Grundpositionen der Erfahrungswissenschaften

Transkript

1 Methden Vrlesung 1: Grundzüge empirischer Szialfrschung Begriffe: 1. Methden = Systematische(s) Verfahren zur Gewinnung wissenschaftlicher Erkenntnisse. Sie gewährleistet, dass die Ergebnisse überprüfbar sind. 2. Empirie = Auf methdischem Weg gewnnene Erfahrung der Welt. Empirische Wissenschaften sind demnach Erfahrungswissenschaften, deren Therien an der «Wirklichkeit» überprüft werden. Die Unterscheidung zwischen Alltagswissen und Wissenschaft ist sehr wichtig. Grundpsitinen der Erfahrungswissenschaften 1. Erkenntnistheretischer Realismus: Eine intersubjektiv überprüfbare Erfahrbarkeit (und damit eine bjektive Erkenntnis) der Welt ist prinzipiell möglich. Deshalb sind auch Aussagen über die Realität möglich. 2. Erkenntnistheretischer Knstruktivismus: Auffassung, wnach die Wirklichkeit subjektiv knstruiert («erfunden») und nicht etwa bjektiv «entdeckt» wird. Die Welt «draussen» ist immer nur über Bebachtung zugänglich, Bebachtungen tragen jedch immer schn eine Interpretatin in sich. Damit sind Induktin (Schluss vm Besnderen auf das Allgemeine) und Falsifikatin (siehe nächste Lektin) strenggenmmen nicht möglich. Vrlesung 2: Grundbegriffe und wissenschaftstheretische Kntrversen Knzeptspezifikatin Der Schritt, in welchem man die zentralen Knzepte seiner Aussage definiert, wird Knzeptspezifikatin genannt. Die Knzeptspezifikatin selbst dient dazu, die empirische Wirklichkeit mit sprachlichen Begriffen zu verknüpfen. Verbindung zwischen Begriff und damit verknüpften Gegenstand: 1. Intensinal (Begriffsinhalt): die Menge aller Kriterien, die einen bestimmten Gegenstand auszeichnen (Zugehörigkeitsmerkmale). Beispiel Staat: Staatsfrm, Staatsinstitutinen etc 2. Extensinal (Begriffsumfang): meint hingegen die Menge aller Objekte, die mit dem Begriff bezeichnet werden sllen. Beispiel Staat: USA, Schweiz etc... 1

2 Der empirische Bezug kann 1. direkt sein (= manifeste Grösse der Variable): Grösse, Gewicht, aber auch bestimmte Handlungsfrmen, z.b. die Stimmabgabe. 2. indirekt sein (= latente Grösse der Variable). Diese Gegenstände der Objekte sind nur unter Zuhilfenahme vn direkten Bebachtungstermini und dazugehörigen Schlussflgerungenn (Messhypthesen) nachweisbar. Beispiele: Haltungen der Einstellungssyndrme wie «Autritarismus» der «Knservatismus». 3. dispsitinal: Der Gegenstand/das Phänmen tritt nur unter bestimmten Bedingungen auf. Beispiel: Mut tritt nur unter bestimmten Bedingungen auf. Nicht dispsitinal wäre z.b. die Augenfarbe der das Geschlecht 4. kmplexe Begriffe: Begriffe, die Interaktinen zusammenfassen, z.b. «Wettbewerb». Deskriptin und Analyse Deskriptive Analyse: Bei einer deskriptiven Fragestellung geht es darum, den empirisch nch kaum erfrschten Untersuchungsgegenstand zuerst gedanklich, sdann auch begrifflich vrzustrukturieren. Dies wird als dimensinale Analyse bezeichnet /d.h. die Benennung einer bestimmten Dimensin/ Aspekts der Realität). Zerteilen eines Begriiffs in Unterbegriffe. Analytische Fragestellung: Bei einer therientestenden Fragestellung geht es darum, die bereits existierenden, expliziten Begriffe sprachlich zu präzisieren und den Objektbereich einzuengen (= definieren). Definitinsarten 1. Nminaldefinitin: «die Festlegung der Bedeutung eines Begriffs durch einen der mehrere bereits bekannte andere Begriffe». Mit anderen Wrten: eine tautlgische Umfrmung. (Ein Schimmel ist ein weisses Pferd). Eine Nminaldefinitin kann niemals falsch sein, sndern blss zweckmässig der nicht zweckmässig. Beispiel: Die (intensinale) Definitin plitischer Parteien bei Krmrey 2009: 151: «Eine plitische Partei sll sein eine Organisatin mit... 1 eingeschriebenen Mitgliedern und 2 demkratischer Binnenstruktur, 3 die an Wahlkämpfen teilnimmt und 4 sich um Regierungsbeteiligung bewirbt.» Werden gewisse dieser Definitinsmerkmale gestrichen, wächst die Extensinalität des Begriffes. 2. Realdefinitin: unterscheiden sich vn Nminaldefinitinen dadurch, dass sie Begriffe als Widerspiegelung des Wesens eines Gegenstands erachten. Realdefinitinen können falsch der richtig sein. Realdefinitin sind untauglich für die empirischen Szialfrschung, «da sie keine Kriterien angeben können, inwieweit das Wesen einer Sache durch die Definitin erfasst wird» 2

