Die Arbeit befasst sich mit der Analyse der Miethöhe. Dabei stellt sich die Frage, welche Faktoren die Miethöhe am stärksten beeinflussen, das Alter der Mieter, der Erwerbsstatus, die Größe der Wohnung, etc.
Dabei liegt der Schwerpunkt auf statistischen Analyseverfahren – untersucht wird die mögliche Abhängigkeit anhand der Regressionsanalyse (einfache, partielle und multiple Regression) und Varianz- bzw. Kovarianzanalyse. Dabei wird mit Daten aus dem Mikrozensus gearbeitet.
Inhaltsverzeichnis
1. Einleitung
2. Datensatz
3. Analyse: Regression
3.1 Einfache Regression
3.2 Partielle Regression
3.3 Multiple Regression
4. Analyse: Varianz / Kovarianz
4.1 Einfaktorielle Varianzanalyse
4.2 Zweifaktorielle Varianzanalyse
4.3 Kovarianzanalyse
5 Fazit
6 Literatur
Zielsetzung & Themen
Die vorliegende Arbeit zielt darauf ab, Einflussfaktoren auf die Miethöhe auf Basis von Mikrozensus-Daten zu identifizieren und die Stärke dieser Zusammenhänge mithilfe multivariater Analysemethoden in SPSS zu untersuchen.
- Anwendung von Regressionsanalysen (einfach, partiell, multiple) zur Bestimmung von Mietpreisindikatoren.
- Einsatz von Varianzanalysen zur Prüfung des Einflusses kategorialer Variablen wie Bildung und Alter.
- Nutzung der Kovarianzanalyse zur Kontrolle metrischer Einflussgrößen.
- Vergleichende Bewertung der statistischen Methoden hinsichtlich ihrer Erklärungskraft für die Miethöhe.
- Methodische Aufbereitung nominal skalierter Daten durch Dummy-Variablen-Techniken.
Auszug aus dem Buch
3.1 Einfache Regression
Bei der einfachen Regression sind zwei zu untersuchende Variablen vorhanden, die auf ihre Abhängigkeit überprüft werden sollen. In diesem Fall wäre das die Miethöhe (abhängige Variable, y) und die Gesamtfläche der Wohnung in qm (unabhängige Variable, x). Beide Variablen besitzen ein metrisches Skalenniveau.
Um sich einen ersten Eindruck zu verschaffen und die Richtung des Zusammenhangs angeben zu können, bietet es sich an, ein Streudiagramm zu zeichnen. Dabei werden alle empirisch erhobenen Werte in ein Koordinatensystem eingezeichnet.
Das Streudiagramm wurde mit Hilfe des Statistikprogramms SPSS erstellt. Die roten Punkte lagen sehr nahe beieinander, so dass die Funktion „Sonnenblume“ angewandt wurde. Man sieht, dass im untern linken Bereich sich die Fälle sehr stark häufen und an den Rändern weniger werden. In der Graphik 2 auf Seite 9 habe wurde die Funktion nicht verwendet, so dass dort die empirisch ermittelten Werte genau angezeigt werden.
Es gibt fünf auffällige Ausreißer, wobei zwei für eine „kleine“ Wohnung relativ viele Miete zahlen müssen, im Vergleich zu den restlichen Haushalten und zwei, die relativ wenig für eine „große“ Wohnung zahlen müssen. Außerdem gab eine Person an, für eine 400 qm große Wohnung keine Miete zahlen zu müssen. In diesem Fall ist davon auszugehen, dass es sich um einen Jugendlichen oder ein Kind handelt, welches noch bei den Eltern wohnt oder ein Rentner, der bei seinen Kinder wohnt. Auch möglich ist, dass es sich um eine Eigentumswohnung handelt. Ebenso sind die weiteren Punkte zu interpretieren, die auf der x-Achse liegen und keine Miete zahlen müssen.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung skizziert das Ziel der Arbeit, die Miethöhe anhand von Mikrozensus-Daten und multivariaten statistischen Methoden zu untersuchen.
2. Datensatz: Dieses Kapitel beschreibt die Herkunft und Struktur der verwendeten Mikrozensus-Daten sowie die demografische Zusammensetzung der befragten 2216 Personen.
3. Analyse: Regression: Hier werden Regressionsmodelle erläutert, um die Beziehung zwischen der Miethöhe und unabhängigen Variablen wie Wohnfläche, Schulabschluss und Baujahr zu quantifizieren.
4. Analyse: Varianz / Kovarianz: In diesem Teil werden Gruppenunterschiede hinsichtlich der Miethöhe analysiert, wobei Faktoren wie Alter und Bildung sowie die Wohnungsgröße als Kovariate einbezogen werden.
5 Fazit: Das Fazit fasst zusammen, dass die Wohnfläche den stärksten Indikator für die Miethöhe darstellt, während andere untersuchte Variablen nur geringen Einfluss ausüben.
6 Literatur: Auflistung der verwendeten Fachliteratur und Online-Quellen zur multivariaten Statistik.
Schlüsselwörter
Miethöhe, Mikrozensus, SPSS, Regressionsanalyse, Varianzanalyse, Kovarianzanalyse, Multivariate Statistik, Dummy-Variablen, Wohnfläche, Korrelation, Bildung, Alter, Statistik, Signifikanz, Residuen.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, welche Faktoren die Miethöhe beeinflussen und wie stark diese Zusammenhänge mithilfe von Daten aus dem Mikrozensus sind.
Was sind die zentralen Themenfelder der Analyse?
Die zentralen Themen sind die statistische Untersuchung von Mietpreisindikatoren mittels Regressions- sowie Varianz- und Kovarianzanalysen.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, den Einfluss von Variablen wie Wohnfläche, Schulabschluss und Baujahr auf die Miethöhe methodisch fundiert zu analysieren.
Welche wissenschaftliche Methode wird primär verwendet?
Es werden multivariate statistische Verfahren, insbesondere die einfache, partielle und multiple Regressionsanalyse sowie die ein- und zweifaktorielle Varianzanalyse eingesetzt.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die Regressionsanalyse inklusive Dummy-Variablen-Technik sowie die Varianz- und Kovarianzanalyse zur Gruppenuntersuchung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Regressionsanalyse, Varianzanalyse, Kovarianzanalyse, Miethöhe, Mikrozensus und SPSS-Statistik.
Warum wird die „Sonnenblumen“-Funktion in den Streudiagrammen genutzt?
Da die empirischen Datenpunkte in den Streudiagrammen sehr eng beieinander liegen, dient diese Funktion der besseren Visualisierung der Häufungspunkte.
Welche Rolle spielt die Wohnungsgröße in den Modellen?
Die Gesamtfläche der Wohnung erweist sich als der mit Abstand stärkste Indikator für die Miethöhe und fungiert zudem als zentrale Kovariate in den Analysen.
- Quote paper
- Diplom-Sozialwissenschaftlerin Manuela Kulick (Author), 2006, Analyse der Miethöhe mit Hilfe von SPSS. Regression-, Varianz- und Kovarianzanalyse, Munich, GRIN Verlag, https://www.grin.com/document/64674
