Modelle und Verfahren der Zeitreihenanalyse gewinnen auch in den Sozial- und Geschichtswissenschaften zunehmend an Bedeutung. Zum einen werden immer mehr Zeitreihen-Daten verfügbar, zum anderen wächst die Einsicht, dass in vielen Bereichen dynamische Analysemodelle erforderlich sind, wenn strukturelle Zusammenhänge aufgedeckt und Kausalhypothesen überprüft werden sollen. Das Lehrbuch ist als anwendungsorientierte Einführung für Studierende, Lehrende und Forschungspraktiker konzipiert worden; vorausgesetzt werden lediglich Basiskenntnisse der deskriptiven und schließenden Statistik, wie sie üblicherweise in den Methoden-Curricula sozialwissenschaftlicher Fächer vermittelt werden. Ausgangspunkt sind die klassischen Verfahren der Zerlegung von Zeitreihen in verschiedene Komponenten (wie Trend und Zyklus). Im zweiten Schritt werden die Zeitreihen als stochastische Prozesse interpretiert, die im Rahmen des Box/Jenkins-Ansatzes modelliert werden können (sog. ARIMA-Modelle). Im dritten Schritt werden einzelne Zeitreihen als abhängige Variablen (Output-Reihen) behandelt, deren Verlauf entweder durch bestimmte Ereignisse oder Maßnahmen (Interventionsanalyse, Evaluationsforschung) oder durch andere stochastische Prozesse (Input-Reihen) kurz- oder längerfristig beeinflusst wird. Die dynamische Analyse der strukturellen Zusammenhänge wird sowohl im Rahmen der ökonometrischen Regressionsmodelle als auch innerhalb des Box/Jenkins-Ansatzes (sog. Transferfunktionsmodelle) behandelt. Im letzten Kapitel werden diese Modelle dahingehend erweitert, dass sie auch wechselseitige Kausalbeziehungen (Rückkopplungen) identifizieren und darstellen können. Die jeweiligen Verfahrensschritte werden anhand von Beispielen aus der Forschungspraxis erläutert. Die entsprechenden Zeitreihen sind online verfügbar, wie auch ein Programmpaket mit Analyseverfahren, die das Angebot von Standard-Paketen wie SPSS ergänzen.
Aktualisiert: 2023-03-27
> findR *