DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR.

Transkript

1 Weitere Files findest du auf DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR.

2 Einführung in die Empirische Sozialforschung 1. Variablen, Hypothesen, Sätze, Erklärungen 1.1 Typen von Variablen Die Kategorien (Ausprägungen) von Variablen sollen sich nicht überlappen (disjunkt) und jeder Merkmalsträger soll einer Kategorie zugewiesen werden können (erschöpfend). Diskrete Variablen können dichotom (zwei Ausprägungen, z.b. Geschlecht) oder polytom (mehr als zwei Ausprägungen, z.b. Ehestand) sein. Merkmale von Einzelpersonen nennt man individuelle Merkmale (z.b. Alter, Geschlecht, Einkommen), während Kollektivmerkmale (z.b. Durchschnittseinkommen, Kriminalitätsrate) dadurch definiert sind, dass der Merkmalsträger eine Personenmehrheit darstellt. Aggregatmerkmale (z.b. Wähleranteil, Haushaltseinkommen) sind Kollektivmerkmale, die durch eine Rechenoperation aus Individualmerkmalen ermittelt werden können. Globale Merkmale (z.b. Siedlungsdichte) sind hingegen Kollektivmerkmale, die eine genuine Eigenschaft eines Kollektivs darstellen und nicht durch die Aggregation von Merkmalen der Kollektivmitglieder definiert werden. 1.2 Hypothesen Nomologische Hypothesen machen Aussagen über Merkmalszusammenhänge. Sozialwissenschaftliche Hypothesen sind in der Regel probabilistisch, auch wenn dies nicht immer ausdrücklich kenntlich gemacht wird. Eine Implikationsbeziehung ist eine hinreichende Bedingung, also eine Wenn-Dann-Hypothese. Die Kreuztabelle enthält nur einen Falsifikator. Eine Äquivalenzbeziehung ist eine hinreichende und notwendige Bedingung, also eine Wenn-und-nur-wenn-dann-Hypothese. Die Kreuztabelle enthält zwei Falsifikatoren, in einer Diagonalen. Je-desto-Hypothesen formulieren einen Zusammenhang zwischen unabhängiger und abhängiger Variable. Dieser Zusammenhang kann monoton steigend, monoton fallend, aber auch nicht-monoton (z.b. u-förmig oder umgekehrt u-förmig) sein. unabhängige Variable abhängige Variable Individualhypothese: Individualmerkmal Individualmerkmal Kollektivhypothese: Kollektivmerkmal Kollektivmerkmal Kontexthypothese: Kollektivmerkmal Individualmerkmal Ökologischer Fehlschluss: Falscher Schluss von einer Kollektiv- auf eine Individualhypothese. 1.3 Arten von Sätzen Empirische Sätze sind spezielle Sätze, deren Objekte und Merkmale auf empirisch beobachtbare Sachverhalte verweisen. Es lassen sich singuläre Sätze (raum-zeitlich fixiert) und hypothetische Sätze ("Allsätze", raumzeitlich unbegrenzt) unterscheiden. Der Informationsgehalt ist ein zentrales Merkmal empirischer Sätze und umfasst die Menge der von diesem Satz ausgeschlossenen Sätze. Der Gehalt einer Wenn-Dann-Hypothese wächst gleichsinnig mit dem Gehalt der Dann-Komponente gegensinnig zum Gehalt der Wenn-Komponente

