Dienstag, 23.04.2013, 12-13 Uhr - Raum: W8-107
Dr. Manuel Völkle
Max Planck Institute for Human Development, Berlin
An SEM Approach to Continuous Time Modeling
Most studies in the social sciences are concerned with outcome criteria that develop continuously over time. In practice, however, it is usually impossible to monitor the developmental process in a truly continuous manner. Rather, researchers are forced to use "snapshots" in order to learn something about the underlying process and factors that possibly affect it. Panel designs, in which the same subjects are repeatedly observed, are typical examples of such "snapshots". In this talk, I first review several popular approaches to analyze panel data, including multilevel, autoregressive, and cross-lagged models. Second, continuous time modeling is introduced as an alternative, which overcomes several limitations of the previous methods. I will illustrate my arguments by using simulated as well as empirical data. Third, it will be demonstrated how to estimate and interpret continuous time models using CT-SEM, an R-based function for continuous time modeling using structural equation models. I will end my presentation with a discussion of possible advantages of unequal time intervals in the analysis of oscillating processes.
Dienstag, 07.05.2013, 12-13 Uhr - Raum: W8-107
Prof. Dr. Fridtjof Nussbeck
Universität Bielefeld
Multitrait-Multimethod Analysen in der Psychologie
In der Psychologie wir die Multitrait-Multimethod (MTMM-) Analyse als Königsweg der Konstruktvalidierung aufgefasst. Der MTMM-Analyse liegt die Annahme zugrunde, dass jede Messung eines Merkmals Einflüsse des interessierenden Merkmals aber auch der zur Erfassung des Merkmals eingesetzten Methode zugrunde liegen. Mithilfe moderner Verfahren zur Schätzung von Modellen der konfirmatorischen Faktorenanalyse (CFA-SEM) können mittels geeigneter MTMM-Modelle Varianzkomponenten identifiziert werden, die Einflüsse des Traits, der Methode und des Messfehlers widerspiegeln. Der Vortrag gibt einen Überblick über die Entwicklung von MTMM-Modellen, die psychometrische Definition von MTMM-Modellen und eine Empfehlung zur Auswahl von geeigneten MTMM-Modellen.
Dienstag, 21.05.2013, 12-13 Uhr - Raum: W8-107
Prof. Dr. Göran Kauermann
Ludwig-Maximilians-Universität München
Expectile Regression - Flexible Modelling of Data Beyond the Mean
Classical least squares regression has been extended in various ways in the last decades. The original linear model has been further developed to allow for smooth, functional effects, commonly referred to a (generalized) additive model, and unobserved heterogeneity and repeated measurements have been accounted for by included random effects leading to (linear) mixed effects models. Penalized spline smoothing allows to combine the two strands, that is smoothing and random effect modeling can be carried out coherently. While these models focus on modeling the mean, a simple trick allows to model other aspects of the distribution as well. To do so one replaces the least squares by an asymmetric version. This leads to expectile regression, sometimes seen as a competitor to the well developed field of quantile regression. We show how rather complex expectile models can be fitted, some of which contain smooth and random effects. We also demonstrate how expectiles allow to calculate quantiles so that both approach focus on the same idea, that is modeling data beyond the mean.
Dienstag, 04.06.201, 12-13 Uhr - Raum: W8-107
fällt aus
Dienstag, 18.06.2013, 12-13 Uhr - Raum: W8-107
Dr. Christian Pigorsch
Universität Bielefeld
Approximate Bayesian Computation with Indirect Summary Statistics
Approximate Bayesian Computation (ABC) has become a popular estimation method for situations where the likelihood function of a model is unavailable. In contrast to classical Bayesian inference, this method does not build on the availability of the likelihood function, but instead relies on a distance function which measures the distance between some empirical summary statistics and their simulation based counterparts. An open question is the selection of these statistics, particularly regarding their sufficiency properties. In this paper we propose an indirect approach with summary statistics based on statistics of a suitably chosen auxiliary model. We show sufficiency of these statistics for Indirect ABC methods based on parameter estimates (ABC-IP), likelihood functions (ABC-IL) and scores (ABC-IS) of the auxiliary model. In the case of score based summary statistics we provide an efficient way of weighting the different summary statistics. This weighting scheme allows us to appropriately assess the distance between the true posterior distribution and the approximation based on the ABC-IS method. We illustrate the performance of these Indirect ABC methods in a simulation study and compare them to a standard ABC approach. We also apply the ABC-IS method to the problem of estimating a continuous-time stochastic volatility model based on OU-processes.
Dienstag, 02.07.2013, 12-13 Uhr - Raum: W8-107
Julia Harand
Universität Bielefeld
Fortschreibung familienbiografischer Verläufe mit Hilfe des Statistical Matching - Eine Analyse auf Basis des Sozio-oekonomischen Panels (SOEP)
Statistical Matching ist die Suche nach statistischen Zwillingen. Statistische Zwillinge sind im Besitz gleicher oder sehr ähnlicher Merkmale. Über statistische Zwillinge können Datensätze aus verschiedenen Quellen basierend auf einer Menge gemeinsamer Merkmale miteinander verknüpft werden. Dieses Verfahren wird Datenfusion genannt. Auch Verläufe von Biografien können auf Basis der merkmalsgleichen Zwillinge nach dem Prinzip der Datenfusion prognostiziert werden (Westermeier et al. 2012). Zunächst soll ein Einblick in die Methode des Statistical Matchings gegeben werden, wobei sowohl traditionelle, distanzbasierte als auch alternative auf der Multiplen Imputation beruhende Matching-Verfahren berücksichtigt werden. In Anlehnung an Westermeier et al. (2012) und Frick et al. (2012) wird die Methode des Statistical Matchings auf familienbiografische Verläufe von Individuen angewendet und die fortgeschriebenen Biografien werden anschließend bezüglich Unterschieden und Gemeinsamkeiten zwischen verschiedenen Geburtskohorten und Ost- und Westdeutschland verglichen und analysiert. Für die Fortschreibung der familienbiografischen Verläufe werden Daten des Sozio-oekonomischen Panels (SOEP) des Deutschen Instituts für Wirtschaftsforschung (DIW) in Berlin zugrunde gelegt.
Ann-Kristin Koop
Universität Bielefeld
Von der soziologischen Theorie zur statistischen Analyse: Die Modellierung von hierarchischen Datenstrukturen am Beispiel der elterlichen Bildungsaspiration
Die elterliche Bildungsaspiration spielt eine entscheidende Rolle für die Schullaufbahn eines Kindes und ist somit ein wichtiger Faktor, um Bildungsungleichheit zu erklären. Die Analyse von Familiendaten ermöglicht es, elterliche Bildungsaspirationen im Zusammenhang mit Faktoren, die diese beeinflussen, sowohl innerhalb als auch zwischen Familien zu untersuchen. Im Vortrag wird ein gemischtes Mehrebenenmodell für die Analyse von elterlichen Bildungsaspirationen vorgestellt, diskutiert und Ergebnisse einer ersten Datenanalyse mit dem Modell präsentiert.