Zusammenfassung
Die logistische Regression ist ein multivariates Analyseverfahren zur Analyse von dichotomen abhängigen Variablen, d. h. binären Variablen mit zwei Ausprägungen. Aus einer linearen Modellierung der logarithmierten Odds (Logits) des Auftretens von x = 1 ergibt sich eine nichtlineare Modellierung der Wahrscheinlichkeiten. Wir werden sehen, dass diese Nichtlinearität zwar einerseits notwendig und sinnvoll ist, andererseits aber auch zu substanziellen Unterschieden in der Interpretation im Vergleich zu OLS-Regressionsverfahren führt. Im vorliegenden Beitrag wird zunächst eine Einführung in die Logik des Verfahrens gegeben und die Interpretation der Ergebnisse vorgestellt. In einem zweiten Schritt werden grundlegende mathematische Eigenschaften der logistischen Regression dargestellt und fortgeschrittene Erweiterungen diskutiert (Standardisierung, Effekte auf die Wahrscheinlichkeiten, Interaktionen). Die Anwendung der logistischen Regression wird daraufhin am Beispiel der Bildungsvererbung praktisch dargestellt. Im letzten Abschnitt wird auf häufige Fehler, insbesondere in der Interpretation, hingewiesen (Odds-Ratios, Nichtlinearität, Interaktionen).
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Ai, C. & Norton, E. C. (2003). Interaction Terms in Logit and Probit Models. Economics Letters, 80, 123–129.
Akaike, H. (1973). Information Theory and an Extension of the Maximum Likelihood Principle. In B. N. Petrov & B. F. Csaki (Hg.), Second International Symposium on Information Theory(S. 267–281). Budapest: Academiai Kiado.
Andreß, H.-J., Hagenaars, J. A., & Kühnel, S. (1997). Analyse von Tabellen und kategorialen Daten. Log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz. Berlin: Springer.
Becker, R. & Lauterbach, W., Hg. (2008). Bildung als Privileg. Wiesbaden: VS Verlag für Sozialwissenschaften.
Best, H. (2008). Die Umstellung auf ökologische Landwirtschaft. Empirische Analysen zur Low-Cost-Hypothese des Umweltverhaltens. Kölner Zeitschrift für Soziologie und Sozialpsychologie, 60, 314–338.
Cox, D. R. & Snell, E. J. (1989). The Analysis of Binary Data. London: Chapman & Hall.
Cragg, J. G. & Uhler, R. (1970). The Demand for Automobiles. Canadian Journal of Economics, 3, 386–406.
Huang, C. & Shields, T. G. (2000). Interpretation of Interaction Effects in Logit and Probit Analyses. American Politics Research, 28, 80–95.
Hubert, T. & Wolf, C. (2007). Determinanten der beruflichen Weiterbildung Erwerbstätiger. Empirische Analysen auf der Basis des Mikrozensus 2003. Zeitschrift für Soziologie, 36, 473–493.
Long, J. S. (1997). Regression Models for Categorical and Limited Dependent Variables. Thousand Oaks: Sage.
Long, J. S. & Freese, J. (2006). Regression Models for Categorical Dependent Variables Using Stata. College Station: Stata Press.
McFadden, D. (1973). Conditional Logit Analysis of Qualitative Choice Behaviour. In P. Zarembka (Hg.), Frontiers in Econometrics(S. 105–142). New York: Academic Press.
Menard, S. (1995). Applied Logistic Regression, Band 07-106 von Quantitative Applications in the Social Sciences. Thousand Oaks: Sage.
Raftery, A. E. (1995). Bayesian Model Selection in Social Research. Sociological Methodolgy, 25, 111–163.
Treiman, D. J. (1977). Occupational Prestige in Comparative Perspective. New York: Academic Press.
Tutz, G. (2000). Die Analyse kategorialer Daten -eine anwendungsorientierte Einführung in Logit-Modellierung und kategoriale Regression. München: Oldenbourg Verlag.
Wooldridge, J. M. (2002). Econometric Analysis of Cross Section and Panel Data. Cambridge: MIT Press.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Best, H., Wolf, C. (2010). Logistische Regression. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_31
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_31
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)