300004 Manifeste und latente Modellbildung für Quer- und Längsschnittdaten (S) (SoSe 2008)

Die Umsetzung von theoretisch orientierten Fragestellungen in eine angemessene statistische
Modellbildung ist oft Gegenstand emprischer Datenanalysen. Der Schwerpunkt liegt auf der
Einführung in das Arbeiten mit kausalorientierten, statistischen Verfahren. Zu diesen
Verfahren gehören einfache, bivariate Regressionsmodelle, Pfadmodelle mit gemessenen
Variablen, konfirmatorische Faktorenmodelle und Strukturgleichungsmodelle mit nicht direkt
gemessenen, latenten Variablen. Wenn individuelle Verlaufsdaten über Paneldatensätze
zur Verfügung stehen, dann können Stabilitäten, Veränderungen und individuelle Entwicklungen
über spezielle Varianten von Strukturgleichungsmodellen (Markov-Modelle, Wachstumsmodelle)
modelliert werden. Besonderes Schwergewicht soll auch auf Modelle gelegt werden,
die neben metrischen Meßniveau (continuous data) auch Poisson-Verteilungen (count data) oder
kategoriales Meßniveau (unordered and ordered categorical data) verarbeiten können.

Neben Analysen mit dem Statistikprogrammpaket SPSS und STATA 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 au{\ss}erhalb des CIP{}-Pools.
Desweiteren soll auch mit dem Programm STATA-Programm
GLLAMM (Generalized Linear Latent and Mixed Model) und dessen Übungsbeispielen
gearbeitet werden. Nähere Informationen hierzu sind unter (http://www.gllamm.org) erhältlich.

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. (2006).
Multivariate Analysemethoden {}- Eine anwendungsorientierte
Einführung (11. Aufl.). Berlin: Springer.

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. \newline

Bortz, J. (1999). Statistik f\"ur 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.
(2006). An introduction to latent variable growth curve modeling:
Concepts, issues, and applications. Mahwah: Lawrence Erlbaum.

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. \newline

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

Muth\'en, L., \& Muth\'en, B. O. (2006). Mplus users guide (4rd ed.).
Los Angeles: Muth\'en \& Muth\'en.

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

Reinecke, J. (2005). Strukturgleichungsmodelle in den
Sozialwissenschaften. M\"unchen: Oldenbourg.

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

Skrondal, A. \& Rabe-Hesketh, S. (2004). Generalized latent variable modeling:
Multilevel, longitudinal, and structural equation models. Bora Raton: Chapman \& Hall.

Literaturangaben

siehe Literaturangaben unter "Kommentar"