Year: 2020
Author: Micheel, Frank
Sozialer Fortschritt, Vol. 69 (2020), Iss. 5 : pp. 1–384
Abstract
Online-Anhang
Beschreibung der analytischen Samples; Operationalisierung der Variablen; Verteilung des freiwilligen Engagements nach Bereich; Ergebnisse der binär-logistischen Regression, abhängige Variable: Freiwilliges Engagement (niedrige Bildung, N = 946); Ergebnisse der binär-logistischen Regression, abhängige Variable: Freiwilliges Engagement (hohe Bildung, N = 7.094); Gegenüberstellung der durchschnittlichen marginalen Effekte nach Bildungsgruppen und Test auf Gleichheit.
You do not have full access to this article.
Already a Subscriber? Sign in as an individual or via your institution
Journal Article Details
Publisher Name: Global Science Press
Language: German
DOI: https://doi.org/10.3790/sfo.69.5.app
Sozialer Fortschritt, Vol. 69 (2020), Iss. 5 : pp. 1–384
Published online: 2020-05
AMS Subject Headings: Duncker & Humblot
Copyright: COPYRIGHT: © Global Science Press
Pages: 11
Author Details
-
Long, J. S./Freese, J. (2014): Regression models for categorical dependent variables using Stata. 3. Auflage, College Station, Texas.
Google Scholar -
Mize, T. D. (2019): Best practices for estimating, interpreting, and presenting nonlinear interaction effects, in: Sociological Science 6, 81–117.
Google Scholar -
Müller, D./Hameister, N. (2016) Deutscher Freiwilligensurvey 2014. Kurzbeschreibung des Scientific Use Files: SUF FWS 2014, Version 1.0 und Version 1.1. Deutsches Zentrum für Altersfragen, Berlin.
Google Scholar -
Simonson, J./Ziegelmann, J. P./Vogel, C./Hameister, N./Müller, D./Tesch-Römer, C. (2016) Deutscher Freiwilligensurvey 2014. Erhebungsinstrument. Deutsches Zentrum für Altersfragen, Berlin.
Google Scholar