230158 VO+UE Längsschnitt- und Mischverteilungsmodelle (2011W)
Prüfungsimmanente Lehrveranstaltung
Labels
SA 17.12.2011 10.00-12.00 Inst. f. Soziologie, Seminarraum 2,
SA 17.12.2011 13.00-18.00 Kursraum A, NIG, Erdgeschoss,
SO 18.12.2011 10.00-18.00 Inst. f. Soziologie, Seminarraum 2,
MO 19.12.2011 10.00-12.00 Inst. f. Soziologie, Seminarraum 2,
MO 19.12.2011 13.00-18.00 Kursraum A, NIG, Erdgeschoss,
FR 20.01.2012 16.30-18.30 Inst. f. Soziologie, Seminarraum 2,
SA 21.01.2012 10.00-12.00 Inst. f. Soziologie, Seminarraum 2,
SA 21.01.2012 13.00-18.00 Kursraum A, NIG, Erdgeschoss
SO 22.01.2012 10.00-12.00 Inst. f. Soziologie, Seminarraum 2,
SA 17.12.2011 13.00-18.00 Kursraum A, NIG, Erdgeschoss,
SO 18.12.2011 10.00-18.00 Inst. f. Soziologie, Seminarraum 2,
MO 19.12.2011 10.00-12.00 Inst. f. Soziologie, Seminarraum 2,
MO 19.12.2011 13.00-18.00 Kursraum A, NIG, Erdgeschoss,
FR 20.01.2012 16.30-18.30 Inst. f. Soziologie, Seminarraum 2,
SA 21.01.2012 10.00-12.00 Inst. f. Soziologie, Seminarraum 2,
SA 21.01.2012 13.00-18.00 Kursraum A, NIG, Erdgeschoss
SO 22.01.2012 10.00-12.00 Inst. f. Soziologie, Seminarraum 2,
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Sa 17.09.2011 00:01 bis Fr 30.09.2011 12:00
- Anmeldung von Mi 05.10.2011 00:01 bis Sa 08.10.2011 12:00
- Abmeldung bis Do 20.10.2011 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine
Zur Zeit sind keine Termine bekannt.
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Mindestanforderungen und Beurteilungsmaßstab
Statistische Modellbildung und praktische Umsetzung.
Prüfungsstoff
Literatur
- Engel, U. /J. Reinecke (1994): Panelanalyse, Berlin: DeGruyter.
- Backhaus, K.; Erichson, B.; Plinke, W.; Weiber R. (2005): Multivariate Analysemethoden. Berlin: Springer.
- Bollen, K.A. (1989): Structural Equations with Latent Variables. New York: Wiley.
- Bollen, K.A. (2006): Latent Curve Models. New York: Wiley.
- Diamantopoulos, A.; Siguaw, J. A. (2000): Introducing LISREL. Thousand Oaks: Sage.
- 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.
- Hancock, G. R.; Mueller, R. O. (2006). Structural Equation Modeling. A Second Course. Greenwich: IAP.
- Kline, R. B. (2005): Principles and Practice of Structural Equation Modeling. New York: The Guilford Press.
- Loehlin, J.C. (2004): Latent variable models. An introduction to factor, path, and structural equation analysis. Mahwah: Lawrence Erlbaum.
- Nagin, D. (2005): Group-based modeling of development. Cambridge, Mass.: Harvard Univ. Press.
- McLachlan, G.; Peel, D. (2000): Finite Mixture Models. New York: Wiley.
- Mulaik, S. A. (2009): Linear causal modeling with structural equations. New York: Champman & Hall.
- 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 Beginners's Guide to Structural Equation Modeling. Mahwah: Lawrence Erlbaum.
- Backhaus, K.; Erichson, B.; Plinke, W.; Weiber R. (2005): Multivariate Analysemethoden. Berlin: Springer.
- Bollen, K.A. (1989): Structural Equations with Latent Variables. New York: Wiley.
- Bollen, K.A. (2006): Latent Curve Models. New York: Wiley.
- Diamantopoulos, A.; Siguaw, J. A. (2000): Introducing LISREL. Thousand Oaks: Sage.
- 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.
- Hancock, G. R.; Mueller, R. O. (2006). Structural Equation Modeling. A Second Course. Greenwich: IAP.
- Kline, R. B. (2005): Principles and Practice of Structural Equation Modeling. New York: The Guilford Press.
- Loehlin, J.C. (2004): Latent variable models. An introduction to factor, path, and structural equation analysis. Mahwah: Lawrence Erlbaum.
- Nagin, D. (2005): Group-based modeling of development. Cambridge, Mass.: Harvard Univ. Press.
- McLachlan, G.; Peel, D. (2000): Finite Mixture Models. New York: Wiley.
- Mulaik, S. A. (2009): Linear causal modeling with structural equations. New York: Champman & Hall.
- 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 Beginners's Guide to Structural Equation Modeling. Mahwah: Lawrence Erlbaum.
Zuordnung im Vorlesungsverzeichnis
in 905: MA Methoden |
in 121: Fortgeschrittene Methoden, 3. Abschnitt
in 121: Fortgeschrittene Methoden, 3. Abschnitt
Letzte Änderung: Mo 07.09.2020 15:39
Bei Mischverteilungsmodellen handelt es sich um eine Kombination von Strukturgleichungsmodell und der Analyse latenter Klassen. Diese Technik wurde von Muthén und Shedden (1999) entwickelt um im Program Mplus implementiert (www.statmodel.com).
Vorbereitende, explorative Analysen können mit dem Programm SPSS oder STATA vorgestellt und besprochen werden. Für die Übungen werden Längsschnittdatensätze zur Verfügung gestellt, auf denen sich auch die Themen für Hausarbeiten beziehen können. Für eine grundlegende Einführung in die konfirmatorische Faktorenanalyse sind entsprechende Kapitel aus dem Lehrbuch von Reinecke (2005) zu empfehlen. Die Teilnehmer erhalten Gelegenheit anhand des Programmes Mplus die Modellbildung selbst vorzunehmen und zu üben. Unter www.statmodel.com/demo.shtml steht eine Demoversion des Programms zur Verfügung. Wenn möglich, sollte jeder Teilnehmer seinen eigenen Laptop mitbringen, damit die Beispiele selbst bearbeitet werden können.
Voraussetzungen für die Teilnahme:
Gute Kenntnisse im Umgang mit dem Statistikprogramm SPSS oder STATA
(insbesondere die Handhabung von Syntaxfiles und Systemfiles), gute Kenntnisse in multivariaten Verfahren wie multiple Regressionsanalyse und Faktorenanalyse.