Dieses Buch fuhrt ein in die grundlegenden Ansa Korrelation, Regression (linear, multipel, nichtlinear), logistische und ordinale Regression, sowie die Uberlebenszeitanalyse (Survivalanalyse). Bei allen Ansatzen werden Voraussetzungen und haufig begangene Fehler ausfuhrlich erlautert. Das Buch ist fur Mauslenker und Syntaxprogrammierung gleichermassen geeignet. Das Buch wurde fur SPSS Version 16 geschrieben. Zahlreiche Rechenbeispiele werden von der Fragestellung, der Anforderung der einzelnen Statistiken (per Maus, per Syntax) bis hin zur Interpretation des SPSS Ausgaben systematisch durchgespielt. Es wird auch auf diverse Fehler und Fallstricke eingegangen. Zur Prufung von Daten vor der Durchfuhrung einer statistischen Analyse wird auf and "Datenqualitat mit SPSS and " (Schendera, 2007) verwiesen. Bei der Korrelationsanalyse werden z.B. die Voraussetzungen wie z.B. Skalenniveau, Homoskedastizitat und Kontinuitat erlautert. Weitere Abschnitte behandeln die Themen Linearitat, Scheinkorrelation und Alphafehler-Kumulation. Auch wird erlautert, warum die blosse Angabe eines Korrelationskoeffizienten im Prinzip Unfug ist. Als spezielle Anwendungen werden der Vergleich von Korrelationskoeffizienten und die Kanonische Korrelation vorgestellt. Bei der Regressionsanalyse werden z.B. das Grundprinzip der klassischen bivariaten, linearen Regression Eine lineare Funktion wird mittels einer linearen Regressionsanalyse untersucht. An einem einfachen Beispiel die Uberprufung der Linearitat und Identifikation von Ausreissern anhand von Hebelwerten und Residuen erlautert. Auch wird das Uberprufen auf eine moglicherweise vorliegende Autokorrelation erlautert. Am Beispiel der nichtlinearen einfachen Regression wird demonstriert, warum es ein (nicht selten begangener) Fehler ist, eine nichtlineare Funktion mittels einer linearen Regressionsanalyse zu untersuchen. Weitere Abschnitte bieten zwei Losungsmoglichkeiten Eine nichtlineare Funktion kann linearisiert und mittels einer linearen Regression analysiert werden. Alternativ kann eine nichtlineare Funktion mittels einer nichtlinearen Regression geschatzt werden. Ausserdem werden Sinn und Grenzen der SPSS Prozedur CURVEFIT fur die (non)lineare Kurvenanpassung erlautert. Abschliessend wird eine nichtlineare Regression mit zwei Pradiktoren vorgestellt. An der multiplen linearen Regression werden Besonderheiten des Verfahrens, sowie die Multikollinearitat und andere Fallstricke erlautert. Zu den Besonderheiten der multiplen Regression zahlen u.a. die Verfahren der Variablenselektion, sowie die Interpretation der speziellen Statistiken der multiplen Regression. Neben dem Identifizieren und Beheben von Multikollinearitat wird auch auf das Umgehen mit zeitabhangigen (autoregressiven) Daten eingegangen. Abschliessend werden Hinweise fur die Berechnung einer Partialregression gegeben. Bei den Verfahren der logistischen, sowie ordinalen Regression wird zunachst auf das Kausalmodell und das Messniveau der abhangigen Variablen eingegangen. Als grundlegendes Verfahren wird zunachst die binare logistische Regression vorgestellt und die Gemeinsamkeiten und Unterschiede zu anderen Verfahren erlautert. Anhand mehrerer Rechenbeispiele werden u.a. die unterschiedlichen Verfahren der Variablenselektion, sowie die Interpretation der ausgegebenen Statistiken erlautert. Abschliessend wird auf das haufige Auseinanderklaffen von Modellgute und Vorhersagegenauigkeit eingegangen. Die multinomiale logistische Regression wird analog behandelt. Zusatzlich wird der Spezialfall der Gematchten Fall-Kontroll-Studie (1:1) mit metrischen Pradiktoren vorgestellt. Anschliessend wird die ordinale Regression vorgestellt und die Gemeinsamkeiten und Unterschiede mit den anderen Verfahren erlautert. Anhand mehrerer Rechenbeispiele werden u.a. die Interpretation der SPSS Ausgaben fur Modelle mit intervallskalierten und kategorial skalierten Pradiktoren erlautert. Bei der Uberlebenszeitanalyse ( Survivalanalyse, survival analysis, Lebenszeitanalyse, lifetime analysis, failure time analysis, time to effect, time to event analysis, etc.) werden z.B. das das Grundprinzip der Survivalanalyse, sowie die Bedeutung zensierte Daten erlautert. Als Verfahren zur Schatzung der Uberlebenszeit S(t) werden die versicherungsmathematische Methode (Sterbetafel-Methode), der Kaplan-Meier-Ansatz, sowie Regressionen nach Cox behandelt. Bei der Sterbetafel-Methode werden Beispiele mit bzw. ohne Faktoren vorgestellt. Beim Kaplan-Meier-Ansatz werden Beispiele mit ohne Faktoren, mit Schichtvariablen, sowie fur die Ermittlung von Konfidenzintervallen vorgestellt. Bei den Regressionen nach Cox werden neben dem Unterschied zwischen Ansatzen fur zeitunabhangige und zeitabhangige Kovariaten, ebenfalls zahlreichen Rechenbeispiele, sowie Cox-Regressionen fur Interaktionen, sowie auch die Uberprufung der speziellen Voraussetzungen der Cox-Regression vorgestellt. Weitere Abschnitte behandeln weitere regressionsanalytische Ansatze und Modelle (u.a. PLS-Regression, Ridge-Regression, Modellierung individueller Wachstumskurven).