Autorenverzeichnis	6
	Inhaltsverzeichnis	8
	Kapitel 1: Modelle zur Beschreibung statistischer Zusammenhänge in der psychologischen Forschung	17
	1. Einführung und Überblick	17
	2. Modelle mit manifesten Variablen	21
	2.1 Einleitung und Überblick	21
	2.2 Eine formale Theorie zur Beschreibung statistischer Zusammenhänge	22
	2.2.1 Die Grundannahme	22
	2.2.2 Die Residualvariable	22
	2.2.3 Kovarianzmodellgleichungen und Parameteridentifikation	23
	2.2.4 Determinierte Varianz, multiple Korrelation und Determinationskoeffizient	25
	2.2.5 Multivariate Verallgemeinerung	25
	2.2.6 Zusammenfassende Bemerkungen	26
	2.3 Anwendungen der formalen Theorie.	26
	2.3.1 Regressions- und Korrelationsanalyse	27
	2.3.2 Varianzanalyse	30
	2.3.3 Diskriminanzanalyse	37
	2.3.4 Kontingenzanalyse	39
	3. Modelle mit latenten Variablen	41
	3.1 Einleitung	41
	3.2 Eine allgemeine Theorie latenter Variablen	43
	3.2.1 Die Grundannahmen	43
	3.2.1.1 Bedingte Unabhängigkeit	43
	3.2.1.2 Variablencharakteristische Funktion (VC-Funktion)	44
	3.2.3 Die Residualvariablen	46
	3.2.4 Kovarianzmodellgleichungen und Identifikation	48
	3.2.5 Beispiel	50
	3.2.6 Modell paralleler Variablen	51
	3.3 Anwendungen der allgemeinen Theorie latenter Variablen	52
	3.3.1 Faktorenanalyse	52
	3.3.2 ,,Linear traceline model”	54
	3.3.3 ,,Latent profile-” und ,,latent class model”	56
	3.3.4 Logistische Modelle	59
	3.3.5 Klassisches latent-additives Testmodell	61
	3.4 Zusammenfassende Bemerkungen	63
	4. Anhänge	63
	4.1 Anhang A	63
	4.2 Anhang B	64
	4.3 Anhang C	66
	Literatur	68
	Kapitel 2: Modelle zur kausalen Erklärung statistischer Zusammenhänge	75
	1. Einführung	75
	1.1 Zur Bedeutsamkeit kausaler Abhängigkeit	75
	1.2 Zum Forschungsstand	77
	1.3 Überblick	82
	2. Münzen und Elektromagnet	83
	2.1 Einleitende Bemerkungen	83
	2.2 Beschreibung des Beispiels	84
	2.3 Abhängigkeit der ersten von der zweiten Münzvariablen	88
	2.4 Abhängigkeit der Münz- von der Magnetvariablen	89
	2.5 Das Problem	92
	2.6 Zusammenfassende Bemerkungen	92
	3. Interne Validität	92
	3.1 Einleitende Bemerkungen	92
	3.2 Grundideen	93
	3.3 Fälle, in denen keine interne Validität besteht	96
	3.4 Fälle, in denen möglicherweise interne Validität besteht	99
	3.5 Zusammenfassende Bemerkungen	103
	4. Einfache kausale reglineare Abhängigkeit	104
	4.1 Einleitende Bemerkungen	104
	4.2 Vorgeordnetheit	104
	4.3 Invarianz	108
	4.4 Definition	111
	4.5 Beispiel: Münzen und Elektromagnet (1. Fortsetzung)	113
	4.6 Beispiel: Drogen und Aktivierung	114
	4.7 Zusammenfassende Bemerkungen	117
	5. Eigenschaften einfacher kausaler reglinearer Abhängigkeit	117
	5.1 Einleitende Bemerkungen	117
	5.2 Unkonfundiertheit	118
	5.3 Beispiel: Münzen und Elektromagnet (1. Fortsetzung)	119
	5.4 Vollständige Abhängigkeit	121
	5.5 Faktische Konstanthaltung	124
	5.6 Unabhängigkeit	126
	5.7 Randomisierung und Parallelisierung	129
	5.8 Zusammenfassende Bemerkungen	131
	6. Münze und Elektromagnet mit zwei Schaltern	132
	6.1 Einleitende Bemerkungen	132
	6.2 Beschreibung des Beispiels	133
	6.3 Reglineare Abhängigkeit	135
	6.4 Logitlineare Abhängigkeit	138
	6.5 Zusammenfassende Bemerkungen	139
	7. Externe Validität	139
	7.1 Einleitende Bemerkungen	139
	7.2 Situationsvalidität	140
	7.3 Populationsvalidität	143
	7.4 Vergleiche der externen Validität	147
	7.5 Zusammenfassende Bemerkungen	149
	8. Ausblick	149
	8.1 Mehrvariablenmodelle	149
	8.2 Beschreibende und erklärende reglineare Modelle	153
	9. Weiterführende Literatur	156
	Anhang	156
	A. 1 Einleitende Bemerkungen	156
	A. 2 Erwartungswert	156
