300093 Statistische Modelle für Verlaufsdaten (S) (WiSe 2006/2007)

Die Veranstaltung ist in zwei Teile gegliedert: Ein Seminarteil, in dem grundlegende Literatur erörtert wird und Referate gehalten werden können, und ein Übungsteil, in dem mit konkreten Daten und Statistikprogrammen im CIP-Pool
der Fakultät gearbeitet wird.

Statistische Modelle für Verlaufsdaten umfassen einen Bereich der statistischen Datenanalyse, der sich insbesondere auf wiederholte Erhebungen von Untersuchungsdaten konzentriert. Besonders interessant für Sozialwissenschaftler sind individuelle Verlaufsdaten. Bei biographisch orientierten Datensätzen haben sich hier ereignisanalytische Modelle durchgesetzt. Vielfach sind aber Forschungsfragestellungen nicht nach genauen Ereignissen und deren Wechsel zu erheben, sondern beziehen sich auf einen Erhebungszeitpunkt. Wiederholungen dieser Erhebungen können dann in einen Paneldatensatz resultieren, mit dem Verläufe (Stabilitäten und Veränderungen zwischen Erhebungszeitpunkten) modelliert werden können. Spezielle Varianten von Strukturgleichungsmodellen (Markov-Modelle, Wachstumsmodelle) sind hierfür zur Analyse gegeignet.
Beispiele hierzu können durch Diskussion relevanter Literatur und Referaten vorgestellt werden. Für die Übung werden Längsschnittdatensätze aus dem DFG-Projekt "Jugendkriminalität in der modernen Stadt" (http://www.uni-bielefeld.de/soz/personen/reinecke.html)
zur Verfügung gestellt. Neben Analysen mit dem Statistikprogrammpaket SPSS werden Übungen mit den Programmen LISREL (http://www.ssicentral.com) und Mplus (http.//www.statmodel.com) durchgeführt. LISREL und Mplus sind als
Studentenversionen von den genannten Webpages erhältlich und erlauben damit auch Übungen außerhalb des CIP-Pools.

Literatur:

Bollen, K. A., & Curran, P. J. (2006). Latent curve models: A structural equation perspective. New Jersey: Wiley.

Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (1993). Multivariate Analysemethoden - Eine anwendungsorientierte Einführung (7. Aufl.). Berlin: Springer.

Bamberg, S., Gumbl, H., & P. Schmidt (2000). Rational Choice und theoriegeleitete Evaluationsforschung. Opladen: Leske & Budrich.

Blalock, H. M. (1970). Estimating measurement error using multiple indicators and several points in time. American Sociological Review, 35, 101-111.

Bollen, K. A. (1989). Structural equations with latent variables. New York: Wiley.

Bollen, K. A., & Long, J. S. (Eds.). (1993). Testing structural equation models. Newbury Park: Sage.

Bortz, J. (1999). Statistik für Sozialwissenschaftler. (5. Aufl.). Berlin: Springer.

Moskowitz, D. S. & Hershberger, S. L. (2002) (Eds.). Modeling intraindividual variability with repeated measures data: Methods and applications. Mahwah: Lawrence Erlbaum.

Duncan, T. E., Duncan, S. C., Strycker, L. A., Li, F., & Alpert, A. (1999). An introduction to latent variable growth curve modeling: Concepts, issues, and applications. Mahwah: Lawrence Erlbaum.

Engel, U., & Hurrelmann, K. (1994). Was Jugendliche wagen. Eine Längsschnittstudie über Drogenkonsum, Stressreaktionen und Deliquenz im Jugendalter. Weinheim: Juventa.

Engel, U., & Reinecke, J. (1994). Panelanalyse: Grundlagen - Techniken - Beispiele. Berlin: DeGruyter.

Diamantopoulos, A., & Siguaw, J. A. (2000). Introducing LISREL. Thousand Oaks: Sage.

Hancock, G. R., & Mueller, R. O. (2006) (Eds.), Structural equation modeling: A second course. Greenwich, CT: Information Age Publishing.

Hox, J. J. (2002). Multilevel analysis. Techniques and applications. Mahwah: Lawrence Erlbaum.

Kaplan, D. (2004) (Ed.), The Sage handbook of quantitative methodology for the social sciences. Thousand Oaks: Sage.

Kline, R. B. (2005). Principles and practice of structural equation modeling. 2nd. Edition, New York: Guilford Press.

Loehlin, J. C. (2004). Latent variable models. An introduction to factor, path, and structural equation analysis. Mahwah: Lawrence Erlbaum.

Muthén, L., & Muthén, B. O. (2004). Mplus user's guide (3rd ed.). Los Angeles: Muthén & Muthén.

Nagin, D. S. (2005). Group-based modeling of development. Cambridge: Harvard University Press.

Raykov, T., & Marcoulides, G. A. (2000). A first course in structural equation modeling. Mahwah: Lawrence Erlbaum.

Reinecke, J. (2005). Strukturgleichungsmodelle in den Sozialwissenschaften. München: Oldenbourg.

Schumacker, R. E., & Lomax, R. G. (2004). A beginner's guide to structural equation modeling (2nd ed.). Mahwah: Lawrence Erlbaum.

Teilnahmevoraussetzungen, notwendige Vorkenntnisse

Fortgeschrittene Kenntnisse im Statistikprogrammpekt SPSS und Grundkenntnisse in multivariater Statistik, Kenntnisse im Umgang mit Strukturgleichungsmodellen sind erwünscht aber nicht Voraussetzung

Begrenzung der Teilnehmerzahl: Wegen der beschränkten Plätze im CIP-Pool der Fakultät wird die Teilnehmerzahl auf 40 begrenzt.