Literatur

Literaturempfehlungen Statistik und Analyse quantitativer Daten

* UZH: online lesbar
**UZH: im pdf-Format frei beziehbar über milibib.de oder link.springer.com

 

Hinweis: Die in den einzelnen Themengebieten aufgeführten Bücher und Artikel dienen in der Regel der Vertiefung. Für den Einstieg in ein Thema empfehlen sich oftmals Kapitel aus Lehrbüchern insbesondere aus den Bereichen 1. Grundlagen der Statistik und 2. Multi­variate statistische Verfahren.

1. Grundlagen der Statistik

**Bortz, J., & Schuster, C. (2010/2016). Statistik für Human- und Sozialwissenschaftler (7. Aufl.). Berlin: Springer.

**Kuckartz, U., Rädiker, S., Ebert, T., & Schehl, J. (2013). Statistik. Eine verständliche Einführung. Wiesbaden: Springer VS.

**Rasch, B., Friese, M., Hofmann, W., & Naumann, E. (2014). Quantitative Methoden 1. Einführung in die Statistik für Psychologen und Sozialwissenschaftler (4. Aufl.). Heidelberg: Springer.

**Rasch, B., Friese, M., Hofmann, W., & Naumann, E. (2014). Quantitative Methoden 2. Einführung in die Statistik für Psychologen und Sozialwissenschaftler (4. Aufl.). Heidelberg: Springer.

2. Multivariate statistische Verfahren (insbes. mit SPSS)

Backhaus, K., Erichson, B., Plinke, W., & Weiber, R. (2016). Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. (14. Aufl.) Berlin: Springer/Gabler.

Backhaus, K., Erichson, B., & Weiber, R. (2015). Fortgeschrittene Multivariate Analysemethoden (3. Aufl.). Berlin: Springer/Gabler.

Field, A. (2018). Discovering Statistics Using IBM SPSS (5 ed.). Los Angeles: Sage.

**Fromm, S. (Hrsg.) (2012). Datenanalyse mit SPSS für Fortgeschrittene 2: Multivariate Verfahren für Querschnittsdaten (2. Aufl.). Wiesbaden: VS Springer.

Norusis, M. J. (2011). IBM SPSS Statistics 19. Advanced Statistical Procedures Companion. Upper Saddle River: Prentice Hall.

*Rudolf, M., & Buse, J. (2012). Multivariate Verfahren. Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS (2. Aufl.). Göttingen: Hogrefe.

Tabachnick, B. G., & Fidell, L. S. (2013). Using Multivariate Statistics (6th ed.). Boston: Pearson.

3. Regressionsanalyse / Moderation und Mediation (vgl. auch SEM)

Aiken, L. S., & West, S. G. (1991). Multiple Regression: Testing and Interpreting Interactions. Newbury Park: Sage.

Jose, P. E. (2013). Doing statistical mediation and moderation. New York: The Guilford Press.

Campbell, D. T., & Kenny, D. A. (1999). A Primer on Regression Artifacts. New York: Guilford.

Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences (3rd ed.). Mahwah: Lawrence Erlbaum Associates.

Hayes, A. F. (2013). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach. New York: Guilford.

Jaccard, J., & Turrisi, R. (2003). Interaction Effects in Multiple Regression (2 ed.). Thousand Oaks: Sage.

Jose, P. E. (2013). Doing Statistical Mediation and Moderation. New York: Guilford.

Muthén, B. O., Muthén, L. K., & Asparouhov, T. (2016). Regression and Mediation Analysis Using Mplus. Los Angeles: Muthen & Muthen.

4. Strukturgleichungsmodelle (inkl. Konfirmatorische Faktorenanalyse und - zum Teil - Latente Wachstumskurvenmodelle)

Byrne, B. M. (2016). Structural equation modeling with Amos. Basic concepts, applications, and programming (3rd ed.). New York: Routledge.

Byrne, B. M. (2012). Structural equation modeling with Mplus. Basic concepts, applications, and programming. New York: Routledge.

**Geiser, C. (2011). Datenanalyse mit Mplus (2. Aufl.). Wiesbaden: Springer VS.

Hancock, G. R., & Mueller, R. O. (2013). Structural Equation Modeling: A Second Course (2nd ed.). Charlotte: Information Age Publishing.

Kleinke, K., Schlüter, E., & Christ, O. (2017). Strukturgleichungsmodelle mit Mplus (2. Aufl.). Oldenbourg: De Gruyter.

Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4 ed.). New York: Guilford.

Little, T. D. (2013). Longitudinal Structural Equation Modeling. New York: Guilford.

Wang, J., & Wang, X. (2012). Structural Equation Modeling: Applications Using Mplus. Chichester: Wiley.

5. Latente Wachstumskurvenmodelle

Duncan, T. E., S.C., D., & Strycker, L. A. (2010). An Introduction to Latent Variable Growth Curve Modeling: Concepts, Issues, and Applications. New York: Routledge.

Wickrama, K. K. A. S., Lee, T. K., Walker O'Neal, C., & Lorenz, F. O. (2016). Higher-Order Growth Curves and Mixture Modeling with Mplus: A Practical Guide. New York: Routledge.

6. Mehrebenenanalyse / Multilevel Modeling

Finch, W. H., & Bolin, J. E. (2017). Multilevel Modeling Using Mplus. Boca Raton: CRC.

Heck, R. H., & Thomas, S. L. (2015). An Introduction to Multilevel Modeling Techniques: MLM and SEM Approaches Using Mplus (3rd ed.). New York: Routledge.