	A. 3 Varianz und Kovarianz	157
	A. 4 Bedingter Erwartungswert	158
	A. 5 Bedingte Erwartung	159
	Literatur	161
	Kapitel 3: Uni- und multivariate Varianzanalyse mit festen Parametern	170
	1. Einführung und Überblick	170
	2. Multivariate lineare Modelle mit festen Parametern	171
	2.1 Einleitung	171
	2.2 Die grundlegenden Modellvorstellungen	172
	2.3 Stichprobenmodelle	177
	2.4 Zusammenfassende Bemerkungen	180
	3. Hypothesenformulierung in verschiedenen Designs	181
	3.1 Einleitung	181
	3.2 Das Zellenmittelwertemodell	181
	3.3 Die multivariate allgemeine lineare Hypothese	184
	3.4 Gekreuzte Faktoren über den unabhängigen Variablen	185
	3.5 Gekreuzte Faktoren über den abhängigen Variablen	189
	3.6 Hierarchische Faktoren über den unabhängigen Variablen	193
	3.7 Hierarchische Faktoren über den abhängigen Variablen	195
	3.8 Lateinisches Quadrat über den unabhängigen Variablen	198
	3.9 Lateinisches Quadrat über den abhängigen Variablen	199
	3.10 Zusammenfassende Bemerkungen	201
	4. Parameterschätzung	202
	4.1 Einleitung	202
	4.2 Kriterium der kleinsten Quadrate	203
	4.3 Kriterium der kleinsten Quadrate unter Nebenbedingungen	204
	4.4 Maximum- Likelihood- Kriterium	206
	4.5 Erwartungswerte- und Kovarianzmatrix der Parametervektoren ßp und qk	206
	4.6 Zusammenfassende Bemerkungen	208
	5. Hypothesenbewertung	208
	5.1 Einleitung	208
	5.2 Wilks’ Lambda-Kriterium	210
	5.3 Roy’s Eigenwert- Kriterium	211
	5.4 Hotelling- Lawley Spur Kriterium	211
	5.5 Pillai-Bartlett Spur Kriterium	212
	5.6 Einfache Konfidenzintervalle	212
	5.7 Praktische Signifikanz	215
	5.8 Zusammenfassende Bemerkungen	215
	Literatur	216
	Kapitel 4: Regressions- und kanonische Analyse	222
	1. Regressionsanalyse	223
	1.1 Beschreibende lineare Regression	225
	1.2 Das allgemeine regressionsanalytische Modell	230
	1.3 Die Schätzung der Parameter im allgemeinen regressionsanalytischen Modell	233
	1.4 Prognose im allgemeinen regressionsanalytischen Modell	235
	1.5 Statistische Tests im klassischen regressionsanalytischen Modell	239
	1.6 Ridge-Regression	246
	1.7 Klassisches korrelationsanalytisches Modell und multiple Korrelation	249
	1.8 Modelle mit Fehlern in den Prädiktoren	253
	1.9 Zeitreihenanalyse im allgemeinen regressionsanalytischen Modell	259
	1.10 Suppression und Kollinearität	265
	1.11 Schrittweise Regression	273
	1.12 Teststärke	277
	1.12.1 Teststärke	279
	1.12.2 Bestimmen des erforderlichen Stichprobenumfangs N	279
	1.12.3 Die erforderliche Populationskorrelation R	283
	1.12.4 Die höchstens sinnvolle Prädiktorenzahl K	283
	1.12.5 Teststärke	283
	2. Kanonische Korrelation	286
	2.1 Einführung	286
	2.2 Das Modell der kanonischen Korrelation für zwei Variablenmengen mit zufälligen Größen	287
	2.3 Schätzung der kanonischen Korrelationen und der Koeffizientenvektoren der kanonischen Variablen	292
	2.4 Test zur Bestimmung der Anzahl der kanonischen Variablen	293
	2.5 Extraktions- und Redundanzmaße	294
	2.6 Verallgemeinerung der kanonischen Korrelation auf mehr als zwei Variablenmengen	297
	Literatur	300
	Kapitel 5.: Diskriminanzanalyse	309
	1. Einführung	309
	1.1 Problemstellung	309
	1.2 Entstehungsgeschichte	311
	1.3 Übersichtsarbeiten	311
	2. Grundlagen	311
	2.1 Lineare Diskriminanzfunktion	311
	2.2 Bayes-Ansatz	316
	2.3 Fehlerraten	317
	2.4 Minimaxprinzip	319
	2.5 Diskriminanzanalyse unter Nebenbedingungen und Kosten der Fehlklassifikation	320
	2.6 Quadratische Diskrimination	321
	2.7 Zusammenhang zwischen Diskrimination und Regression	323
	2.8 Verfahren für mehrere Populationen	324
