Statistisches Matching mit Fuzzy Logic (eBook)

Theorie und Anwendung in Sozial- und Wirtschaftswissenschaften

Patrick Noll (Autor)

eBook Download: PDF

2010 | 2009
XVIII, 239 Seiten
Vieweg & Teubner (Verlag)
978-3-8348-9586-8 (ISBN)

Infos

Patrick Noll stellt eine alternative Methode des statistischen Matchings mit Fuzzy Logic vor, welche die Nachteile traditioneller Methoden durch die Fuzzyfizierung der Ausgangsdaten ausgleicht. Anhand zweier Anwendungsbeispiele demonstriert er die Vorgehensweise des statistischen Fuzzy-Matchings, entwickelt eine Möglichkeit zur Messung der Matching-Güte und vergleicht diese detailliert mit traditionellen Methoden. Darüber hinaus schlägt er mögliche Einsatzgebiete seines Ansatzes im Rahmen der Business Intelligence und dort insbesondere im Data Mining vor.


Dr. Patrick Noll promovierte bei Prof. Dr. Paul Alpar am Institut für Wirtschaftsinformatik der Philipps-Universität Marburg. Zur Zeit arbeitet er als Consultant für Business Intelligence bei einem mittelständischen IT-Dienstleister.

Inhalt

Geleitwort 6
Vorwort 8
Inhaltsverzeichnis 10
Tabellenverzeichnis 13
Abbildungsverzeichnis 16
1 Einleitung 18
2 Statistisches Matching 25
2.1 Grundlagen des statistischen Matchings 26
2.2 Annahmen und Merkmale des traditionellenMatching-Prozesses 28
2.3 Propensity Score Matching 32
2.4 Constrained versus unconstrained Matching 35
2.5 Kritik am statistischen Matching 38
3 Grundlagen der Fuzzy Logic 41
3.1 Unscharfe Mengen 42
3.1.1 Das allgemeine Fuzzy Set 42
3.1.2 Unscharfe Zahlen 44
3.2 Operationen und Eigenschaften unscharferMengen 46
3.2.1 Elementaroperationen 47
3.2.2 Modellierte Operationen 47
3.2.2.1 t-Normen 48
3.2.2.2 s-Normen 49
3.2.2.3 Kompensatorische Operatoren 50
3.3 Linguistische Ausdrücke 53
3.4 Beschaffung von Zugehörigkeitsfunktionen 55
3.4.1 Subjektive Interpretation von Zugehörigkeitsfunktionen 56
3.4.2 Objektive Ermittlung von Zugehörigkeitsfunktionen 58
3.4.2.1 Clusteranalyse 58
3.4.2.2 Fuzzy-Clusteranalyse 60
3.5 Fuzzy-Regeln 65
4 Statistisches Fuzzy-Matching 69
4.1 Einleitung und Motivation 69
4.2 Festlegung der linguistischen Ausdrücke 71
4.2.1 Linguistische Variablen 71
4.2.2 Linguistische Terme 72
4.3 Bestimmung der Zugehörigkeitsfunktionen 74
4.4 Aufbau der Regelbasis 77
4.5 Zugehörigkeitsgrade der Datensätze zurRegelbasis 80
4.5.1 t-Normen 81
4.5.2 s-Normen 81
4.5.3 Kompensatorische Operatoren 82
4.6 Identifikation der statistischen Zwillinge 85
4.6.1 Allgemeiner Distanzbegriff 85
4.6.2 Ermittlung der Distanzen zwischen den Datensätzen 86
4.6.2.1 Absolute Distanz 88
4.6.2.2 Euklidische Distanz 89
4.6.3 Constrained und unconstrained Fuzzy-Matching 90
4.7 Transformationsfunktionen 91
5 Programmtechnische Umsetzung desstatistischen Fuzzy-Matchings 94
5.1 Programmierumgebung 94
5.2 Aufbau des Programms 94
5.2.1 Eingabe der Daten und Festlegung der Parameter 95
