyse, Raumtypisierung und Clusteranalyse, Diskriminanzanalyse, Zeitliche Autokorrelation und Kreuzkorrelation, räumliche Autokorrelation.

Bespr.: der Aufschluss Jg. 61 März/April 2010 Ausg. 2 top ↑

Seit mehreren Jahren in und in vielen Auflagen erscheinen die Statistischen Methoden in der Geographie zur Freude tausender Studierenden in zwei Bänden. Die Professoren BAHRENBERG, GIESE und NIPPER sowie Dr. MEVENKAMP füllen damit eine Lücke im Literaturspektrum der Statistik, speziell für Geographen. Dieses Buch stellt den zweiten Band einer grundlegenden Statistik- Einführung für GeographInnen dar. Nachdem Band I auf die univariate und bivariate Statistik (einschließlich Teststatistik) fokussiert war, stehen in diesem Band die gebräuchlichsten und praxisrelevantesten Methoden der multivariaten Statistik und ihrer Anwendung im Mittelpunkt.

Es ist im weiteren Sinn auch eine Einführung für Studierende benachbarter Wissenschaften wie Regionalforschung, Raumund Landesplanung, Stadtplanung, Ökologie.

Die Auswahl der Methoden deckt die für GeographiestudentInnen wichtigsten Instrumentarien ab und findet sich in vielen Vorlesungsverzeichnissen der Statistik geowissenschaftlicher Universitätseinrichtungen: Partielle und multiple Korrelation, multiple Regressionsanalyse, Regressionsanalyse mit Dummy- Variablen, Pfadanalyse, Varianzanalyse, Analyse kategorialer Variablen, lineares Logit-Modell und kategoriale Regressionsanalyse, mehrdimensionale Kontingenztabellen und loglineares Modell, Hauptkomponentenanalyse, Raumtypisierung und Clusteranalyse, Diskriminanzanalyse, Zeitliche Autokorrelation und Kreuzkorrelation sowie die räumliche Autokorrelation.

Neben der stringenten, aber auch für den mathematisch weniger geschulten noch verständlichen Diskussion der Grundlagen der jeweiligen Methoden besticht vor allem die Orientierung anhand konkreter Beispiele aus den Bereichen der Physio- wie auch Humangeographie, die durchaus zum Nachrechnen per Hand bzw. Statistiktaschenrechner oder mit professionellen Statistikwerkzeugen für PC wie SPSS geeignet sind. Damit wird den Studierenden der Nutzen statistischer Methoden für die empirische Arbeit sehr eindrucksvoll dargelegt und sie werden in die Lage versetzt, schrittweise die Lösungen nachzuvollziehen. Gleichzeitig werden für jede Methode aber auch die Probleme und die Voraussetzungen ihres Einsatzes diskutiert. Sehr hilfreich ist auch der Abschnitt weiterführender Literatur, der jeweils der Diskussion der einzelnen Methoden folgt. Für eine effektivere Nacharbeit der Übungsbeispiele könnte man sich eine Daten-CD wünschen, wie das in anderen Lehrbüchern fast schon die Regel ist.

Dr. M. FALKENHAGEN, Halle (Saale)