	2.8.1 Multiple Diskriminanzanalyse	324
	2.8.2 Minimierung des erwarteten Verlustes	326
	2.8.3 Distanzmaße	327
	2.8.4 Andere Verfahren	327
	2.8.5 Methodenvergleich	328
	2.9 Logistische Diskrimination	329
	2.10 Kovariate Diskriminanzanalyse	330
	2.11 Sequentielle Diskrimination	331
	2.12 Zeitreihen	333
	2.13 Variablenauswahl	334
	3. Inferenzstatistik	337
	3.1 Signifikanztests	337
	3.2 Schätzungen	338
	4. Robustheit	339
	4.1 Lineare Diskriminanzfunktion	339
	4.2 Quadratische Diskriminanzfunktion	340
	4.3 Robuste Diskriminanzfunktionen	340
	5. Nichtparametrische Verfahren	341
	5.1 Nichtparametrische Zuordnungsregeln	341
	5.2 Variablenauswahl	343
	5.3 Schätzungen der Fehlerrate	344
	6. Analyse qualitativer und diskreter Daten	344
	6.1 Verteilungsmodelle	344
	6.1.1 Volles Multinomialmodell	344
	6.1.2 Modelle bei multivariaten binären Items	345
	6.2 Nichtparametrische Verfahren bei qualitativen Daten	346
	6.3 Gleichzeitiges Vorliegen diskreter und stetiger Variablen	347
	6.4. Variablenauswahl	347
	Literatur	348
	Kapitel 6: Latente Strukturanalyse	367
	1. Einführung	367
	2. Grundbegriffe der latenten Strukturanalyse	369
	3. Allgemeines Vorgeben bei der latenten Strukturanalyse	373
	4. Modelle der latenten Strukturanalyse	375
	4.1 Allgemeines Modell	375
	4.2 Existenzproblem	377
	4.3 Identifikationsproblem	377
	4.4 Strukturproblem	378
	4.5 Latentes Klassenmodell	378
	4.6 Latentes Polynommodell	383
	4.7 Lokalisiertes Klassenmodell	384
	4.8 Latentes Inhaltsmodell	385
	4.9 Latentes Distanzmodell	386
	4.10 Testtheoretisches Modell	386
	4.11 Latentes Profilmodell	387
	4.12 Andere Modelle	388
	5. Statistische Fragestellungen	389
	5.1 Parameterschätzung	389
	5.1.1 Einführung	389
	5.1.2 Algebraische Verfahren	389
	5.1.3 Faktorisierungsmethoden	391
	5.1.4 Maximum-Likelihood-Schätzungen	391
	5.1.5 Aufteilungsmethoden	393
	5.1.6 Andere Schätzmethoden	394
	5.1.7 Programme und Algorithmen	394
	5.1.8 Probleme beim Schätzen	395
	5.2 Signifikanztests	396
	6. Schätzung der latenten Variablen	396
	7. Vergleich mit anderen Verfahren	397
	7.1 Vergleich mit der Faktoranalyse	397
	7.2 Vergleich mit der Guttman-Skalierung	398
	8. Anwendungen	399
	Literatur	400
	Kapitel 7: Clusteranalyse	406
	1. Zur Entwicklung der Literatur	406
	2. Zur Datenerhebung und Datenstruktur	408
	3. Problemstellungen und Verfahren	411
	3.1 Untermengenauswahl	411
	3.2 Mengenzerlegung	414
	3.3 Hierarchische Clusteranalysen	420
	3.3.1 Einordnung und Charakteristik	420
	3.3.2 Agglomerative Verfahren	423
	3.3.3 Subdivisive Verfahren	428
	3.3.4 Evaluation, Anwendung und Weiterentwicklungen	430
	3.4 Baumrepräsentationen und hybride Modelle	435
	3.5 Überlappende Gruppierung	437
	3.6 Cluster in Datenmatrizen	440
	4. Diskussion und Ausblick	441
	Literatur	444
	Kapitel 8: Typenanalyse	456
	1. Einführung	456
	2. Die Musteranalyse von McQuitty	458
	3. Die Konfigurationsfrequenzanalyse von Lienert	476
	4. Andere typenanalytische Ansätze	486
	4.1 Die Musterähnlichkeitsanalyse von Cattell	486
	4.2 Die Profildistanzanalyse von Sawrey, Keller und Conger	488
	4.3 Die Übereinstimmungsanalyse von Gengerelli	489
	4.4 Die Ähnlichkeitsanalyse nach Lorr und McNair	491
	4.5 Die Gruppierungsanalyse von Friedman und Rubin	493
	4.6 Der informationstheoretische Ansatz von Wallace und Boulton	494
	4.7 Die lineare Typenanalyse von Overall und Mett	494
	4.8 Die parametrische Mischungsanalyse von Wolfe und Fleiss	496
	4.9 Die Ähnlichkeitspartialisierungsmethode von Bolz	497
	Literatur	499
	Autoren- Register	513
	Sach-Register	525