Die folgenden Links führen aus den jeweiligen lokalen Bibliotheken zum Volltext:
Alternativ können Sie versuchen, selbst über Ihren lokalen Bibliothekskatalog auf das gewünschte Dokument zuzugreifen.
Bei Zugriffsproblemen kontaktieren Sie uns gern.
66 Ergebnisse
Sortierung:
In: Sage university papers, Quantitative applications in the social sciences 46
In: Sage university papers
The statistical field of survival analysis is fundamentally concerned with modeling durations between specific events and associated missing data phenomena. This doctoral thesis addresses three important issues via Bayesian and frequentist methods: First, Bayesian estimation for a proportional hazards model under double-censoring is studied. Second, the linear regression model for randomly double-truncated lifetimes is treated. Finally, random double truncation caused by time-limited collection of survival data is addressed via Bayesian methods.
In: Analytical methods for social research
Die meisten wissenschaftlichen Studien, die sich einer Analyse des gesellschaftlichen Problems Armut widmen, untersuchen die Armutssituation in einer Periode. Da eine statische Betrachtungsweise aber nur ein unvollständiges Bild vermittelt, wird in dieser Arbeit die individuelle Dynamik von Armut anhand von Daten aus dem Sozio-ökonomischen Panel (SOEP) analysiert. Es werden Aussagen über das Ausmaß chronischer Armut bzw. die Dauer kontinuierlicher Armutsepisoden abgeleitet. Nach einer kurzen Hinführung zum Thema werden in Kapitel 2 die theoretischen Grundlagen für die empirischen Analysen der Folgekapitel gelegt. Es wird erörtert, wie Armut in dieser Studie definiert wird, wie die Bedarfsgewichtung der Haushaltseinkommen vorgenommen wird und wie die Armutsgrenzen festgelegt werden. Daran anschließend wird die verwendete Datenbasis vorgestellt, bevor zum Schluss dieses Kapitels mögliche Determinanten der Dauer und Dynamik von Armut beleuchtet werden. Kapitel 3 widmet sich der Analyse chronischer Armut. Dazu wird ein vier Jahre umfassender Analysezeitraum definiert und chronische Armut anhand der Anzahl an Jahren in Armut bzw. anhand der Höhe des Durchschnittseinkommens innerhalb dieses Zeitraums identifiziert. Mit Hilfe verschiedener univariater und multivariater Analysemethoden lassen sich differenzierte Erkenntnisse über das Risiko chronischer Armut in Deutschland gewinnen. Da sich die Untersuchungen aus Kapitel 3 nicht dazu eignen, Aussagen über die Dauer von Armut oder die Häufigkeit wiederkehrender Armut zu treffen, konzentrieren sich die Analysen in Kapitel 4 ausschließlich auf die Betrachtung kontinuierlicher Abfolgen von Armuts- und Nichtarmutsphasen. Es werden Methoden aus dem Bereich der Ereignisdatenanalyse eingesetzt, mit denen die Übergangswahrscheinlichkeiten zwischen Armut und Nichtarmut untersucht werden können. Neben der Frage, welche individuellen und haushaltsstrukturellen Faktoren maßgeblich für längere Armuts- und kürzere Nichtarmutsphasen verantwortlich sind, wird u.a. auch die Verweildauerabhängigkeit von Armut und Nichtarmut näher untersucht. In Kapitel 5 werden die zentralen Ergebnisse zusammengefasst und ein Ausblick auf weitere Forschungsansätze gegeben.
In: SISS: Schriftenreihe des Instituts für Sozialwissenschaften der Universität Stuttgart 2004,1
In: Applied social research methods series 28
Befragungen - Schriftliche Befragung - Internetbasierte Befragung - Organizational Survey - Delphi-Befragung - Repertory Grid - Simulation und Modellierung - Simulation - Modellierung - Experiment und Planspiel - Experiment - Planspiel - Beobachtungen - Strukturierte Beobachtung - Beobachtung mit SYMLOG - Analysemethoden - Quantitative Inhaltsanalyse - Mehrebenenanalyse - Netzwerkanalyse - Zähldatenanalyse - Ereignisdatenanalyse
In: Monographs on statistics and applied probability 123
"In the last twenty years, dynamic prediction models have been extensively used to monitor patient prognosis in survival analysis. Written by one of the pioneers in the area, this book synthesizes these developments in a unified framework. It covers a range of models, including prognostic and dynamic prediction of survival using genomic data and time-dependent information. The text includes numerous examples using real data that is taken from the authors collaborative research. R programs are provided for implementing the methods"--Provided by publisher