Vor Ort
Merkzettel Warenkorb
Produktbild: Einführung in die empirische Kausalanalyse und Machine Learning mit R

Einführung in die empirische Kausalanalyse und Machine Learning mit R

29,90 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.08.2020

Abbildungen

24 SW-Abb., 45 Tabellen

Verlag

Utb GmbH

Seitenzahl

180

Maße (L/B/H)

24,1/17,2/1,4 cm

Gewicht

335 g

Farbe

Rot

Auflage

1

Sprache

Deutsch

ISBN

978-3-8252-5510-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.08.2020

Abbildungen

24 SW-Abb., 45 Tabellen

Verlag

Utb GmbH

Seitenzahl

180

Maße (L/B/H)

24,1/17,2/1,4 cm

Gewicht

335 g

Farbe

Rot

Auflage

1

Sprache

Deutsch

ISBN

978-3-8252-5510-7

Herstelleradresse

wbv Media GmbH
Auf dem Esch 4
33619 Bielefeld
DE

Email: service@wbv.de

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Einführung in die empirische Kausalanalyse und Machine Learning mit R
  • Schnelleinstieg in R 7Teil 1: Grundlagen der Forschungsmethoden 91 Einführung in die Forschungsmethoden 92 Ziele der empirischen Forschung 123 Grundlegende Begriffe und Definitionen 14Forschungsfragen und Hypothesen 14Operationalisierung zur Beantwortung von Hypothesen 16Variablen und Konstanten in Datensätzen 17Skalenniveaus 204 Wissenschaftliche Gütekriterien 23Objektivität 23Reliabilität 24Validität 245 Daten als Grundlage der Analyse 27Datengenerierung 27Stichprobenziehung 28Herausforderungen der Datengewinnung 32Teil 2: Quantitative Datenanalyse 396 Deskriptive Analyse 39Beispieldatensatz für die deskriptive Analyse 39Lagemaße der deskriptiven Statistik 40Minimum, Maximum sowie weitere Lagemaße 43Boxplot zur grafischen Darstellung von Verteilungen 45Verteilung der Merkmalsausprägungen 47Varianz und Standardabweichung 51Vergleich von z-Werten 567 Bivariate Analyse 58Beispieldatensatz für die bivariate Analyse 58Empirische Kovarianz 60Korrelationskoeffizienten 61Bivariate Datenstruktur visualisieren 66Chi-Quadrat-Test 68t-Test 728 Multivariate Analyse 77Beispieldatensatz für die multivariate Analyse 78Deskriptive und bivariate Analyse vor der multivariaten Analyse 79Grundlagen der linearen Regressionsanalyse 81Einfache lineare Regression 82Multiple lineare Regression 86Zusammenfassung der Voraussetzungen für lineare Regressionsanalysen 92Grundlagen der logistischen Regressionsanalyse 93Teil 3: Empirische Kausalanalyse 999 Das fundamentale Evaluationsproblem und kausale Effekte 9910 Randomisierte Experimente zur Lösung des fundamentalen Evaluationsproblems 102Einführung in randomisierte Experimente 102Identifizierungsstrategie bei randomisierten Experimenten 11111 Lösung des fundamentalen Evaluationsproblemsbei fehlender Randomisierung 115Kontrollvariablen in der Regressionsanalys 115Praxisbeispiel: Evaluation eines Weiterbildungsprogramms ohne Randomisierung 11812 Erster Lösungsansatz: Regression Discontinuity Design 120Grundidee des 120Kausaler Effekt eines fiktiven Weiterbildungsprogramms 121RDD Praxisbeispiel 12213 Zweiter Lösungsansatz: Differenz-von-Differenzen-Schätzung 125Grundidee des Designs 125DiD und Regressionsmethode 126DiD-Regressionsmodelle in R 127Grenzen der DiD-Methode 12914 Dritter Lösungsansatz: Instrumentvariablen-Schätzung 133Grundidee des Designs 133Mincer-Gleichung in R 134Diskussion der identifizierenden Annahme 137Instrumentvariablenschätzung und 2SLS 13715 Wichtige Konzepte und Unterscheidungen 141Arten von Experimenten 141Arten von kausalen Effekten 142Messung von Effekten 146Teststärke 147Externe Validität 148Ausblick 149Teil 4: Machine Learning 15116 Einführung in das Machine Learning 15117 Statistische Formeln als Grundlage des Machine Learnings 153Datenaufbereitung und Modellierung 153Training und Validierung 15418 Anwendung von Machine Learning-Algorithmen 158Beispieldatensatz für das Machine Learning 158Supervised Machine Learning 163Unsupervised Machine Learning 171Teil 5: Weitere Materialien 179Video-Tutorials (YouTube) 179Programmierbeispiele (GitHub) 181Ausgewiesene Literaturempfehlungen 182Sachwortverzeichnis 185