5.2.2 Bestimmung der Zugehörigkeitsfunktionen undFuzzyfizierung der Ausgangsdaten 98
5.2.3 Berechnung der Zugehörigkeitsgrade zur Regelbasis 101
5.2.4 Ermittlung der Distanzen zwischen Cases und Controls 103
5.2.5 Identifizierung der statistischen Zwillinge 103
5.2.6 Ausgabe der Ergebnisse 107
6 Anwendungsbeispiele des statistischenFuzzy-Matchings 108
6.1 Einstellungen von Arbeitslosen undErwerbstätigen zur deutschen Vereinigung 108
6.1.1 Allgemeine Bevölkerungsumfrage derSozialwissenschaften ALLBUS 2006 109
6.1.2 Auswahl der Arbeitslosen und Erwerbstätigen 110
6.1.3 Matching von Arbeitslosen mit Erwerbstätigen 112
6.1.3.1 Linguistische Terme und Zugehörigkeitsfunktionen 113
6.1.3.2 Matching-Güte 120
6.1.4 Ergebnisse 143
6.1.4.1 Einstellungen zur deutschen Vereinigung 147
6.1.4.2 Neue Erkenntnisse über Einstellungen zur deutschen Vereinigungdurch Fuzzy-Matching 148
6.1.4.3 Erkenntnisse über Einstellungen zur deutschen Vereinigung durcheinfaches Distanzmatching 151
6.1.5 Zusammenfassung 152
6.2 Nutzer sozialer Online-Netzwerke undEinstellungen gegenüber Weblogs 157
6.2.1 Beschreibung der verwendeten Daten 158
6.2.1.1 Mehrwert sozialer Online-Netzwerke aus Benutzersicht 158
6.2.1.2 Wie ich blogge?! Die Weblog-Umfrage 2005 158
6.2.2 Vergleichbarkeit der verwendeten Daten 159
6.2.3 Matching von Nutzern sozialer Online-Netzwerke mitAutoren und Lesern von Weblogs 162
6.2.3.1 Auswahl der Matchingvariablen 162
6.2.3.2 Festlegung der linguistischen Terme 164
6.2.3.3 Matching-Güte 167
6.2.4 Gewichtung der Matchingvariablen 176
6.2.5 Ergebnisse 181
6.2.5.1 Mitglieder sozialer Online-Netzwerke als Blogger 182
6.2.5.2 Verhalten von Blog-Autoren in sozialen Online-Netzwerken 185
6.2.5.3 Verhalten von Blog-Lesern in sozialen Online-Netzwerken 189
6.2.6 Zusammenfassung 192
7 Zusammenfassung, Fazit und Ausblick 194
7.1 Zusammenfassung 194
7.2 Fazit 196
7.3 Ausblick 199
Anhang 201
A Ridit-Werte und Ridit-Test 201
B Einstellungen zur deutschen Vereinigung vonArbeitslosen und ihren statistischen Zwillingen 202
C Quellcode des Programms zum statistischenFuzzy-Matching 210
Literaturverzeichnis 226
Sachverzeichnis 250

Produkt-Details

• Erscheint lt. Verlag: 23.2.2010
• Reihe/Serie: Entwicklung und Management von Informationssystemen und intelligenter Datenauswertung
• Reihe/Serie: Entwicklung und Management von Informationssystemen und intelligenter Datenauswertung
• Zusatzinfo: XVIII, 239 S.
• Verlagsort: Wiesbaden
• Sprache: deutsch
• Themenwelt: Mathematik / Informatik ► Informatik ► Software Entwicklung
• Themenwelt: Mathematik / Informatik ► Mathematik
• Themenwelt: Technik
• Schlagworte: Business Intelligence • Data-Mining • Fuzzyfizierung • Fuzzylogik • Matching-Güte • Messung • Statistik • Verfahren
• ISBN-10: 3-8348-9586-5 / 3834895865
• ISBN-13: 978-3-8348-9586-8 / 9783834895868