Comprar acceso. Iniciar sesión

Statistische Einzelfallanalyse

Eine Einführung mit Rechenbeispielen

Thomas Köhler

Cite this publication as

Thomas Köhler, Statistische Einzelfallanalyse (2008), Beltz Verlagsgruppe, 69 469 Weinheim, ISBN: 9783621278430

Tracked since 05/2018

1916
downloads
13
quotes

Descripción / Abstract

Statistik untersucht nicht immer Menschenmengen. In der klinischen Forschung z. B. arbeitet man häufig mit kleinen Stichproben oder sogar nur mit Einzelfällen. Gefragt ist dann eine besondere Auswertungsmethodik: die statistische Einzelfallanalyse.

Hat sich das Verhalten von Schüler A durch den Förderunterricht verbessert? Haben sich die Essattacken bei einer Bulimikerin nach Therapie vermindert? Ist Autofahrer B in Stresssituationen besonders aggressiv im Straßenverkehr? Mit solchen Fragen sind klinische Psychologen und andere Fachleute in wissenschaftlichen Einrichtungen, in Institutionen und eigenen Praxen konfrontiert.

Dieses Lehrbuch widmet sich dem gesamten Themenkomplex der Einzelfallanalyse, erläutert durch nachvollziehbare Rechenbeispiele und macht sie für den forschenden Praktiker (auch ohne statistische Vorkenntnisse) nutzbar.

Extracto

Índice

  • BEGINN
  • Vorwort
  • 1 Charakteristik und Indikation von Einzelfallanalysen
  • 1.1 Definitionen
  • 1.2 Arten wissenschaftlicher Hypothesen und ihre Überprüfung
  • 1.3 Aggregierung einzelfallanalytisch gewonnener Aussagen
  • 2 Einzelfallanalytische Messinstrumente und Versuchspläne
  • 2.1 Gruppen- und einzelfallstatistische Erhebungen: Gemeinsamkeiten und Unterschiede
  • 2.2 Anforderungen an einzelfallanalytische Messinstrumente
  • 2.3 Einzelfallanalytische Versuchspläne
  • 3 Intraindividuelle Kennwerte
  • 3.1 Allgemeines; Erinnerung an den interindividuellen Fall
  • 3.2 Übertragung auf Einzelfallanalysen
  • 3.3 Univariate Kennwerte
  • 3.4 Intraindividuelle Korrelationen
  • 3.5 Autokorrelationen
  • 4 Vorbereitung auf Zeitreihenmodelle
  • 4.1 Allgemeines; Überblick
  • 4.2 Begründung von Zeitreihenanalysen
  • 4.3 Mathematische Annahmen
  • 4.4 Stationarität von Zeitreihen
  • 4.5 Autokorrelationsfunktion (ACF) undpartielle Autokorrelationsfunktion (PACF)
  • 4.6 Weißes Rauschen
  • 4.7 Identifikation und Elimination von Trendkomponenten
  • 5 Autoregressive Modelle (AR-Modelle)
  • 5.1 Vorbemerkungen; Überblick
  • 5.2 Eigenschaften autoregressiver Prozesse
  • 5.3 Darstellung mittels autoregressiver Modelle
  • 5.4 Signifikanzprüfungen
  • 6 Moving Average-Modelle (MA-Modelle)
  • 6.1 Vorbemerkungen; Überblick
  • 6.2 Eigenschaften von MA-Prozessen
  • 6.3 Die Dualität von AR- und MA-Prozessen
  • 6.4 Die allgemeinen Stationaritäts- und Invertibilitätsbedingungen
  • 6.5 Darstellung mittels MA-Modellen
  • 7 ARMA- und ARIMA-Modelle
  • 7.1 Vorbemerkungen; Überblick
  • 7.2 Eigenschaften von ARMA-Prozessen
  • 7.3 Darstellung mittels ARMA-Modellen
  • 8 Ablauf einer Zeitreihenanalyse; Voraussagen
  • 8.1 Überblick
  • 8.2 Die graphische Darstellung einer Zeitreihe
  • 8.3 Behandlung von „missing data“ und „Ausreißern“
  • 8.4 Elimination von deterministischen Anteilen (Trends)
  • 8.5 Ein Beispiel zur Elimination deterministischer Trends
  • 8.6 Darstellung mittels stochastischer Zeitreihenmodelle
  • 8.7 Beschreibung mittels stochastischer Zeitreihenmodelle (Beispiel)
  • 8.8 Prognosen (forecasting)
  • 9 Vergleiche im Einzelfall; Testen von Interventionseffekten
  • 9.1 Problemstellung; Überblick
  • 9.2 Elimination von seriellen Abhängigkeiten („prewhitening“)
  • 9.3 Prüfung von Interventionseffekten ohne „prewhitening“
  • 10 Spektralanalyse
  • 10.1 Einführung; Überblick
  • 10.2 Mathematische Grundlagen
  • 10.3 Fourier-Approximationen von Zeitreihen
  • 10.4 Das Periodogramm
  • 10.5 Spektraldichte
  • 10.6 Spektralschätzungen
  • Literaturverzeichnis
  • Stichwortverzeichnis

Títulos relacionados

    Otros títulos del mismo autor