3 Eine Äquivalenzbeziehung hat immer einen höheren Informationsgehalt als eine Implikationsbeziehung. Logische Sätze haben einen Wahrheitsgehalt, der unabhängig von der Beschaffenheit der empirischen Welt ist. Sie sind einteilbar in analytisch wahre Sätze (=Tautologien, immer wahr) und Kontradiktionen (immer falsch). Präskriptive Sätze schreiben bestimmte Verhaltensweisen vor. 1.4 Wissenschaftliche Erklärungen Gemäss dem Erklärungsmodell von Hempel und Oppenheim hat eine wissenschaftliche Erklärung die folgende Form: (1) Nomologische Hypothese(n) (z.b. "Wenn A, dann B") (2) Randbedingung(en) (z.b. singulärer Satz: "Es gilt A") (3) Singulärer Satz, der das zu erklärende Ereignis beschreibt (z.b. "Es gilt B") EXPLANANS EXPLANANDUM 1.5 Falsifikation Deduktion: "Schluss vom Allgemeinen auf das Besondere" Induktion: "Schluss vom Besonderen auf das Allgemeine" (sehr unsicher) Selbst wenn eine Hypothese von allen gegenwärtigen Beobachtungen "verifiziert" wird, so könnte in Zukunft doch noch ein falsifizierendes Ereignis eintreten Hypothesen sind nur (potentiell) falsifizierbar, aber nicht verifizierbar. Poppers deduktiv-empirisches Modell: 1. Wissenschaftler sollen kühne Hypothesen mit hohem Informationsgehalt konstruieren und diese 2. harten Bewährungsproben, d.h. einer Vielzahl empirischer Prüfungen unterziehen. 3. Die gehaltvollen Thesen, die Falsifikationsversuchen widerstanden haben, werden (vorläufig) beibehalten. 2. Messung, Reliabilität und Validität, Skalen 2.1 Messung Mit Hilfe von Indikatoren wird versucht, nicht direkt beobachtbare Grössen (z.b. Lebensstandard, Umweltbewusstsein) zu messen. Wegen Messfehlern wird man in der Regel die "Qualität" der Messung durch multiple Indikatoren zu verbessern versuchen. Qualitätskriterien: Reliabilität und Validität. Mit der Likert-Technik wird versucht, anhand eines Trennschärfekoeffizienten (eigentlich die Item-Summenscore-Korrelation) die Eignung einzelner Items zur Messung der Zieldimension zu bestimmen. Der Grad der Objektivität eines Messinstruments gibt an, in welchem Ausmass die Ergebnisse unabhängig sind von der jeweiligen Person, die das Messinstrument anwendet. Es wird unterschieden zwischen Durchführungsobjektivität und Auswertungsobjektivität.

4 Die Reliabilität eines Messinstruments ist ein Mass für die Reproduzierbarkeit von Messergebnissen. Es werden drei Methoden zur Bestimmung der Reliabilität unterschieden: Paralleltest-Methode: Messung mit 2 vergleichbaren Messinstrumenten Korrelation der Messwerte mit verschiedenen Instrumenten Test-Retest-Methode: Wiederholte Anwendung des Messinstruments Korrelation der Messwerte zu verschiedenen Zeitpunkten Testhalbierung: Halbierung eines Instruments mit multiplen Indikatoren Korrelation der beiden Testhälften Die Validität eines Tests gibt an, mit welcher Genauigkeit das Merkmal, das der Test messen soll, tatsächlich misst. Es werden drei Formen unterschieden: - Inhaltsvalidität liegt dann vor, wenn eine Auswahl von Items die zu messende Eigenschaft in hohem Grad repräsentiert. (Vorstellung einer "repräsentativen Itemstichprobe" aus einem "hypothetischen Universum von Items") - Kriteriumsvalidität gibt an, in welchem Grad die mit einem Messinstrument erzielten Resultate mit Aussenkriterien empirisch korreliert sind. Es kann weiter zwischen Übereinstimmungsvalidität (Aussenkriterium gleichzeitig erhoben) und Vorhersagevalidität (prognostiziertes Kriterium). - Konstruktvalidität Bei der Guttman-Skala werden die Items nach Intensität geordnet. Generell erfordert das Modell, das die Zustimmung zu einem "intensiveren" Item stets die Zustimmung zu einem "schwächeren" Item voraussetzt. Abweichungen von diesem Verhalten werden als Fehler registriert. Die Güte der Übereinstimmung zwischen dem erwarteten und dem beobachteten Antwortverhalten ist der Reproduzierbarkeitskoeffizient (CR). Die Empfehlung lautet, dass CR bei einer akzeptablen Skala nicht unter 0,90 liegen sollte. Dabei gilt: CR = 1 (Fehlerzahl / Anzahl Items * Anzahl Befragte) 2.2 Skalenniveaus Nominalskala: Klassifikation von Objekten nach Gleichheit oder Verschiedenheit (z.b. Zuordnung nach Geschlecht, Wohnort). Interpretation: gleich oder verschieden (Modalwert) Ordinalskala: Rangordnung der Objekte bezüglich einer Eigenschaft (z.b. Präferenzen). Interpretation: grösser, kleiner oder gleich (Median) Intervallskala: Informieren nicht nur über die Rangordnung, sondern zusätzlich über die Abstände (Intervalle) zwischen den Messwerten (z.b. Temperatur, implizit auch Schulnoten). Bei Intervallskalen können der Nullpunkt und die Skaleneinheit willkürlich festgelegt werden. Interpretation: Vergleichbarkeit von Differenzen (arithmetischer Mittelwert) Ratioskala: Besitzen einen natürlichen Nullpunkt (z.b. Einkommen, Schuljahre) und sind bis auf positive proportionale Transformationen eindeutig. Freie Wahl der Skaleneinheit. Interpretation: Aussagen über Verhältnisse, prozentuale Vergleiche (geometrischer Mittelwert)