3 Kritischer Ratinalismus 1. Es sllen Gesetzmässigkeiten gefunden werden. Die frmulierten Kausalzusammenhänge sind sdann an der Empirie zu überprüfen. Angestrebt werden All-Aussagen/ nmlgische Sätze. 2. Es dürfen nur Knzepte der Begriffe verwendet werden, die auch einen Bezug zur Realität bzw. Empirie aufweisen. (Keine Begriffe wie Engel der Gtt) 3. Die Aussagen müssen s frmuliert sein, dass sie prinzipiell widerlegbar sind. Nminaldefinitinen (der: analytisch wahre Sätze) sind demnach keine empirischen Aussagen i.s. des Kritischen Ratinalismus. 4. Es sind keine Existenzaussagen zugelassen, da sie prinzipiell unwiderlegbar sind. Beispiel: «Es gibt schwarze Schwäne». Deterministische und prbabilistische Erklärungen 1. Deterministische Sätze sind Aussagen, die immer und überall gültig sind. Als: Wenn x, dann IMMER y. Diese Aussagen haben einen unbeschränkten raumzeitlichen Geltungsanspruch und sie gelten für alle Elemente. 2. Prbabilistische Aussagen geben im Gegensatz zu deterministischen Aussagen eine Wahrscheinlichkeit an und haben nur einen beschränkten Gültigkeitsbereich. In den Szialwissenschaften werden Therien mittlerer Reichweite angestrebt, da es im Unterschied zu den Naturwissenschaften kaum möglich ist, Allaussagen aufzustellen. Diese Therien haben einen eingeschränkten Objektbereich (z.b. eine Therie, die nur das Wahlverhalten vn Jugendlichen erklärt) und/der eine raumzeitliche Einschränkung (z.b. eine Therie, die das Wahlverhalten in Industriestaaten des 20 Jahrhunderts erklärt). Durch diese Randbedingungen wird die Therie eingegrenzt wdurch die Wahrscheinlichkeit grösser wird dass die Therie stimmt. Ziel ist es, s nahe wie möglich an Allaussagen zu kmmen, indem man Schritt für Schritt die Randbedingungen aufhebt und überprüft b die Therie nach wie vr stimmt. (Frschungsstrategie Karl Ppper). Ptentielle Falsifikatren sind alle Elemente des angegebenen Objektbereichs. Deshalb gilt: Je grösser die Anzahl der ptentiellen Falsifikatren, dest höher der Infrmatinsgehalt der Therie. Falsifikatin führt zur Verwerfung der Therie (u.u. zu ihrer Revisin). Empirische Unterstützung einer Therie führt zu ihrer vrläufigen Bestätigung. Ziel: Weitere Überprüfung durch «schärfere» Tests: «bewährte Aussagen». Ziel: Ausdehnung der Reichweite der Therie. Bild: Frschungsstrategie Karl Ppper: «trial and errr» 3

4 Basissatzprblem Ausgangslage: Aussagen müssen prinzipiell falsifizierbar sein. Prblem: Aussagen können nicht direkt mit Bebachtungen verglichen werden, sndern immer nur mit Aussagen über eine Bebachtung. Bebachtungsaussagen ihrerseits können aber falsch sein. Die Gründe dafür sind vielfältig. Ein ganz elementares Prblem ist, dass keine Erfahrung therieunabhängig ist. Zudem: die Messung war allenfalls fehlerhaft (z.b. «falsche» Wahrnehmung eines schwarzen Schwans vielleicht war es eine Gans). Messtherie ist ebens unsicher wie Kerntherie. Knventinalistische Lösung: Einhaltung höchstmöglicher methdischer Standards und transparente Darstellung der Vrgehensweise. Werturteilsfreiheit Bei der Auswahl der Fragestellung sind Wertungen unvermeidbar. Denn es geht dabei, aus der unendlichen Zahl vn möglichen Fragestellungen eine bestimmte Fragestellung auszusuchen. Dieser Entdeckungszusammenhang wird vn subjektiven Wertevrstellungen mtiviert. Auch der Verwertungszusammenhang ist zwangsläufig wertend. Mit Verwertungszusammenhang ist gemeint, dass die Ergebnisse einer empirischen Studie in aller Regel verwertet werden, d.h., in Handlungsanweisungen zur Erreichung eines bestimmten Ziels umgesetzt werden. Aus den wissenschaftlichen Erkenntnissen alleine flgt jedch nch kein Hinweis, welche Zielvrstellungen zu verflgen sind. Werte selbst können Gegenstand wissenschaftlicher Untersuchungen sein. Im Begründungszusammenhang ist auf Werturteile zu verzichten. Der Begründungszusammenhang umfasst alle Frschungsschritte, die zwischen Fragestellung und Verwertung der Erkenntnisse liegen. D.h.: Die Beschreibung, Messung, die Auswahl und auch das Erklären vn Tatsachen sll wertfrei erflgen. Vrlesung 3: Die theretische Frmulierung des Frschungsprblems Was sind Variablen? Variable: «ist ein Merkmal der eine Eigenschaft vn Persnen, Gruppen, Organisatinen der anderer Merkmalsträger.» Das Merkmal hat verschiedene Funktinen (Variable: Augenfarbe, Variablenausprägung: Blau) Eine Variable muss mindestens zwei Merkmalsausprägungen (= Knstante) haben. Dichtme Variable: Eine Variable mit exakt zwei Merkmalsausprägungen. Sie stellt einen Spezialfall dar, ist in den Szialwissenschaften als Abbildung des Eintretens bzw. Nichteintretens bestimmter Ereignisse aber häufig. (Beispiel dichtme Variable: Geschlecht: männlich/weiblich) 4

5 Skalenniveaus vn Variablen Kntinuierlich: Merkmale, die jeden beliebigen Wert eines bestimmten Intervalls annehmen können (z.b. Körpergrösse, Alter, etc..) (Alter könnte auch in Mnaten, Tagen, Sekunden etc. gemessen werden.) Diskret: Merkmale, die eine endliche Zahl vn Kategrien innerhalb einer Bandbreite aufweisen (Zahl der Kinder, aber auch Bildungsniveau, etc.). Variablen müssen disjunkt (= die einzelnen Kategrien (bzw. Merkmalsausprägungen) dürfen sich nicht überschneiden) und erschöpfend sein (=die Variable muss alle möglichen Kategrienabdecken). Variablen werden ft in Klassen/ Kategrien eingeteilt. Diese Kategrien dürfen sich nicht überschneiden. Beispiel: Klasse 1: jährige Klasse 2: jährige Diese zwei Klassen wären jetzt zwar disjunkt, aber nicht erschöpfend, da alle unter 18 und über 39-jährigen nicht abgedeckt sind. Weitere Unterscheidungen: Individualmerkmale: Variable enthält Infrmatinen über einzelne Individuen (z.b. das Alter der Persn xy). Kllektivmerkmale: Variable enthält Infrmatinen über Kllektive («Aggregate»), beispielsweise: durchschnittliches Alter in der Gemeinde xy. Was sind Hypthesen? Eine Hypthese ist eine Aussage über Merkmalszusammenhänge. In Hypthesen wird demnach ein Zusammenhang zwischen mindestens zwei Variablen pstuliert. Dabei bildet die vermutete Ursachenvariable die unabhängige Variable, während die vermutete Wirkungsvariable als die abhängige Variable bezeichnet wird. 1. Wenn-Dann-Hypthese Wenn-Dann-Hypthesen setzen vraus, dass beide Variablen eine dichtme Ausprägung haben. (Beachte: Variablen mit mehr als zwei Ausprägungen können unter Umständen in eine dichtme Variable transfrmiert werden; z.b: Wahl einer Partei (=viele mögliche Merkmalsausprägungen) in Wahl einer bestimmten Partei (=zwei Ausprägungen: Wahl der Nicht-Wahl der betreffenden Partei Implikatinsbeziehung: Wenn A auftritt, dann wird B erwartet. (Beispiel: Wenn man ein Mann ist wählt man SVP.) Wenn A hingegen nicht eintritt, dann kann swhl B, aber auch «Nicht-B» erflgen. Äquivalenzbeziehung: Nur wenn A (männliches Geschlecht) auftritt dann B (Wahl der SVP). Wenn A nicht eintritt, dann nie B. In einer Äquivalenzbeziehung wählen im Beispiel Frauen die SVP nie. In diesem Fall ist das männliche Geschlecht eine hinreichende und ntwendige Bedingung dafür, SVP zu wählen. Die Äquivalenzbeziehung tritt praktisch nie ein. 5