der Aufschluss Jg. 61 März/April 2010 Ausg. 2

Inhaltsverzeichnis top ↑

1 Einleitung 11
2 Multiple Korrelations- und Regressionsanalyse 15
2.1 Einführung 15
2.2 Partielle und multiple Korrelation 21
2.2.1 Partielle Korrelation 21
2.2.2 Multiple Korrelation 24
2.2.3 Varianzzerlegung einer abhängigen Variablen 25
2.2.4 Partielle und multiple Korrelation im allgemeinen Fall 27
2.3 Multiple Regressionsanalyse 28
2.3.1 Die Regressionsgleichung 28
2.3.2 Strategien zur Auswahl der unabhängigen Variablen 31
2.3.3 Das Problem der Multikollinearität 38
2.3.4 Variablentransformation 40
2.4 Schätz- und Testprobleme 41
2.4.1 Tests des multiplen Korrelationskoeffizienten (und des gesamten
Regressionsmodells) 42
2.4.2 Test der partiellen Regressionskoeffizienten 45
2.4.3 Test der partiellen Korrelationskoeffizienten 48
2.4.4 Intervallschätzung für Y 48
2.4.5 Einige abschließende Bemerkungen 50
2.5 Regressionsanalyse mit Dummy-Variable 53
3 Pfadanalyse 59
3.1 Einführung 59
3.2 Ein einfaches Beispiel 61
3.3 Das allgemeine pfadanalytische Modell für ein rekursives System 69
3.3.1 Pfadanalyse für voll-rekursive Systeme 71
3.3.2 Pfadanalyse für nicht voll-rekursive Systeme 79
3.3.3 Voraussetzungen der Pfadanalyse 81
3.4 Zusätzliche Hinweise zur Anwendbarkeit der Pfadanalyse 85
3.4.1 Wider eine Überbewertung der Pfadanalyse 85
3.4.2 Zur Beziehung zwischen Regressions- und Pfadanalyse 88
3.4.3 Abschließende Bemerkungen 89
4 Varianzanalyse 91
4.1 Einfache Varianzanalyse 91
4.1.1 Das Grundprinzip und ein Beispiel 91
4.1.2 Voraussetzungen der Varianzanalyse 98
4.1.3 Die Prüfung einzelner Effekte 100
4.1.4 Konfidenzintervalle für die Gruppenmittelwerte 101
4.2 Doppelte Varianzanalyse 103
4.3 Weitere Hinweise 118
5 Methoden der Analyse kategorialer Variablen 121
5.1 Einführung 121
5.2 Das lineare Logit-Modell 123
5.2.1 Das lineare Logit-Modell für die bivariate Analyse mit einer dichotomen
abhängigen Variablen 123
5.2.2 Das lineare Logit-Modell für eine dichotome abhängige und mehrere
metrische unabhängige Variablen 140
5.2.3 Das lineare Logit-Modell für eine polytome abhängige Variable 141
5.2.4 Das lineare Logit-Modell für eine multiple Regressionsanalyse mit
kategorialen Variablen 145
5.3 Das loglineare Modell – Analyse mehrdimensionaler Kontingenztabellen 161
5.3.1 Einführung 161
5.3.2 Das Prinzip der loglinearen Analyse 162
5.3.3 Das loglineare Modell für mehrdimensionale Kontingenztabellen 170
5.3.4 Loglineare und Logit-Modelle 183
6 Hauptkomponentenanalyse und Faktorenanalyse 187
6.1 Zur Fragestellung 187
6.2 Einführung in die Hauptkomponenten- und Faktorenanalyse 188
6.3 Die Hauptkomponentenanalyse 195
6.3.1 Die geometrische Bedeutung von Korrelationskoeffizienten 195
6.3.2 Die Extraktion der Hauptkomponenten 200
6.3.3 Die Hauptkomponentenwerte 212
6.4 Die Faktorenanalyse 214
6.4.1 Die Kommunalitätenschätzung 215
6.4.2 Die Extraktion der Faktoren 219
6.4.3 Die Rotation der Faktoren 229
6.4.4 Die Matrix der Faktorenwerte 240
6.4.5 Ein Beispiel 242
7 Clusteranalyse 259
7.1 Einführung 259
7.2 Ähnlichkeitsmaße für die Raumeinheiten 262
7.3 Methoden der Clusterbildung – Die Messung der Ähnlichkeit 265
7.4 Die Anzahl der zu bildenden Cluster (Raumtypen) 268
7.5 Korrektur der schrittweisen Clusteranalyse 275
7.6 Einige Beispiele 278
7.6.1 Der Einfluss verschiedener Ähnlichkeitsmaße 278
7.6.2 Der Einfluss verschiedener Clusterbildungsverfahren 280
7.6.3 Vorschläge für eine Typisierung der norddeutschen Kreise 282
7.7 Anmerkungen zur Variablenauswahl 285
7.8 Raumtypen und Regionalisierungen 287
7.9 Clusteranalyse von Variablen 288
8 Diskriminanzanalyse 293
8.1 Einführung 293
8.2 Das Verfahren 295
8.2.1 Der Zwei-Gruppen-Zwei-Variablen-Fall 295
8.2.2 Der Mehr-Gruppen-Mehr-Variablen-Fall 306
8.3 Anwendungsbeispiele 315
8.3.1 Überprüfung einer vorgegebenen Klassifikation – Sozio-ökonomische
Raumtypen Norddeutschlands 315
8.3.2 Klassifizierung neuer Objekte – Der kommunalrechtliche Status
der Stadt Gießen . 318
8.3.3 Analyse von Gruppenunterschieden – Regionale Wohlfahrtsunterschiede
in Hessen 325
9 Autokorrelation und Kreuzkorrelation 331
9.1 Stochastische Abhängigkeit und das Phänomen der Erhaltensneigung in
Prozessen 331
9.2 Zeitliche Autokorrelation 335
9.2.1 Vorüberlegungen 335
9.2.2 Bestimmung der zeitlichen Autokorrelationsfunktion 337
9.2.3 Beispiel 345
9.3 Zeitliche Kreuzkorrelation 348
9.3.1 Vorüberlegungen 348
9.3.2 Bestimmung der zeitlichen Kreuzkorrelationsfunktion 348
9.3.3 Beispiel 351
9.4 Räumliche Autokorrelation . 352
9.4.1 Das Phänomen der räumlichen Autokorrelation . 352
9.4.2 Operationalisierung des Nachbarschaftskriteriums . 356
9.4.3 Bestimmung der räumlichen Autokorrelationsfunktion . 360
9.4.4 Beispiele 366
10 Literaturverzeichnis 371
10.1 Zitierte Literatur 371
10.2 Lehrbücher 377
11 Anhang 379
Sachverzeichnis 385