5 3. Querschnitt-, Trend- und Panelstudien Querschnittdesign: Die Datenerhebung bezieht sich auf einen Zeitpunkt oder eine kurze Zeitspanne, in der einmalige Erhebung der Eigenschaften vorgenommen wird. Trenddesign: Es werden (a) Werte der gleichen Variablen (b) zu mehreren Zeitpunkten mit (c) jeweils unterschiedlichen Stichproben erhoben. Paneldesign: Es werden (a) Werte der gleichen Variablen (b) zu mehreren Zeitpunkten auf der Grundlage einer (c) jeweils identischen Stichprobe erhoben. (Die einzelnen Erhebungen werden Panelwellen genannt.) Mit dem Paneldesign können Veränderungen auf der individuellen Ebene nachvollzogen werden, während mit einem Trenddesign nur Veränderungen auf der Aggregatebene der Stichproben registriert werden. Eigentlich ist die Trenderhebung nichts anderes als eine Abfolge von Querschnittserhebungen zum gleichen Thema. Informationshierarchie: Paneldesign > Trenddesign > Querschnittdesign 4. Experimentelle und quasi-experimentelle Designs 4.1 Experimentelle Designs Von einem experimentellen Design spricht man unter folgenden Bedingungen: Es werden mindestens zwei experimentelle Gruppen gebildet. Die Versuchspersonen werden den experimentellen Gruppen nach einem Zufallsverfahren zugewiesen (Randomisierung). Die unabhängige Variable wird vom Forscher "manipuliert", d.h. es werden einer oder mehrere "experimentelle Stimuli" präsentiert. klassisches Versuchs- und Kontrollgruppen-Design: X O Versuchsgruppe O Kontrollgruppe Bei einem Blindversuch ist den Versuchspersonen nicht bekannt, ob sie in der Versuchs- oder der Kontrollgruppe eingeteilt sind. Bei einem Doppelblindversuch ist dies auch dem Versuchsleiter (in der Regel ein Beauftragter des Forschers) nicht bekannt. Werden verschiedene Stimuli (z.b. Unterrichtsmethoden) ausprobiert, gilt folgendes Versuchs-Design: X 1 O Versuchsgruppe 1 X 2 O Versuchsgruppe 2 Gruppenmatching: Es werden z.b. Frauen und Männer getrennt randomisiert, so dass in jeder Gruppe gleich viele Angehörige jedes Geschlechts sind. Paarweises Matching: Es werden Kombinationen von Merkmalen berücksichtigt, so dass jede Person in der Versuchsgruppe (z.b. Mann, 25-30, Abitur) einen "Zwilling" in der Kontrollgruppe hat. Vorher-nachher-Messung bei Versuchsgruppe und Kontrollgruppe: O 1 X O 2 Versuchsgruppe O 1 O 2 Kontrollgruppe

