Gertrud Moosmüller Livres

Dieses Buch vermittelt Studierenden der BWL und VWL die Grundlagen der Empirischen Wirtschaftsforschung, wobei der Fokus auf der praktischen Anwendung der Methoden liegt. Es behandelt grundlegende statistische Verfahren ohne Beweise und veranschaulicht diese durch konkrete ökonomische Datensätze. Ziel ist es, den Lesern zu ermöglichen, beobachtete ökonomische Phänomene mit ökonomischen Theorien zu verknüpfen und dabei Erkenntnisse aus Wirtschaftstheorie, Statistik und Ökonometrie zu integrieren. Der Inhalt umfasst Themen wie Datenbasis, Datenaufbereitung und einfache Datenanalyse, ökonomische Indikatoren, Trend- und Saisonbereinigungsverfahren sowie Schätzungen und Prognosen für makroökonometrische Modelle, einschließlich Regressionsanalysen und OLS-Methoden. Zudem werden mikroökonometrische Modelle sowie Input- und Output-Modelle behandelt. Die Autorin, GERTRUD MOOSMÜLLER, ist Professorin für Statistik an der Universität Passau und bringt langjährige Lehrerfahrung in Mathematik für Wirtschaftswissenschaftler, angewandter Statistik, Empirischer Wirtschaftsforschung und Ökonometrie mit.

Gegenstand dieses Buches ist die Latent-Class-Analyse (LCA), ein multivariates Klassifikationsverfahren, das als Alternative zur herkömmlichen Clusteranalyse bei wenigen qualitativen Merkmalen dient. Ursprünglich für dichotome Variablen entwickelt, lassen sich die Methoden auch auf polychotome Merkmale anwenden, und es gibt Entwicklungen für ordinalskalierte Variablen, insbesondere in den Wirtschaftswissenschaften wie der Absatzforschung. Eine Weiterentwicklung der LCA könnte den Informationsverlust durch Niveauregression und die unangemessene Behandlung qualitativer Merkmale als quantitative Variablen verringern oder vermeiden. Die Autorin erläutert die LCA anhand von Beispielen und beginnt mit einer Einführung sowie einer eingehenden Betrachtung des Grundmodells für binäre Merkmale (unrestringierte LCA), einschließlich der Modellgeltung und der Identifizierbarkeit der Parameter. Danach wird die am häufigsten benötigte Variante der restringierten Latent-Class-Modelle behandelt. Anschließend wird die lineare logistische LCA betrachtet, die aus der Kombination einer der Schätzmethoden im unrestringierten Modell und zusätzlichen Restriktionen hervorgeht. Zum Schluss werden wichtige Erweiterungen der ursprünglichen LCA behandelt, insbesondere bei polychotomen oder ordinalskalierten Merkmalen.