Dienstag, 30.10.2012, 12-13 Uhr - Raum: W8-107

fällt aus

 

Dienstag, 13.11.2012, 12-13 Uhr - Raum: W8-107

fällt aus

 

Dienstag, 27.11.2012, 12-13 Uhr - Raum: W8-107

fällt aus

 

Dienstag, 11.12.2012, 12-13 Uhr - Raum: W8-107

Prof. Dr. Martin Spiess
Universität Hamburg

Erweiterungen und Anwendungen verallgemeinerter Schätzgleichungen

Zunächst wird der von Liang and Zeger (1986) vorgeschlagene Schätzansatz der verallgemeinerten Schätzgleichungen (Generalized Estimating Equations, GEE) vorgestellt, die zur Schätzung von Längsschnittmodellen vorgeschlagen wurden. Kurz wird auf Spezialfälle eingegangen, bei denen nicht nur die technische Umsetzung sehr einfach ist, sondern der GEE-Schätzer ohne Berücksichtigung der Abhängigkeitsstruktur sehr gute (asymptotische) Eigenschaften besitzt. Anschließend werden Erweiterungen des GEE-Ansatzes auf Mehrgleichungspanelmodelle und zur Schätzung von Kovarianzstrukturparametern vorgestellt. Die Anwendung wird anhand von praktischen Beispielen illustriert.

 

Dienstag, 08.01.2013, 12-13 Uhr - Raum: W8-107

Dieser Vortrag fällt leider aus.

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, 22.01.2013, 12-13 Uhr - Raum: W8-107

Dipl.-Psych.  Kristian Kleinke (BSocSc Hons)
Universität Bielefeld

Multiple Imputation of Zero-Inflated Multilevel Count Data

Throughout the last couple of years multiple imputation has become a popular and widely accepted technique to handle missing data. Although various multiple imputation procedures have been implemented in all major statistical packages, currently available software is still highly limited regarding the imputation of incomplete count data. As count data analysis typically makes it necessary to fit statistical models that are suited for count data like Poisson or negative binomial models, also imputation procedures should be specially tailored to the statistical specialities of count data. We present a flexible and easy to use solution to create multiple imputations of incomplete zero-inflated and overdispersed multilevel count data.