6 Solomons Vier-Gruppen-Design: O 1 X O 2 O 3 O 4 X O 5 O Quasi-Experimente Quasi-Experimente sind vorwiegend Experimente ohne Randomisierung. Bei der Untersuchung von Effekten rechtlicher, wirtschaftlicher oder sozialer Massnahmen ist eine Zufallsaufteilung von Untersuchungspersonen auf die einzelnen Versuchsgruppen oft nicht möglich. Es gibt keine Garantie, dass Drittvariableneffekte neutralisiert werden. Insbesondere gibt es zwei Probleme: - Nicht-Vergleichbarkeit der Gruppen, z.b. infolge von Selbstselektion - systematischer Ausfall von Probanden Möglichkeiten, die Verzerrungseffekte durch Drittvariablen abzuschwächen: Gruppenmatching oder Paarweises Matching Nachträgliche Kontrolle von Drittvariablen mit multivariater Statistik Ein weiteres Problem ist der Regressionseffekt: Bei Extremwerten (z.b. schlechten Schülern, hoher Kriminalität) herrscht eine statistische Tendenz. Es ist also schwer zu sagen, ob eine Veränderung der Ausprägung einer Massnahme oder dem Regressionseffekt zuzuschreiben ist. Dieses Phänomen kann von Zeitreihen-Designs kontrolliert werden, bei denen der Trend vor einer Massnahme mit dem Trend nach der Massnahme verglichen wird: O 1 O 2 O 3 O 4 X O 5 O 6 O 7 O 8 5. Stichproben 5.1 Grundsätzliches In der Regel sind grössere Stichproben unter sonst gleichen Bedingungen genauer als kleinere Stichproben, ausser wenn eine Stichprobe krass verzerrt ist. Beispiele von verzerrten Stichproben: Passantenbefragung, TED-Umfragen, Kriminalitätsstatistiken. Grundgesamtheit (Population): Alle Elemente, die für eine Erhebung in Frage kommen Erhebungseinheiten (Surveypopulation): Alle Elemente, auf die sich die Auswahl bezieht und die überhaupt eine Chance haben, in die Stichprobe aufgenommen zu werden Stichprobe (Sample): Auswahl von Elementen aus der Grundgesamtheit Hauptgruppen von Stichprobenverfahren: - Zufallsstichprobe - bewusste Auswahl (z.b. Quotenauswahl) - willkürliche Auswahl (z.b. bei psychologischen Experimenten) 5.2 Zufallsauswahl (Wahrscheinlichkeitsauswahl): Eine Wahrscheinlichkeitsauswahl liegt vor, wenn folgende Bedingung gegeben ist: Jedes Element der Grundgesamtheit hat eine von null verschiedene, angebbare Wahrscheinlichkeit, in der Stichprobe berücksichtigt zu werden.