6 2. Je-Dest-Hypthese Vraussetzung: Mehr als zwei Ausprägungen (=plytm) und Rangflge der Merkmalsausprägungen möglich (=rdinales Skalenniveau). Beziehung zwischen den Variablen kann unterschiedliche Frmen aufweisen (zum Beispiel): linear (kntinuierlich steigend) Expnentiell (knvex) Lgarithmisch (knkav) Lgistische Funktin (S-förmig) Quadratische Funktin (U-förmig) (Beispiele für die Frmen der Kurven befinden sich in den Flien der Lektin 3, Seite ) Hypthesenstruktur Abhängige und unabhängige Variable können in unterschiedlicher Weise verknüpft sein: 1. Deterministisch (wenn x, dann immer y) vs. prbabilistisch (wenn x, dann sehr wahrscheinlich y). 2. Reversibel (wenn x, dann y und wenn y, dann x) vs. irreversibel (wenn x, dann y, aber wenn y, dann nicht x). 3. Kexistent (wenn x, dann auch y) vs. aufeinanderflgend (wenn x, dann später y). 4. Hinreichend (wenn x, dann y, ungeachtet alles anderen) vs. bedingt (wenn x, dann y, aber nur, wenn auch z). 5. Ntwendig (wenn x, dann y, und nur dann y) vs. substituierbar (wenn x, dann y, aber wenn z, dann auch y). Hypthesen: Bezugsebenen Individualdaten: Merkmale vn Individuen, z.b. Arbeitslsigkeit einer Persn. Aggregatdaten: Merkmale vn Gruppen/Mengen vn Untersuchungseinheiten, können aus Merkmalen der einzelnen Untersuchungseinheiten abgeleitet sein, z.b. Arbeitslsenqute in einer Gebietseinheit. Aggregatdatenanalyse: (öklgische Analyse); Ziel: statist. Zusammenhang zw. Reginaler Struktur des plit. Verhaltens und der reginalen Bevölkerungsstruktur aufzufinden und damit plit. Verhalten zu erklären. Öklgischer Fehlschluss: «Schluss vn bebachteten Beziehungen zwischen Daten über Kllektive auf Beziehungen zwischen Merkmalen der Elemente der Kllektive»; Bsp: Arbeitslse haben Hitler gewählt. (Elemente der Kllektive = Individuen) Vrteile der Individualdatenanalyse: erlauben die Analyse vn Zusammenhängen vn Variablen auf gleicher Untersuchungsebene (Mikrebene), Datenerhebung lässt sich «designen». 6

7 Definitin Therie 1. Eine Therie ist eine «Aussagenmenge, die aus einer Reihe vn Gesetzen, deskriptiven Aussagen und lgischen Ableitungen besteht». 2. Eine Therie ist ein «System vn Aussagen, das mehrere Hypthesen der Gesetze umfasst» 3. Eine Therie ist eine Menge vn Gesetzen, wenn diese durch lgische Ableitbarkeitsbeziehungen miteinander verbunden sind Struktur Therie 1. Ein System lgisch widerspruchsfreier Aussagen. Elemente einer Therie: Definitinen: «Eigennutz wird definiert als das Ziel, das zuberst auf der individuellen Präferenzrdnung steht. Axime: Die Individuen versuchen ausschliesslich ihren eigenen Nutzen (in Frm vn z.b. Einkmmen, Prestige und Macht) zu maximieren.» «Plitik bzw. Wahlen sind ein Markt, auf dem Unternehmer (Parteien) Käufern (Bürger) Waren (plitische Prgramme) anbieten.» Hypthesen: «In Zweiparteiensystemen nähern sich die beiden Parteien sukzessive dem Median-Wähler an.» Ziel vn Therien Das Ziel vn Mdellen und Therien besteht nicht darin, die Realität spiegelbildlich abzubilden, sndern Gesetzmässigkeiten zu frmulieren. Deshalb sind Therien zwingend eine Reduktin der szialen Kmplexität eine Reduktin auf das Wesentliche. Parsimnität (=Sparsamkeitsregel). Eine Therie, die mit wenigen Aussagen auskmmt, ist bei gleicher Erklärungsleistung einer Therie mit einer höheren Zahl an Einschränkungen vrzuziehen Vrlesung 4: Methdenübung Vrlesung 5: Frschungsdesigns und Untersuchungsfrmen Zweck Untersuchungsdesign Das Frschungsdesign legt fest, wann, w, wie ft und auf welche Art die Messung erflgen sll. FD = Messvrschrift, wie und wie ft die Indikatren an Objekten erfasst werden sllen. Diese Messvrschrift hat das Ziel, einen möglichst genauen Test der Hypthese zu ermöglichen. Dabei ist vr allem darauf zu achten, dass alternative Erklärungen ausgeschlssen werden können. Ein gutes Untersuchungsdesign erlaubt den Ausschluss anderer, alternativer Erklärungsansätze. Abhängig vm generellen Ziel der Fragestellung. 7

