Suchergebnisse
Filter
8 Ergebnisse
Sortierung:
Progress towards convergence
Regional Inequality, Convergence, and its Determinants - a View from Outer Space
This data set provides predicted regional GDP per capita and weighted measures of regional inequality for 178 countries between 1992 and 2012. The income predictions are based on satellite night-time light data (stable lights from DMSP-OLS). A detailed description of the data set is available from the corresponding publication. Please quote our paper if you use the data for your research.
GESIS
Der Einfluss redaktioneller Konvergenz auf die Vielfalt der Berichterstattung im deutschen Nachrichten- und Informationsjournalismus
Der vorliegende Datensatz und das dazugehörige Codebuch sind Teil einer Studie zum Einfluss redaktioneller Konvergenz auf die Vielfalt der Berichterstattung im deutschen Nachrichtenjournalismus. Konkret beziehen sich die Daten auf letztere Vielfalt zu zwei Zeitpunkten T0 (vorkonvergent, je nach Medium zwischen 1999 und 2008) und T1 (konvergent, im Jahr 2019). Dazu wurde die Berichterstattung dreier Medienhäuser in Ostbayern untersucht (Mittelbayerische, Passauer Neue Presse, Straubinger Tagblatt), die sich durch unterschiedliche Konvergenzentwicklungen auszeichnen.
Forschungsfragen des übergeordneten Projekts:
FF1: Wie ist der Stand der redaktionellen Konvergenz der untersuchten Medien und wie hat er sich über die Zeit entwickelt?
FF2: Wie hat sich die Vielfalt der Berichterstattung der Medienunternehmen auf Meso- und Mikroebene über den gleichen Zeitraum verändert?
FF3: Gibt es einen Zusammenhang zwischen der Entwicklung der redaktionellen Konvergenz und der Vielfalt der Berichterstattung?
Der vorliegende Datensatz dient dabei der Beantwortung der FF2. Die Berichterstattung der drei Medien wurde innerhalb der fünf klassischen Ressorts – Politik, Wirtschaft, Kultur, Sport und Lokales – sowie der Titelseite der Printausgaben auf ihre strukturelle (Darstellungsform, Ressort, Quelle) und inhaltliche Vielfalt (Hauptthema, Hauptakteur, Haupthandlungsort, Perspektiven) hin analysiert.
Die Daten zeigen gleichbleibend hohe Vielfaltswerte in allen drei Medien, es sind aber durchaus Schwerpunktverschiebungen zu beobachten, etwa (im Fall der PNP) weg von Lokaljournalismus hin zu überregionalem Politik- und Wirtschaftsjournalismus.
GESIS
Function Random Start Values for CFA (lavaan)
Confirmatory factor analysis (CFA) is a widely applied statistical technique in many research areas. However, depending on identification method and starting values, with typical (or robust) maximum likelihood estimation (ML/MLR) analysis models may converge to suboptimal values of the likelihood function (local maxima), thereby threatening the robustness of empirical modelling and inferences about model selection. To ensure model convergence to optimal likelihood values (global maxima), Mplus offers a convenience switch to repeatedly run a model with different random start values. Notably, open-source solutions in R lack a similarly convenient way for overcoming local maxima with the help of random start values. Here, we propose to implement R-code for reproducibe findings of the computationally optimal values for a CFA solution. While drawing on lavaan's cfa-function (Rosseel, 2012), we use a wrapper function for calling lavaan's cfa-function with three additional arguments. The first argument specifies the number of model runs that shall test random start values, mirroring Mplus's "starts" option. The second argument specifies the numerical tolerance, that is, the number of decimals of the likelihood values for evaluating the runs with random start value as equally likely. The third argument can be used to invoke parallel computing in the presence of multiple CPU cores, which increases computational efficiency if large numbers of runs with different random start values were ever required. Several examples demonstrate the functionality, applicability, and utility of the function.
Rosseel, Y. (2012). lavaan: An R Package for Structural Equation Modeling. Journal of Statistical Software, 48(2), 1-36. https://doi.org/10.18637/jss.v048.i02
GESIS