Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-9038
Autor(en): Urban, Dieter
Mayerl, Jochen
Wahl, Andreas
Titel: Regressionsanalyse bei fehlenden Variablenwerten (missing values): Imputation oder Nicht-Imputation? : eine Anleitung für die Regressionspraxis mit SPSS
Sonstige Titel: Regression analysis when variables have missing values: imputation or no imputation? : a guide for practical regression analysis with SPSS
Erscheinungsdatum: 2016
Verlag: Stuttgart : Universität Stuttgart, Institut für Sozialwissenschaften, Abt. f. Soziologie u. empirische Sozialforschung
Dokumentart: Arbeitspapier
Seiten: 57
Serie/Report Nr.: SISS: Schriftenreihe des Instituts für Sozialwissenschaften der Universität Stuttgart;44
URI: http://elib.uni-stuttgart.de/handle/11682/9055
http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-90555
http://dx.doi.org/10.18419/opus-9038
ISSN: 2199-7780
Zusammenfassung: Dieser SISS-Beitrag zeigt, wie mit SPSS eine multiple Regressionsanalyse durchgeführt werden kann, wenn einzelne Variablen des analysierten Datensatzes fehlende Werte (missing values) aufweisen. Es wird erläutert, in welcher Weise das Ausmaß und die Relevanz fehlender Werte ermittelt werden sollte, wann ein listenweiser Ausschluss von Fällen mit fehlenden Werten in einer Regressionsanalyse möglich ist, und unter welchen Bedingungen und in welcher Weise (mit welchen Vor- und Nachteilen) in SPSS das Verfahren der stochastischen Regressionsimputation (sRI) oder der Multiplen Imputation (MI) einzusetzen ist. Die Darstellung ist praxisorientiert. Der Text enthält für alle beschriebenen statistischen Verfahren die entsprechenden SPSS-Steueranweisungen (SPSS-Syntaxfiles).
Enthalten in den Sammlungen:10 Fakultät Wirtschafts- und Sozialwissenschaften

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
2016.SISS.44.pdf927,9 kBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.