8 Ziele szialwissenschaftlicher Frschung 1. Explrative Untersuchungen Bei geringem Vrwissen wird zunächst eine Auslegerdnung des Untersuchungsgegenstandes gemacht (siehe auch dimensinale Analyse in Lektin 2). Dabei kmmen vrzugsweise qualitative Methden zur Anwendung (z.b. Tiefeninterviews). Slche Untersuchungen dienen zur Generierung vn Hypthesen, die anschliessend ft in einer hypthesenüberprüfenden Studie empirisch geprüft werden 2. Deskriptive Untersuchungen In der Regel univariate (=nur eine Variable umfassende) Untersuchungen. Ziel ist die Schätzung der Verteilung einer Variablen (Geburtenrate, Wähleranteile, etc.). Ziel generell: Diagnse («wie viele Menschen leben unter der Armutsgrenze?») und nicht Ursachenfrschung («Wvn ist Armut abhängig?»). 3. Hypthesenprüfende Untersuchungen Vrrangiges Ziel der Szialwissenschaften. Herleitung vn Hypthesen aus bestehenden Therien (Deduktin) und ihre anschliessende empirische Überprüfung. 4. Evaluatinsstudien Stark anwendungsbezgene Wirkungsfrschung. Ziel ist die Bewertung vn plitischen der szialen Massnahmen (z.b.: «Erhöht Online-Vting die Wahlbeteiligung?»). In der Regel liegt slchen Untersuchungen ein quasi-experimentelles Design (siehe Untersuchungsdesigns) zugrunde. Kntrlle der Untersuchungsdesigns Kntrlle der Untersuchungssituatin heisst im Wesentlichen Ausschluss vn Störfaktren. Störfaktren sind all diejenigen Faktren, die neben dem eigentlichen (vm Frscher pstulierten) Wirkungszusammenhang Einfluss auf die unabhängige Variable haben könn(t)en («Drittvariablen»). Dabei können zwei Gruppen vn Störfaktren unterschieden werden: slche, welche die interne Validität betreffen und slche, welche die externe Validität betreffen. 1. Interne Validität: vllständige Kntrlle der Untersuchungssituatin. Intern valide ist demnach ein Ergebnis, wenn aufgrund der Untersuchungsanlage die Variatin der AV einzig und allein auf die Manipulatin der UV zurückgeführt werden kann. 2. Externe Validität: Möglichkeit der Generalisierung der Resultate über die spezielle experimentelle Situatin hinaus auf andere (lebensweltlichere) Kntexte. Anders frmuliert: Sind die Ergebnisse eines (künstlichen) Experiments auch auf reale Situatinen übertragbar? 8

9 Störfaktren (interne Validität I) Beispiel Medikamententests: 1. Zwischenzeitliches Geschehen: Ereignisse zwischen erster und zweiter Messung, die neben dem eigentlichen Stimulus die AV beeinflussen könn(t)en. (Was geschieht in der Wche, in der das Medikament genmmen wurde.) 2. Reifungsprzesse: Intrapersnale Przesse, die nicht durch den Stimulus in Gang gesetzt werden, sndern «natürlich» erflgen (z.b. der natürliche Gesundungsprzess, der unabhängig vn der Einnahme vn Medikamenten ist). 3. Messeffekte: «Lerneffekte» bei den Prbanden durch wiederhlte Messungen (z.b. Lerneffekte bei kgnitiven Tests wie dem IQ-Test). 4. Hilfsmitteleffekte: Effekte des Messinstrumentariums, Verzerrungen durch die unterschiedliche Verwendung vn Messinstrumenten (siehe hierzu Sitzung zur Operatinalisierung) 5. Auswahl- und Ausfallverzerrungen: Verzerrung der Ergebnisse dadurch, dass sich Experimental- und Kntrllgruppe nicht nur hinsichtlich des Stimulus, sndern auch im Hinblick auf andere Merkmale unterscheiden. Eine asymmetrische Gruppenzusammensetzung kann dabei die Flge vn Auswahlprzessen (z.b. Selbstselektin), aber vn Ausfällen (z.b. Verweigerung) sein. Störfaktren (externe Validität) 1. Messreaktivität: Effektkumulierung durch wiederhlte Messung. Beispielsweise Wirkungen, die sich einzig aufgrund der Testsituatin (z.b. zweimalige Messung) ergeben. 2. Situatinsreaktivität: Alltagssituatinen können im Labr nicht vllumfänglich simuliert werden. Labrexperimente weichen stets vn Alltagssituatinen ab. Hinzu kmmt, dass Versuchspersnen den Zweck der Untersuchung zu ergründen versuchen und sich den vermuteten Erwartungen des Versuchsleiters entsprechend verhalten könn(t)en. Labrexperimente haben den Vrteil, dass sie praktisch alle Störfaktren ausschliessen können, was jedch den Nachteil hat, dass in der Realität praktisch nie slch eine künstliche Situatin vrhanden ist. Störfaktren Varianzkntrlle Kntrlle der Störfaktren = (v.a.) Varianzkntrlle. These: Mit 200 kmh fahren ist viel sicherer als mit 100 kmh, da es viel mehr Unfälle mit 100 kmh gibt. Prblem: Keine Berücksichtigung der Varianz, dass viel mehr Leute mit 100 kmh fahren, daher auch viel mehr Unfälle. Varianzkntrlle bedeutet zudem, dass Varianz auf der unabhängigen wie auch auf der abhängigen Seite vrhanden sein muss (gute Beispiele dazu: Diekmann 2014:331 ff.). 9

10 Generelles zur Varianzkntrlle: Bildung vn Vergleichsgruppen (in der Regel: Experimental- und Kntrllgruppe) und Zuweisung der Untersuchungseinheiten zu den beiden (der allenfalls: mehreren) Vergleichsgruppen. Dadurch wird gewährleistet, dass auf unabhängiger Seite Varianz vrhanden ist. Vrher-Nachher-Messung: Wirkungsfrschung ist nur möglich, wenn das Wirkungsmerkmal vr und nach dem Setzen des Treatments gemessen wird. Störfaktren: Kntrlltechniken 1. Eliminatin: Ausschaltung aller ptentiellen Störfaktren bei der Durchführung des Experiments. Im Prinzip nur bei Labrexperimenten denkbar. 2. Knstanthaltung: Weil Eliminatin ft nicht möglich ist, wird versucht, alle möglichen Störgrössen knstant zu halten, indem die Experimentsituatin für alle möglichst gleich gestaltet wird. (Experiment immer zur gleichen Tageszeit durchführen, damit beispielsweise der Strassenlärm vn aussen immer gleich grss ist.) 3. Matching: Die Zuweisung vn «gleichen» Persnen zu je einer Gruppe (d.h. zur Experimental- bzw. Kntrllgruppe). Dadurch sll gewährleistet werden, dass sich die jeweiligen Gruppen nicht hinsichtlich weiterer möglicher Störgrössen unterscheiden. 4. Randmisierung: Zufallszuweisung der Untersuchungseinheiten zur Experimental- und Kntrllgruppe. Damit sllen systematische Unterschiede in der Gruppenzusammensetzung verhindert werden Untersuchungsdesign Die Kntrlle vn Störfaktren erflgt durch Varianzkntrlle. Varianzkntrlle wiederum wird dadurch gewährleistet, dass die Untersuchungseinheiten einer der beiden Gruppen Versuchsgruppe der Kntrllgruppe zugewiesen werden. Diese Zuweisung kann entweder vr der Behandlung bzw. Datenerhebung erflgen der danach. Designs, bei denen die Zuweisung vr der Datenerhebung erflgt, nennt man Ex-ante-Anrdnungen. Slche, bei denen die Zuweisung nach der Datenerhebung erflgt, nennt man Ex-pst-fact-Anrdnungen. 10

