PropertyValue
?:abstract
  • Diese kumulative Dissertation verfolgt das Ziel einer vertrauenswürdigen statistischen Modellierung grober Daten, welche die gesamte verfügbare Information – und nur diese – ausnutzt. Dabei werden eine grobe, kategoriale Responsevariable und präzise, kategoriale Kovariablen betrachtet. Die Arbeit motiviert das Thema, indem das Erheben von groben kategorialen Daten als mögliche Strategie aufgezeigt wird, verschiedene bei der Beantwortung von Surveyfragen auftretende Fehler zu minimieren. Nach einer Einordnung der Arbeit in die allgemeine Literatur werden die eingehenden Beiträge zusammengefasst, Querverbindungen herausgearbeitet und Ideen für die weitere Forschung skizziert. Abschließend wird nochmals Bezug zur Surveyforschung genommen, wobei sich zeigt, dass die Vorschläge dieser Arbeit auch von aktuellen Entwicklungen, wie der Erhebung von Paradaten, profitieren. In die Dissertation geht ein Beitrag (Beitrag 1) ein, der sich mit ontischer und vier Beiträge (Beitrag 2 bis 5), die sich mit epistemischer Datenimpräzision befassen. (xsd:string)
?:author
?:comment
  • (GLES) (xsd:string)
?:dataSource
  • GLES-Bibliography (xsd:string)
?:dateCreated
  • 8. Fassung, Januar 2019 (xsd:gyear)
?:dateModified
  • 2018 (xsd:gyear)
?:datePublished
  • 2018 (xsd:gyear)
?:duplicate
is ?:hasPart of
is ?:mainEntity of
?:name
  • Statistical modelling of categorical data under ontic and epistemic imprecision: Contributions to power set based analyses, cautions likelihood inference and (non-)testability of coarsening mechanisms (xsd:string)
?:publicationType
  • phdthesis (xsd:string)
?:reference
?:sourceInfo
  • Bibsonomy (xsd:string)
?:studyGroup
  • German Longitudinal Election Study (GLES) (xsd:string)
?:tags
  • 2018 (xsd:string)
  • FDZ_Wahlen (xsd:string)
  • GLES (xsd:string)
  • GLES_input2018 (xsd:string)
  • GLES_lieferung1 (xsd:string)
  • GLES_pro (xsd:string)
  • GLES_version8 (xsd:string)
  • ZA5700 (xsd:string)
  • checked (xsd:string)
  • phdthesis (xsd:string)
rdf:type