Arbeitspapier
Analyzing panel data with non-metric dependent variables: Probit models, generalized estimating equations, missing data and absorbing states
- Sprache
-
Englisch
- Erschienen in
-
Year: 1992 ; Berlin: Deutsches Institut für Wirtschaftsforschung (DIW)
- Klassifikation
-
Wirtschaft
- Thema
-
Mikroökonometrie
Schätztheorie
Theorie
- Ereignis
-
Geistige Schöpfung
- (wer)
-
Arminger, Gerhard
- Ereignis
-
Veröffentlichung
- (wer)
-
Deutsches Institut für Wirtschaftsforschung (DIW)
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften, Leibniz-Informationszentrum Wirtschaft
- (wo)
-
Berlin
- (wann)
-
1992
- Handle
- Letzte Aktualisierung
-
10.03.2025, 11:46 MEZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Objekttyp
- Arbeitspapier
Beteiligte
- Arminger, Gerhard
- Deutsches Institut für Wirtschaftsforschung (DIW)
- ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften, Leibniz-Informationszentrum Wirtschaft
Entstanden
- 1992
Ähnliche Objekte (12)
Analyzing panel data with non-metric dependent variables : Probit models, generalized estimating equations, missing data and absorbing states
Metric methods for analyzing partially ranked data
data.PREP #Python – Data Frames: Analyzing Data
Analyzing Ecological Data
Analyzing categorical data
Non-metric pairwise proximity data
Metric Learning for Structured Data
Efficient probit estimation with partially missing covariates
Efficient probit estimation with partially missing covariates
Missing Data in Accelerometry
Orometric methods in bounded metric data
The Missing Benchmark Metric: Memory Consumption
Analyzing panel data with non-metric dependent variables : Probit models, generalized estimating equations, missing data and absorbing states
Metric methods for analyzing partially ranked data
data.PREP #Python – Data Frames: Analyzing Data
Analyzing Ecological Data
Analyzing categorical data
Non-metric pairwise proximity data
Metric Learning for Structured Data
Efficient probit estimation with partially missing covariates
Efficient probit estimation with partially missing covariates
Missing Data in Accelerometry
Orometric methods in bounded metric data
The Missing Benchmark Metric: Memory Consumption
Analyzing panel data with non-metric dependent variables : Probit models, generalized estimating equations, missing data and absorbing states
Metric methods for analyzing partially ranked data
data.PREP #Python – Data Frames: Analyzing Data
Analyzing Ecological Data
Analyzing categorical data
Non-metric pairwise proximity data
Metric Learning for Structured Data
Efficient probit estimation with partially missing covariates
Efficient probit estimation with partially missing covariates
Missing Data in Accelerometry
Orometric methods in bounded metric data