Hox, J. J. (2011). Handbook of Advanced Multilevel Analysis. New York: Routledge.

Hox, J. J., Moerbeek, M., & van den Schoot, R. (2018). Multilevel analysis: techniques and applications (2 ed.). New York: Routledge.

Snijders, T. A. B., & Bosker, R. J. (2012). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling (2nd ed.). London: Sage.

7. Testtheorie (Klassisch und probabilistisch/IRT)

Bond, T., & Fox, C. M. (2015). Applying the Rasch Model. Fundamental Measurement in the Human Sciences (3 ed.). New York, NY: Routledge.

Bühner, M. (2010). Einführung in die Test- und Fragebogenkonstruktion (3. Aufl.). München: Pearson Studium.

De Ayala, R. J. (2009). The Theory and Practice of Item Response Theory. New York: Guilford.

Eid, M., & Schmidt, K. (2014). Testtheorie und Testkonstruktion. Göttingen: Hogrefe.

**Moosbrugger, H., & Kelava, A. (2012) Testtheorie und Fragebogenkonstruktion (2. Aufl.). Berlin: Springer

*Rost, J. (2004). Lehrbuch Testtheorie - Testkonstruktion (2. Aufl.). Bern: Huber.

Strobl, C. (2012). Das Rasch-Modell. Eine verständliche Einführung für Studium und Praxis. München: Rainer Hampp.

8. Nichtparametrische Verfahren und Kontingenztabellenanalyse

Andress, H.-J., Hagenaars, J. A., & Kühnel, S. (1997). Analyse von Tabellen und kategorialen Daten: log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz. Berlin: Springer.

**Bortz, J., Lienert, G. A., & Boehnke, K. (2008). Verteilungsfreie Methoden in der Biostatistik (3. Aufl.). Berlin: Springer.

Clauß, G., Finze, F.-R., & Partzsch, L. (2004). Statistik. Für Soziologen, Pädagogen, Psychologen und Mediziner. Grundlagen (5. Aufl.). Frankfurt a: M.: Harri Deutsch.

Garson, G. D. (2012). Correspondence Analysis (Statistical Associates Blue Book Series). Raleigh (NC): Statistical Associates Publishing.

Krauth, J. (1993). Einführung in die Konfigurationsfrequenzanalyse (KFA). Weinheim: Psychologie-Verlags-Union.

9. Multidimensionale Skalierung (MDS)

Borg, I., & Groenen, P. J. F. (2005). Modern Multidimensional Scaling: Theory and Applications (2nd ed.). New York, NY: Springer.

Borg, I., Groenen, P. J. F., & Mair, P. (2013). Applied Multidimensional Scaling. Berlin, Heidelberg: Springer.

**Borg, I. (2010). Multidimensionale Skalierung. In C. Wolf & H. Best (Hrsg.), Handbuch der sozialwissenschaftlichen Datenanalyse (S. 391–418). Wiesbaden: VS.

10. Fehlende Werte

Allison, P. D. (2003). Missing Data Techniques For Structural Equation Modeling. Journal of Abnormal Psychology, 112, 545–557.

Arbuckle, J. L. (1996). Full Information Estimation In The Presence of Incomplete Data. In G. A. Marcoulides & R. E. Schumacker (Eds.), Advanced Structural Equation Modeling (pp. 243–277). Mahwah: Lawrence Erlbaum Publishers.

Enders, C. T. (2010). Applied Missing Data Analysis. New York: Guilford.

Garson, G. D. (2015). Missing Values Analysis & Data Imputation (Statistical Associates Blue Book Series 36). Raleigh (NC): Statistical Associates Publishing.

Molenberghs, G., Fitzmaurice, G., Kenward, M. G., Tsiatis, A., & Verbeke, G. (Eds.). (2015). Handbook of Missing Data Methodology. Boca Raton (FL): Chapman and Hall/CRC.

Schafer, J. L., & Graham, J. W. (2002). Missing Data: Our View of the State of the Art. Psychological Methods, 7(2), 147-177.

11. SPSS-Syntax

**Akremi, L., Baur, N., & Fromm, S. (Eds.). (2011). Datenanalyse mit SPSS für Fortgeschrittene 1. Datenaufbereitung und uni- und bivariate Statistik (3. Aufl.). Wiesbaden: VS Springer.

Sarstedt, M., Schütz, T., & Raithel, S. (2010). IBM SPSS Syntax - Eine anwendungsorientierte Einführung (2. Aufl.). München: Vahlen.

**Schendera, C. F. G. (2005). Datenmanagement mit SPSS. Kontrollierter und beschleunigter Umgang mit Datensätzen, Texten und Werten. Berlin: Springer.

Zöfel, P. (2002). SPSS-Syntax. Die ideale Ergänzung für effiziente Datenanalyse. München: Pearson Studium.

12. Effektstärken und Poweranalysen

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. New York: Psychology Press.

Cohen, J. (1992). A Power Primer. Psychological Bulletin, 112(1), 155-159.

Ellis, P. D. (2010). The Essential Guide to Effect Sizes: Statistical Power, Meta-Analysis, and the Interpretation of Research Results. Cambridge: Cambridge University Press.

Kelley, K., & Preacher, K. J. (2012). On effect size. Psychological Methods, 17(2), 137–152.

13. Beurteilungsreliabilität

Wirtz, M. & Caspar, F. (2002). Beurteilerübereinstimmung und Beurteilerreliabilität. Göttingen: Hogrefe