Aus dem Inhalt: Datenanalyse mit stochastischen Modellen / Soziale Karrieren / Grundlegende Konzepte stochastischer Modelle / Nichtparametrische Verfahren / Semiparametrische Verfahren (Cox-Regression) / Parametrische Verfahren / Beispiele und Analysen mit dem Programm RATE
Inhaltsverzeichnis
1. Einleitung: Datenanalyse mit stochastischen Modellen. - 1. 1. Daten und Modell. - 1. 2. Beispiele und Fragestellungen. - 1. 3. Datenarten und Datenstruktur. - 1. 4. Einige Vorteile der Datenanalyse mit stochastischen Modellen. - 2. Grundlegende Konzepte stochastischer Modelle. - 2. 1. Arten stochastischer Prozesse. - 2. 2. Das Zwei-Zustands-Modell mit absorbierendem Zielzustand. - 2. 3. Mehr-Zustands-Modelle. - 2. 4. Maximum-Likelihood-Schätzung der Übergangsrate. - 3. Nicht-parametrische Verfahren. - 3. 1. Explorative Datenanalyse. - 3. 2. Nicht-parametrische Schätzverfahren bei gruppierten Zeitbereichs-Daten: Life-Table-Schätzer. - 3. 3. Nicht-parametrische Schätzverfahren bei Individualdaten mit exakter Ankunftszeit: Product-Limit-Schätzer. - 3. 4. Nicht-parametrische Verfahren für den Vergleich von Subgruppen. - 4. Semi-parametrische Verfahren. - 4. 1. Das Proportional-Hazards-Modell von COX. - 4. 2. Die Partial-Likelihood-Methode von COX. - 4. 3. Das geschichtete Cox-Modell und die Überprüfung der Proportionalitätsannahme. - 4. 4. Signifikanztests und Stepwise-Regression. - 4. 5. Anwendungsbeispiel Arbeitslosigkeit mit dem Programm BMDP. - 5. Parametrische Verfahren. - 5. 1. Das log-lineare Basismodell. - 5. 2. Parametrische Modelle der Zeitabhängigkeit. - 5. 3. Kovariateneffekte und Zeitabhängigkeit. - 5. 4. Mehr-Zustands-Modelle. - 6. Ausblick. - 1. Notation und Definition der wichtigsten Terme. - 2. Ableitung der Überlebensfunktion und einiger weiterer Beziehungen beim Zwei-Zustands-Modell mit absorbierendem Zielzustand. - 3. Ableitung der Maximum-Likelihood-Schätzer bei qualitativen Kovariaten. - 4. Die Ableitung der Differentialgleichungen für die Zustandswahrscheinlichkeiten bei Multi-State-Modellen.