11 Ex-ante-Anrdnungen: experimentelle Designs Nur Experimente erlauben eine systematische Kntrlle vn Störfaktren. Die Zuweisung der Versuchspersnen erflgt durch den Frscher bzw. die Frscherin (und nicht durch Selbstselektin der rekrutierung). Die Versuchsbedingungen werden durch eine der genannten Kntrlltechniken (Eliminatin, Knstanthaltung, etc.) kntrlliert. Der Stimulus wird vm Frschenden gesetzt und liegt bei den Befragten nicht bereits vr. Eine Vrher-Nachher-Messung wird durchgeführt, d.h. Ursachenvariable (Stimulus) und Wirkungsvariable (Wirkung) werden nicht gleichzeitig, sndern aufeinanderflgend gemessen. Vrteile: Generell: hhe interne Validität. Überprüfung kausaler Zusammenhänge möglich. Randmisierung neutralisiert Drittvariablen. Nachteile: Eher geringe externe Validität. Reaktivität. Hher Aufwand. Randmisierung aufgrund der Natur szialwissenschaftlicher Variablen einerseits und ethisch-mralischen Bedenken andererseits schwer möglich. Quasi-experimentelle Designs Quasi-Experimente sind Experimente hne Randmisierung... und hne die Stimulus-Kntrlle durch den Wissenschaftler. Quasi-experimentelle Situatinen ergeben sich ft durch plitisch-administrative Veränderungen, verflgen als keinen wissenschaftlichen Erkenntnisgewinn per se, sndern ergeben sich hne das bewusste Zutun des Frschers. Beispiele: Einführung vn neuen Unterrichtsfrmen, die Einführung vn brieflicher Stimmabgabe der vn Online-Vting, aber auch die Erhöhung vn Bussen der sziale Refrmen irgendwelcher Art. Gerade in der Schweiz mit dem starken Föderalismus kmmen slche Situatinen ft vr. 11

12 Ex-pst-fact-Anrdnungen Der Stimulus wird nicht vm Frscher gesetzt, sndern liegt hne Zutun des Frschenden vr (der auch nicht). Durch die Befragung einer möglichst hhen Zahl wird Varianz angestrebt. Zuweisung der UE zu den Gruppen wird nicht vm Frschenden vrgenmmen. Dadurch ist die Kntrlle vn Drittvariablen viel schwieriger zu gewährleisten als bei Experimenten. Alle Daten werden gleichzeitig erhben (keine Vrher-Nachher-Messung), weshalb die kausale Reihenflge unklar bleibt. Der grsse Vrteil slcher Untersuchungsdesigns ist: Sie sind mit geringem Aufwand realisierbar. 1. Querschnittdesigns Ein Querschnittdesign ist eine einmalige Erhebung bestimmter Variablenwerte bei einer bestimmten Zahl vn Untersuchungseinheiten mit einer Stichprbe. Ein Beispiel für Querschnittsdaten sind die Daten einer einmaligen Bevölkerungsbefragung («Querschnitt der Bevölkerung»). 2. Trenddesigns Das Trenddesign ist eine Erhebung der Werte der gleichen Variablen zu mehreren Zeitpunkten mit jeweils unterschiedlichen Stichprben. Trenddaten erlauben nur Aussagen auf der Kllektivebene, nicht auf der Individualebene (weil nicht dieselben Individuen wiederhlt befragt werden). (Beispiel Selects, ) 12

13 3. Paneldesign Mit einem Paneldesign werden Werte der gleichen Variablen zu mehreren Zeitpunkten, aber auf der Grundlage einer identischen Stichprbe (dieselben Individuen werden wiederhlt befragt) erhben. Das erlaubt Aussagen über Kllektive, aber auch über Individuen. 4. Zeitreihenstudien Eine Besnderheit sind Zeitreihenstudien. Unter Zeitreihenstudien versteht man die wiederhlte Erhebung vn Werten der gleichen Variablen beim gleichen Merkmalsträger, wbei die Anzahl Merkmalsträger Eins beträgt. Ein Beispiel dafür ist etwa die Arbeitslsenqute in der Schweiz. Einziger Merkmalsträger ist die Schweiz. Die Arbeitslsenqute wird zu verschiedenen Zeitpunkten erhben. Daten und Designs Designtyp und Datentyp stimmen überein, wenn der Zeitpunkt der Erhebung identisch ist mit dem Messzeitpunkt. Wenn dies nicht der Fall ist, dann müssen auch Designtyp und Datentyp nicht zwingend übereinstimmen. Beispielsweise ist es möglich, in einer Querschnittbefragung Retrspektivfragen zu stellen und damit Längsschnittdaten zu generieren. Allerdings dürfte die Qualität vn Retrspektivfragen tiefer sein als diejenige «echter» Trend- bzw. Paneldaten. Datenhierarchie Paneldaten haben den höchsten Infrmatinsgehalt. Sie erlauben zudem swhl Querschnitt- wie auch Längsschnittanalysen. Trenddaten erlauben Querschnittanalysen, aber keine Panelanalysen. Mit Querschnittsdaten lassen sich nur Querschnittanalysen erbringen. Nachteile vn Paneldaten: Hher Erhebungsaufwand «Panelmrtalität» Repräsentativitätsprbleme Edukatinseffekte 13

