Die deskriptive (auch: beschreibende) Statistik verfolgt das Ziel, empirische Daten durch Tabellen, Kennzahlen (auch: Maßzahlen oder Parameter) und Grafiken übersichtlich darzustellen und zu ordnen. Das kompakte Lehrbuch von Andreas Behr, Statistik-Professor an der Universität Duisburg-Essen, ist als Einführung in die beschreibende Statistik konzipiert.
Das Buch gliedert sich in insgesamt 12 Kapitel. Das einführende erste Kapitel liefert relevante und grundlegende Definitionen und führt in ein Beispiel ein, dass auch in den folgenden Kapiteln Anwendung findet. Im zweiten Kapitel werden Histogramme sowie grundlegende Methoden zur Berechnung von Dichtefunktionen vorgestellt. Die Berechnung und Interpretation unterschiedlicher Maßzahlen, mit denen Häufigkeitsverteilungen einer Variablen beschrieben werden können, ist Inhalt vom anschließenden dritten Kapitel. Kapitel 4 setzt sich mit der Konzentrationsmessung auseinander. Viele interessante Größen lassen sich definitorisch als Summe oder auch als Produkt von Komponenten darstellen. Das fünfte Kapitel veranschaulicht die Verwendung einfacher Strukturanalysen in Form definitorischer Komponentenmodelle mit einfachen additiven und multiplikativen Zerlegungen, um beispielsweise Einblick in Bestimmungsgründe der beobachteten Einkommensunterschiede von Männern und Frauen zu gewinnen. Kapitel 6 beschäftigt sich mit der Konstruktion von Preis- und Mengenindizes. Die Varianz und die Standardabweichung sind wenig anschauliche Streuungsmaße. Kapitel 7 konzentriert sich auf mehrdimensionale Variablen, bedingte Häufigkeiten sowie die Streuungszerlegung. Die Streuungszerlegung erlaubt eine vollständige Aufteilung der Gesamtstreuung in die Streuung innerhalb der Klassen und zwischen den Klassen. Bestehen zwischen den Komponenten einer mehrdimensionalen Variable Abhängigkeiten, dann liefern bedingte Häufigkeiten und bedingte Verteilungen Informationen über diese Abhängigkeiten. Wichtige Maßzahlen zur Darstellung des Zusammenhangs sind die Kovarianz und die Korrelation. Beide Maßzahlen stehen im Mittelpunkt von Kapitel 8. Das anschließende neunte Kapitel widmet sich Maßen zur Berechnung des Zusammenhangs für ordinale und nominalskalierte Variablen. So werden zunächst die Spearmans Rangkorrelation vorgestellt, mit der ein Zusammenhang zwischen zwei ordinalen Variablen erfasst werden kann. Dann wird der Chi-Quadrat-Koeffizient χ2 sowie der darauf basierende Kontingenzkoeffizient für zwei nominale Variablen präsentiert. Abschließend werden Zusammenhangsmaße für nominal skalierte Merkmale vorgestellt. Kapitel 10 setzt sich mit der einfachen Regressionsrechnung auseinander, um eine beobachtete abhängige Variable durch eine oder mehrere unabhängige Variablen zu erklären. Bei der linearen Regression wird dabei ein lineares Modell angenommen. Es werden also nur solche Zusammenhänge berücksichtigt, bei denen die abhängige Variable eine Linearkombination der Regressionskoeffizienten (aber nicht notwendigerweise der unabhängigen Variablen) ist. Hierauf aufbauend skizziert das anschließende elfte Kapitel die multiple Regressionsanalyse, bei der es zwei oder mehr erklärende Variablen geben kann. Das abschließende zwölfte Kapitel beschäftigt sich mit Zeitreihen und deren Trendermittlung sowie Saisonbereinigung. Typische Beispiele für Zeitreihen sind Börsenkurse, Wahlabsichtsbefragungen oder Wetterbeobachtungen.
Fazit: Das Buch liefert eine ausführliche und praxisorientierte Darstellung von Grundlagen der beschreibenden Statistik – nicht nur für Experten im Risikomanagement. Die kompakte Einführung kann vor allem Einsteigern in die Welt der Statistik empfohlen werden. Ein großer Pluspunkt ist darin zu sehen, dass zu nahezu jeder Methode eine R-Umsetzung präsentiert wird, so dass Nutzer der freien Statistiksoftware R die Methoden sofort in ihre Programme und Modelle einbauen können.
