Please use this identifier to cite or link to this item: http://dx.doi.org/10.18419/opus-5535
Authors: Mayerl, Jochen
Urban, Dieter
Title: Binär-logistische Regressionsanalyse : Grundlagen und Anwendung für Sozialwissenschaftler
Other Titles: Binary logistic regression analysis : basics and application for social scientists
Issue Date: 2010
metadata.ubs.publikation.typ: Arbeitspapier
Series/Report no.: SISS: Schriftenreihe des Instituts für Sozialwissenschaften der Universität Stuttgart;2010 No. 3
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-60186
http://elib.uni-stuttgart.de/handle/11682/5552
http://dx.doi.org/10.18419/opus-5535
Abstract: Das Skript beschreibt die Durchführung von binär-logistischen Regressionsanalysen in den Sozialwissenschaften unter Verwendung des Statistik-Programmpakets SPSS. Dabei wird erläutert, warum für bestimmte Untersuchungen und für bestimmte Datenanalysen in der sozialwissenschaftlichen Forschung nicht die klassische OLSRegressionsanalyse, sondern die logistische Regressionsanalyse (mit Maximum-Likelihood-Schätzverfahren) eingesetzt werden sollte. Es wird gezeigt, nach welcher internen Logik logistische Regressionsschätzungen verfahren, in welcher Weise diese Regressionsschätzungen mit SPSS durchgeführt werden können und wie die Ergebnisse von logistischen Regressionsanalysen zu interpretieren sind. Auch werden die häufigsten Probleme, die bei der Durchführung von logistischen Regressionsanalysen auftreten können, vorgestellt, und es werden Möglichkeiten zur Identifikation und Beseitigung dieser Probleme aufgezeigt.
This report describes how to conduct binary logistic regression analysis in social science research utilizing the statistical software package SPSS. It explains why certain social science problems and certain social science data should be analyzed by logistic regression (with maximum likelihood estimation techniques) and should not be analyzed by classical OLSregression procedures. The report informs about the internal logic of logistic regression estimation, shows how to handle logistic regression modeling in SPSS, and demonstrates how to interpret the results of logistic regression estimations. In addition, the paper specifies some of the most frequent problems when estimating logistic regression models and gives some advice how to detect und solve these problems.
Appears in Collections:10 Fakultät Wirtschafts- und Sozialwissenschaften

Files in This Item:
File Description SizeFormat 
SISS_3_2010.pdf330,81 kBAdobe PDFView/Open


Items in OPUS are protected by copyright, with all rights reserved, unless otherwise indicated.