14 Vrlesung 6: Mess- und Testtherie Operatinalisierung: Vn der Therie zur Empirie Die Operatinalisierung eines theretischen Knstrukts besteht aus der Angabe einer Anweisung, wie Objekten, die der theretische Begriff bezeichnet, bebachtbare Sachverhalte zugerdnet werden können. Das wesentliche Prblem besteht darin, dass theretische Begriffe in aller Regel nicht direkt bebachtbar sind. Knzepte müssen deshalb mit bebachtbaren Sachverhalten verknüpft werden. Diese Verknüpfung erflgt durch Krrespndenzregeln. Krrespndenzregeln bestehen in der Angabe vn Messanweisungen, wbei sich diese auf direkt bebachtbare Sachverhalte beziehen. Die Sachverhalte wiederum werden als Ausprägungen bestimmter Merkmale betrachtet. Man nennt diese (manifesten) Variablen auch Indikatren. (Beispiel plitische Macht: Indikatr: Anteil Sitze im Parlament = plitische Macht) Indikatren Wie kann die Zurdnung eines Indikatrs zu einem theretischen Begriff gerechtfertigt werden? Drei Ansätze: 1. Die peratinalistische Lösung: Operatinale Definitin des theretischen Knstrukts ( Intelligenz ist, was der Intelligenztest misst ). 2. Die typlgisch-induktive Lösung: Erhebung vn Messdaten und Bildung vn latenten Gruppen ( latent classes ), welche anschliessend als Indikatren dienen. (Daten aller möglichen Aspekte sammeln) 3. Der kausal-analytische Ansatz: Die Indikatren sind Manifestatinen der latenten Variablen. Aus dem theretischen Knzept x flgt der Indikatr y. Dazu wird eine Messhypthese ( Hilfstherie ) frmuliert. (geläufigster Ansatz) Auswahl vn Indikatren Knzept des Indikatrenuniversums: Annahme eines hmgenen Indikatrenuniversums: Es existiert eine Vielzahl vn Indikatren, die alle jeweils eine unabhängige Messung desselben Gegenstandes darstellen. (Gefahr, dass mehr über den Indikatr für sich ausgesagt wird und weniger über die eigentliche Frschungsfrage.) Prinzip der Austauschbarkeit der Indikatren: Es spielt keine Rlle, welchen Indikatr man aus dementsprechenden Universum für den jeweiligen Begriff auswählt. Wenn dieses Prinzip nicht erfüllt ist, sind die Ergebnisse der Untersuchung vn der Wahl spezieller Indikatren abhängig. 14

15 Knzept der multiplen Indikatren: Mehrere Indikatren zur Messung desselben theretischen Knstrukts. Vrteil: Gleicht Messfehler eher aus und ermöglicht Vergleiche. Messtherie Messung ist die Zurdnung vn Zahlen zu Objekten nachbestimmten Regeln (Stevens 1951) der Messung ist eine strukturtreue Abbildung (Schnell, Hill und Esser). Messung ist Datenerhebung, denn bei der Datenerhebung messen wir die Merkmalsausprägungen vn interessierenden Variablen. Messungen = Grundlage für die mögliche Falsifizierung der Therie Qualitativen Merkmalen muss man eine Zahl zuweisen um damit rechnen zu können (Beispiel männlich/ weiblich der 1: überhaupt nicht interessiert, 5: sehr interessiert) Quantitativen Merkmalen (Beispiel: Alter) muss man keine Zahl zu weisen, weil es bereits eine Zahl ist Der Messinput bilden die Objekte und deren Verhältnis zueinander (Relatinen). Dies wird auch als empirisches Relativ bezeichnet. Das Messutput sind Zahlen und deren Relatinen (= Numerisches Relativ ). Bei der Messung gehen wir stets vn einer Messhypthese aus, die ihrerseits (genaus wie die eigentliche Kerntherie ) falsch der richtig sein kann. Ziel der Messung ist eine strukturgetreue Abbildung (= Mrphismus) der Objekte durch die zugewiesenen Zahlen. Zwei Frmen vn Mrphismen: 1. Ismrphismus: ein- der umkehrbar- eindeutige Abbildung (Umkehrbar, eindeutig: weil man umkehrend vn der Mathente auf den Schüler schliessen kann) In beide Richtungen messbar 15

16 2. Hmmrphismus: eindeutige Abbildung (Wenn Zwei Schüler die gleiche Nte haben ist das nicht mehr möglich. Man kann zwar vn Schüler A aus schliessen, dass er die Nte 1 hat, aber nicht vn der Nte 1 auf Schüler A, da auch Schüler B die Nte 1 hat.) Nur in eine Richtung messbar Drei Kardinalprbleme 1. Repräsentatinsprblem: Grundsätzlich: Ist ein bestimmtes Objekt überhaupt messbar? Dabei muss damit Messung überhaupt möglich ist zumindest ein Hmmrphismus vrliegen. Damit ist eine Repräsentatin des empirischen Relatives durch ein numerisches Relativ gewährleistet. Das Repräsentatinsprblem fragt zudem nach den Bedingungen, unter denen sich das empirische durch ein numerisches Relativ repräsentieren lässt. Um beispielsweise eine Ordinalskala zu erhalten, muss etwa das Transitivitätsaxim erfüllt sein (weitere Relatinen wie Äquivalenz und Ordnungsrelatin, symmetrische und reflexive Relatin, etc.). Beispiel: Beweis, dass Abbildung einer empirischen Relatin «zufriedener als» zwischen zwei Persnen als mathematische Relatin «größer als» zwischen Zahlen überhaupt möglich ist und unter welchen Bedingungen. 2. Eindeutigkeitsprblem: Wie können Messwerte verändert werden, hne dass die in ihnen enthaltene Infrmatin verlren geht? Welche Transfrmatinen sind zulässig? Damit eng verknüpft ist die Bestimmung des Skalenniveaus einer Variablen. Ergibt sich eine zweite, strukturverträgliche Skala durch eine bestimmte Transfrmatin zum Beispiel durch Multiplikatin aus der ersten Skala, s ist diese Transfrmatin zulässig. Multipliziert man beispielweise die numerischen Relative einer Ordinalskala, s bleibt die Rangrdnung bestehen. Multiplikatin ist als als Transfrmatin für Rangflgeskalen zulässig 16

17 3. Bedeutsamkeitsprblem Prblem: Welche mathematischen Operatinen mit Messwerten führen auch zu empirisch sinnvllen Aussagen? Das Bedeutsamkeitsprblem ist weniger ein theretisches als vielmehr ein praktisches Prblem: es geht nicht um die Generierung vn Messwerten, sndern um ihre sinnvlle Weiterverarbeitung. Z.B.: welche Rechenperatinen (Additin, Divisin, Lgarithmierung, Bildung vn Mittelwerten) mit Messwerten eines bestimmten Skalenniveaus können durchgeführt werden, s dass daraus empirisch sinnvlle Schlüsse resultieren. Knkretes Beispiel: Ist die Angabe des arithmetischen Mittelwertes bei rdinalen Werten (Rangrdnungsskalen, z.b.: Schulnten, Einstufungsskalen) sinnvll? Skalenniveaus 1. Nminalskala Die Merkmalsausprägungen flgen keiner natürlichen Reihenflge, sind demnach beliebig (existieren gleichberechtigt nebeneinander; Äquivalenzrelatin ). Zuweisung der Werte zu den Objekten dient lediglich der Identifikatin; damit sind nur Aussagen zu Gleichheit/Ungleichheit möglich. Zulässige Transfrmatinen: s gut wie alle, s lange sie die Unterschiede beibehalten. Statistische Auswertungen: Häufigkeitsinfrmatinen, Mittelwert = Mdus (häufigster Wert). Beispiel: Geschlecht, Beruf, Religinszugehörigkeit, aber auch Nummerierung vn Fussballspielern, Matrikelnummer 17

