Auf diesen Seiten erhalten Sie einen Überblick über mein Angebot an statistischen Analyseverfahren. Die Methodenübersicht gliedert sich in die drei häufigsten Anwendungsbereich für statistische Auswertungen. Wählen Sie einen der Bereiche aus und erhalten Sie Informationen über die Methoden, die in Ihrem Projekt Anwendung finden können. Alle der genannten Verfahren wurden in vergangenen Projekten erfolgreich eingesetzt.

Die wirtschaftswissenschaften sind im Bereich Statistik insbesondere geprägt durch die häufige Verwendung von Methoden der Regressions- und Zeitreihenanalyse:

• Multiple lineare und nichtlineare Regression 
• Logit-Modelle bzw. logistische Regression und Probit-Modelle
• Panel-Regression: Fixed effects, Random effects und gemischte Modelle
• Datenvorverarbeitung für Panelanalysen (z.B. reshape, merge, join etc.)
• Robuste Regression und Quantilsregression, Heteroskedastie- und Autokorrelationskonsistente Verfahren (White oder Newey-West)
• Event Studies / Ereignisstudien
• Value-at-Risk-Berechnung und Backtests (z.B. Kupiec & Christoffersen)
• Dynamische Panelmodelle (Arellano-Bond oder System-GMM-Schätzung)
• Umgang mit Missing Values und multiple Imputation
• Instrumentvariablen-Schätzung (Linear & Probit mit Instrumentvariablen)
• Poisson-Regression (Auch Zero Inflated und negativ-binomial)
• AR-, MA-, ARMA- und ARIMA-Modelle für Zeitreihendaten
• Finanzökonometrie: Korrelationen und Strukturbrüche, Volatitätsprognosen mittels GARCH oder HAR-RV
• Statistische Signifikanztests: t-Test, Chi-Quadrat-Test, Wilcoxon-Test,           Mann-Whitney-U-Test, Binomialtest u.a.
• Kointegrationsanalyse (Engle-Granger, Johansen-Test, VECM und         Granger-Kausalitätstest)

Als Analysesoftware für ökonometrische und finanzstatistische Analysen eignen sich vor allem R und Stata. R ist hierbei insbesondere bei Anwendungen aus dem Risikomanagement beliebt, während Stata sehr häufig für Panel-Analysen verwendet wird. 

In medizinischen und psychologischen Studien sind insbesondere Verfahren zum Vergleich von Gruppen von Interesse, die z.B. für Vergleiche von Experimental- und Kontrollgrupen verwendet werden:

• Überlebenszeitanalyse: Kaplan-Meier-Schätzung von Überlebenskurven, Log-Rank-Test zum Vergleich von Überlebenskurven und Cox-Regression
• Cox-Regression mit zeitabhängigen Risikofaktoren, wiederkehrenden Ereignissen, Competing Risks oder Frailties
• Mediator- und Moderatoranalyse
• Statistische Signifikanztests: t-Test, Wilcoxon-Test, Mann-Whitney-U-Test,   Chi-Quadrat-Test, Binomialtest u.a.
• Zwei- und Mehrgruppenvergleiche, Korrelationsanalysen
• Lineare multiple Regression, logistische Regression und bedingte logistische Regression
• Epidemiologische Kennzahlen: Odds Ratio, Relative Risk, u. ä.
• Bewertung von Diagnosemethoden: Spezifität, Sensitivität & ROC-Kurven
• Bland-Altman-Diagramme zum Vergleich von Messmethoden
• Ein- und mehrfaktorielle ANOVA, repeated-measures-ANOVA, ANCOVA und MANOVA
• Effektstärken- und Powerberechnung
• Adjustierung von p-Werten nach Bonferroni oder Bonferroni-Holm

In den Bereichen Medizin und Psychologie ist SPSS die am häufigsten verwendete Software. R und Stata kommen zumeist dann zum Einsatz, wenn SPSS an seine Grenzen stößt wie z.B. bei RRT-Befragungen oder Competing-Risks-Regression.

Der Bereich Marketing & Sozialforschung ist stark geprägt durch die Analyse von Umfragedaten. In neuerer Zeit gewinnen im Marketing Methoden des Data-Mining an Bedeutung:

• Fragebogendesign, Planung und Auswertung von Befragungen
• Warenkorb-Analyse / Assoziationsanalyse (A-Priori-Algorithmus)
• Text-Mining
• Hauptkomponenten- und Faktorenanalyse
• Strukturgleichungsmodelle und konfirmatorische Faktorenanalyse, Fornell-Larcker-Kriterium, Average Variance Extraction 
• Multiple lineare Regression inkl Überprüfung der Voraussetzungen
• Mediator- und Moderatoranalyse
• Panelregression: Fixed effects, random effects & DPD
• Logistische Regression, ordered Logit, Probit & multinomiale Regression
• Klassifikationsverfahren wie z. B. Random Forests oder Diskriminanzanalyse
• Clusteranalyse: k-Means, Agglomeratives Clustern 
• Mixed-effects-Modelle bzw. Mehrebenen- oder Multilevel-Modelle
• Umgang mit missing values und multiple Imputation
• Statistische Signifikanztests: t-Test, Chi-Quadrat-Test, Wilcoxon-Test,           Mann-Whitney-U-Test, Binomialtest u.a.
• Auswahlbasierte Conjointanalyse

In der Markt- und Sozialforschung wird in erster Linie SPSS genutzt, wobei insbesondere im Bereich Sozialforschung Stata zunehmend an Bedeutung gewinnt. Für Anwendungen aus dem Bereich Data Mining oder Text-Mining ist R gut geeignet.

Zurück zur Startseite geht es hier: Startseite Statistik Beratung.