7 5.2.1 Einfache Zufallsstichproben - Die Auswahlwahrscheinlichkeit ist für alle Elemente der Grundgesamtheit identisch (und grösser als null). - Die Auswahl erfolgt direkt in einem einstufigen Auswahlvorgang. Mögliches Vorgehen: Ziehung aus einer Liste sämtlicher Elemente der Grundgesamtheit z.b. Listenauswahl, Karteiauswahl Ziehung von Elementen aus einem Gebiet z.b. Random-Route-Verfahren Ziehung von Elementen aus einem Haushalt z.b. Schwedenschlüssel, Geburtstagsmethode Mehrstufige Zufallsauswahl Die Zufallsauswahl erstreckt sich über mehrere Ebenen (z.b. zuerst Stimmbezirke per Listenauswahl, dann Haushalte per Random-Route und zuletzt Einzelpersonen per Schwedenschlüssel). Eine personenrepräsentative Stichprobe erhält man, wenn die Auswahlwahrscheinlichkeiten auf allen Ebenen bekannt sind und man die Ergebnisse mit dem reziproken Wert der Wahrscheinlichkeit gewichtet. So erhalten z.b. Befragte in Ein-Personen-Haushalten ein Gewicht von eins, Befragte von Acht-Personen-Haushalten (Wahrscheinlichkeit 1/8) ein Gewicht von Klumpenstichproben Auf der ersten Stufe werden zufällig Gruppen (Klumpen) ausgewählt, auf der zweiten Stufe dann sämtliche Klumpenelemente berücksichtigt. Lohnt sich, wenn die Varianz innerhalb der Klumpen gross ist Schichtung Es werden Zufallsstichproben getrennt nach Schichten gezogen. Um dies tun zu können, ist aber Vorwissen bezüglich der Merkmalsverteilung in der Population nötig. Lohnt sich, wenn die Varianz in der Grundgesamtheit sehr hoch, aber innerhalb der Schichten sehr klein ist. 5.3 Quotenauswahl Wie die Schichtungsauswahl setzt die Quotenauswahl Vorkenntnisse über die Grundgesamtheit voraus. Das Ziel besteht darin, eine Stichprobe zu konstruieren, die ein verkleinertes Abbild der Grundgesamtheit darstellt und somit "repräsentativ" ist. Eine Quote ist hier also eine Merkmalsverteilung. 5.4 Non-Response Die Ausschöpfungsquote (A) ist der Quotient von "Anzahl ausgewerteter Interviews" und "Bereinigter Bruttostichprobenumfang" multipliziert mit 100. Entsprechend liegt die Ausfallquote bei 100 A. Um den bereinigten Bruttostichprobenumfang zu erhalten, subtrahiert man vom Bruttostichprobenumfang die stichprobenneutralen Ausfälle. Dazu gehören z.b. Fälle, bei denen das Kriterium der Populationszugehörigkeit nicht erfüllt ist.

8 6. Befragung 6.1 Formen der Befragung - Persönliches Interview - Telephonisches Interview - Schriftliche Befragung Persönliches und Telephonisches Interview: + Erklärungen zu einzelnen Fragen sind möglich - Interviewereinflüsse - Kosten Schriftliche Befragung: + Fragen können durchdacht werden + Kosten (in der Regel) - Verständnisprobleme - Identifikation des Befragten (Wer hat den Bogen ausgefüllt?) - Rücklaufquote Bei der schriftlichen Befragung kann mit Hilfe der Total Design Methode zu einer systematischen Steigerung der Rücklaufquote beigetragen werden (z.t. über 70%). Das Credo der TDM lautet, jeden Aspekt der schriftlichen Befragung derart zu gestalten, dass die Qualität der Antworten und die Rücklaufquote maximiert wird. 6.2 Fehlerquellen im Interview Soziale Erwünschtheit: Systematische Verzerrung, weil die Angabe des wahren Werts mit Kosten verbunden ist. Je heikler eine Frage ist, desto stärker wird sich der Effekt bemerkbar machen. Gegenmassnahmen: Möglichst neutrale Frageformulierungen Suggestivfragen, um abweichendes Verhalten als normales Verhalten darzustellen (kann aber zu gegenteiliger Verzerrung führen!) Verdeckte Antwort (z.b. in einem Umschlag) Randomized-Response-Technik (RRT) Response Set: Systematische Antwortmuster von Befragten, die unabhängig vom Inhalt der Fragen zustande kommen, z.b. Vorliebe für Mittelkategorien einer Skala oder Akquieszenz (Ja-Sage-Tendenz). 6.3 Fragen Fragetypen: 1. Einstellungen: "Auf der Autobahn sollte Tempo 100 eingeführt werden." Aussagen, die auf einer Ratingskala eingestuft werden sollen. 2. Überzeugungen: "Wie viele KKW sind in Deutschland in Betrieb?" Subjektive Aussagen über Fakten. 3. Verhaltensfragen: "Haben Sie in der letzten Woche getankt?" Retrospektivfragen über Dauer, Häufigkeit oder Art von Handlungen. 4. Sozialstatistische Merkmale: "Wie hoch ist Ihr Jahreseinkommen?" Statistische Angaben im weitesten Sinn.