18 2. Ordinalskala Die Merkmalsausprägungen flgen einer natürlichen Rangflge, aber die Abstände sind nicht quantifizierbar (Vraussetzung: Transitivitätsaxim). Zulässige Transfrmatinen: alle rangerhaltenden Transfrmatinen, d.h. mntn steigende Transfrmatinen (z.b. die Multiplikatin). Statistische Auswertungen: Häufigkeitsinfrmatinen, Mittelwert =... + Median (der Wert, der die untere vn der beren Hälfte der Messwerte trennt). Beispiel: Nten, Windstärke, Einstufungsskalen ( sehr einverstanden, eher einverstanden, «gar nicht einverstanden», etc.) 3. Intervallskala Die Merkmalsausprägungen flgen einer natürlichen Rangflge, die Abstände sind quantifizierbar. Mit anderen Wrten: Die Differenzen zwischen den Merkmalsausprägungen sind gleich. Damit sind Aussagen möglich wie: Heute ist es 10 Grad wärmer (nicht aber Verhältnisaussagen: heute ist es dppelt s warm wie gestern). Intervallskalen haben keinen natürlichen Nullpunkt. Zulässige Transfrmatinen: alle linearen Operatinen. Statistische Auswertungsverfahren:... + arithmetischer Mittelwert. Beispiel: Temperatur in Celsius der Intelligenzqutient. 18

19 4. Ratiskala Die Merkmalsausprägungen flgen einer natürlichen Rangflge, die Abstände sind quantifizierbar und die Skala hat einen natürlichen Nullpunkt. Verhältnisaussagen sind möglich. Zulässige Transfrmatinen: alle Ähnlichkeitstransfrmatinen (y=a*x; als z.b. Kilmeter in Meter). Statistische Auswertungen: alle, Mittelwert =... + gemetrisches Mittel. Beispiel: Temperatur in Kelvin. 5. Abslutskala Die eindeutigste Skala ist die abslute Skala. Sie erlaubt keine Transfrmatinen mehr (mit Ausnahme der Identitätstransfrmatin, d.h. Multiplikatin mit der Zahl Eins). Auch die Masseinheit ist vrgegeben. Beispiele: Alle Skalen, die auf Abzählen beruhen. Z.B. abslute der relative Häufigkeiten (etwa Geburts- und Tdesraten, Knsumqute usw.), Wahrscheinlichkeiten. Zusammenfassung Je höher das Messniveau, dest weniger Transfrmatinen der Messwerte sind zulässig. Aber: Je höher das Messniveau, ums mehr mathematische Verfahren können auf die Messwerte angewendet werden. Generell: mit steigendem Messniveau steigt auch der Infrmatinsgehalt. Lösung des Repräsentatins- und Eindeutigkeitsprblem in den Szialwissenschaften selten. Für die meisten szialwissenschaftlichen Messverfahren liegen keine entsprechenden Thereme vr. Das liegt daran, dass die meisten Messungen auf vermuteten Zusammenhängen zwischen latenter Variable und interessierendem Merkmal beruht. Intervallskalen in den Szialwissenschaften? Nein, hauptsächlich haben wir Ordinalskalen 19

20 Klassische Testtherie Grundgedanken: Fünf Axime (daraus sind anschliessend die drei Testgütekriterien Objektivität, Reliabilität und Validität ableitbar): 1. Jede Messung weist auch Messfehler auf. Die Messung setzt sich zusammen aus wahrem Wert und einem Störterm. Beispiel: Menschliches Verhalten ist grundsätzlich stchastisch. 2. Messfehler streuen um den wahren Wert, wbei der Erwartungswert des Messfehlers null beträgt. Das heisst: Bei wiederhlten Testanwendungen heben sich die Messfehler auf, der Mittelwert der Fehler ist gleich Null. Zum Beispiel: willkürliches, zufällig erflgendes falsches Ablesen der Zeit. Gegenbeispiel: Systematische Fehler = Frageeffekte bei Befragungen (z.b. sziale Erwünschtheit, beeinträchtigt die Validität Beispiel: Frage nach Umweltbewusstsein, jeder möchte umweltbewusst sein). 3. Die Höhe des Messfehlers ist unabhängig vm Ausprägungsgrad des getesteten Merkmals, d.h. wahrer Wert und Fehlerwert sind unkrreliert. Gegenbeispiel: Je höher das Einkmmen, dest eher wird bei der Angabe des Einkmmens untertrieben.. 4. Die Höhe des Messfehlers zwischen zwei Messwertreihen ist nicht krreliert. Gegenbeispiel: Messfehler bei den Mtiven für Entscheid und dem Inhalt der Vrlage krrelieren wegen allg. Erinnerungsschwäche. 5. Der Messfehler einer Testanwendung ist unabhängig vm wahren Wert einer zweiten Messung. Beispiel: Falschangaben bei der Wahlteilnahme sllten nicht mit der wahrgenmmen Erwünschtheit der Wahlteilnahme krrelieren. Gütekriterien der Messung 1. Objektivität Ergebnisse sllen unabhängig vn der Persn sein, welche die Messung durchführt ( Sind die Messergebnisse unabhängig vn der messenden Persn? ). Vllständige Objektivität liegt dann vr, wenn unabhängig vn der messenden Persn mit dem gleichen Testinstrument die gleichen Resultate erzielt werden. Ein Objektivitätsmass ist der Krrelatinskeffizient, der bei bjektiven Messungen 1 der zumindest nahe 1 betragen muss (z.b. Krrektur der Prüfungsergebnisse). Zu unterscheiden sind Durchführungsbjektivität (DO) und Auswertungsbjektivität (AO): DO: Verzerrungen, die durch die messende Persn ausgelöst werden: z.b. Befragereffekte. Deshalb: standardisierte Befragungen (geringer Spielraum). AO: Verzerrungen, die bei der Auswertung entstehen (z.b. qualitative Bewertung eines Aufsatzes) 20