9 Frageformen: 1. Geschlossene Fragen: Die Antwortkategorien werden vorgegeben, meist in Form von Multiple Choice. 2. Offene Fragen: Die Befragte Person schreibt einen Text auf. 3. Halboffene Fragen: Antwortkategorien werden vorgegeben, zusätzlich besteht aber die Möglichkeit, eine offene Antwort zu geben ("Anderes"). 6.4 Randomized-Response-Technik (RRT) Verfahren, das in Interviews vollständige Anonymität garantiert. Benötigt werden zwei Zufallsmechanismen mit bekannter Wahrscheinlichkeit der Ergebnisse. Auf der ersten Stufe entscheidet ein Zufallsmechanismus darüber, ob auf der zweiten Stufe eine (zweite) Zufallsfrage oder die eigentlich interessierende Frage beantwortet wird. Eine Antwort (z.b. "ja") ist dann nicht mehr individuell zurechenbar, da dem Interviewer ja nicht bekannt ist, ob auf der zweiten Stufe die Zufallsfrage oder die eigentlich interessierende Frage beantwortet wurde. Die Häufigkeit der Ja-Antworten auf die interessierende Frage kann nachträglich mit folgendem Verfahren geschätzt werden: Man nimmt alle Antworten der auszuwertenden Gruppe und multipliziert sie mit der Wahrscheinlichkeit, mit der die interessierende Frage beantwortet wurde. Dann multipliziert man die so erhaltene Anzahl Antworten mit der Ja- Wahrscheinlichkeit für die (zweite) Zufallsfrage. Den erhaltenen Wert subtrahiert man von der Gesamtanzahl Ja-Antworten, was die Anzahl Ja- Antworten auf die interessierende Frage ergibt. 7. Datenauswertung 7.1 Bivariate Zusammenhänge Berechnung der Prozentsatzdifferenz: Einkommen Schulbildung niedrig hoch niedrig a b a+b hoch c d c+d d% = [(a / a+c) (b / b+d)] 100 a+c b+d a+b+c+d 7.2 Multivariate Analyse Experimentelle Designs ermöglichen die Prüfung eines "reinen" Kausaleffekts einer unabhängigen Variable auf eine abhängige Variable, da sie die Einflüsse von Drittvariablen durch Randomisierung neutralisieren. In der multivariaten Analyse wird versucht, Drittvariablen nachträglich durch statistische Techniken unter Kontrolle zu bringen. Wird bei einer Scheinkorrelation die Drittvariable konstant gehalten, dann würde die Korrelation zwischen der unabhängigen und der abhängigen Variable annähernd null betragen. In diesem Fall spricht man von einer Erklärung des Zusammenhangs zwischen unabhängiger und abhängiger Variable durch eine Drittvariable.

10 Anforderungen an die Gültigkeit von Kausalhypothesen: 1. Zwischen X und Y besteht ein statistischer Zusammenhang, z.b. Korrelation 2. X geht Y zeitlich voraus. 3. Der Zusammenhang zwischen X und Y verschwindet nicht, wenn Drittvariablen, die X und Y zeitlich vorausgehen, kontrolliert werden.