21 2. Reliabilität Reliabilität ist ein Mass für die Reprduzierbarkeit vn Messergebnissen ( Misst das Instrument verlässlich, was es messen sll? ) Drei Messmethden: Paralleltest: Messung mit zwei vergleichbaren Messinstrumenten (z.b. Messung der Zeit mit analger und digitaler Uhr). Prblem: wirklich parallele Tests zu finden. Parallele, tau-äquivalente und kngenerische Tests: Eine latente Variable wird durch je drei Items gemessen. Paralleler Test: Die latente Variable wirkt auf alle drei Items gleich stark und die Störgrössen ebenfalls. Tau-äquivalenter Test: Die latente Variable wirkt gleich stark auf die Items, aber die Störgrössen wirken unterschiedlich. Kngenerischer Test: Latente Variable und Störgrössen wirken unterschiedlich. Test-Retest-Methde: wiederhlte Messung mit demselben Instrument. Setzt jedch Stabilität des Messbjekts vraus (z.b. die Stabilität vn Einstellungen) und ein Paneldesign vraus (das Messbjekt muss dasselbe sein). Meist: Unterschätzung, aber auch Überschätzung möglich. Testhalbierung: Setzt sich ein Messinstrument aus mehreren Indikatren (z.b. Items bei einer Befragung) zusammen ( Index ), können die Items in zwei Hälften aufgeteilt werden, wbei die Krrelatin der Messwerte der zwei Messungen über ihre Reliabilität infrmiert. 3. Validität Validität gibt an, b das Instrument das theretische Knstrukt misst, das es messen sll ( Misst das Instrument, was es messen sll? ). Validität ist unabhängig vn der Reliabilität der der Objektivität. Nimmt man eine peratinale Definitin des theretischen Knstruktes vr ( Intelligenz ist genau das, was der Intelligenztest misst ), ist Validität zwar stets gegeben, aber nach wie vr unklar, wfür das Knstrukt steht. Drei Frmen der Validität: Augenscheinvalidität ( Face validity ): selbstevidente Messungen. Inhaltsvalidität Kriteriumsvalidität Knstruktvalidität 21

22 Inhaltsvalidität ( cntent validity ) Stichprbenmdell : Angenmmen wird einerseits eine unendliche der zumindest hhe Anzahl an möglichen Messinstrumenten (Items, Indikatren, etc.), aus denen eine repräsentative Stichprbe gezgen wird. Angenmmen wird ausserdem, dass das theretische Knstrukt mehrere, unterschiedliche Dimensinen aufweist. Inhaltsvalidität ist sdann gegeben, wenn eine genügend hhe Zahl an repräsentativen Aspekten bei der Operatinalisierung eines Knzeptes berücksichtigt wurde. Beispiel: Der Intelligenztest im Sinne vn Prblemlösungsfähigkeit misst nicht blss die Rechenfertigkeit, sndern auch die Fähigkeit des räumlichen Denkens, Artikulatinsfähigkeiten, Lgik, etc.. Kriteriumsvalidität Die Kriteriumsvalidität bezieht sich auf ein bestimmtes Aussenkriterium (in der Regel eine vm eigenen Messinstrument unabhängiges, aber bewährtes Messinstrument ( benchmark test )) und misst die Krrelatin mit diesem Aussenkriterium. Übereinstimmungsvalidität (gleicher Zeitpunkt, cncurrent validity): siehe Beispiel ben. Aber auch: Umweltbewusstsein und Mitgliedschaft bei einer Umweltrganisatin (Diekmann 2014: 259) der Links-Rechts-Einstufung und Wahlverhalten. Vrhersagevalidität (unterschiedlicher Zeitpunkt, prgnstische der prädiktive Validität): In diesem Fall werden die Kriteriumsdaten zeitlich später erhben und man misst die Prgnsekraft des Messinstruments. Beispielsweisel liessen sich die gemessenen Prüfungswerte vn Abslventen des Methdenkurses mit ihrem späteren akademischen Erflg (z.b. Abschlussnte) vergleichen. Hhe Übereinstimmung = hhe prgnstische Validität. (Diese Art kmmt kaum jemals vr!) Prblem: Selten ist einmal eine slche Kriteriumsvariable bekannt und wenn ja, wzu denn eine neue Messung (Schnell, Hill & Esser 1999:150)? Knstruktvalidität Knstruktvalidität gibt an, wie genau ein Messinstrument ein spezifisches Knstrukt misst und nicht auch weitere, damit verwandte bzw. gegensätzliche Knstrukte. Cnvergent validity ist ein Test, der belegen sll, dass Knstrukte, die mit dem eigenen Knstrukt nahe verwandt sind, auch empirisch stark mit diesem krrelieren (Beispiel: plitisches Interesse, plitisches Wissen, plitische Invlvierung). Discriminant validity ist ein Test, der belegen sll, dass Knstrukte, die mit dem eigenen Knstrukt nichts der nur wenig zu tun haben, damit auch nicht krrelieren (liberal/ knservativ vs. links/rechts ). Überprüfung mit Multitrait-Multimethd-Matrizen. 22

23 Zusammenfassung Reliabilität und Objektivität sind ntwendige, aber nicht hinreichende Bedingungen für Validität. Ein Messinstrument ist ums reliabler, je weniger zufällige Fehler die Messung beeinflussen. Ein Messinstrument ist um s valider, je weniger systematische Fehler die Messung beeinflussen. Vrlesung 7: Skalen und Indizes Indizes und ihre Knstruktin Index = Variable, die sich aus mehreren Einzelindikatren zusammensetzt. Eine Indexbildung empfiehlt sich bei multidimensinalen Knstrukten, denen aber eine latente Variable zugrunde liegt. Die einzelnen Teilindikatren decken dabei die verschiedenen Dimensinen des Knstrukts ab. Beispiel: Der Demkratiebarmeter (siehe nachflgende Flie). Bei der Indexknstruktin sind zwei Fragen zu beantwrten: Welche Dimensinen sllen in den Index einfliessen? Wie sllen die Dimensinen kmbiniert werden? Indizes: Festlegung der Dimensinen Dimensinen bilden einen Merkmalsraum, in dem jedes Objekt der Frschung eine spezifische Psitin belegt. Bei diskreten Variablen mit wenigen Ausprägungen: Typlgietabelle. (diskrete Variable: abzählbar endliche Variable) Bei kntinuierlichen Variablen: Vektrraum. Herleitung der Dimensinen erflgt theretisch. Indizes: Kmbinatin der Dimensinen Generell gilt: ein Index fasst viele Kmbinatinen des Merkmalsraumes zu einigen, wenigen (neuen) Kmbinatinen zusammen. Deshalb Indexbildung = Reduktin des Merkmalsraum. 23

24 Drei Gründe sprechen dafür: 1. Gewisse Kmbinatinen kmmen nie vr der sind sehr selten. (Beispiel: Hhes Bildungsniveau und tiefes Einkmmen.) 2. Verschiedene Kmbinatinen können durch Gewichtung zusammengefasst werden. 3. Verschiedene Kmbinatinen können theretisch zusammengefasst werden. Wie sllen die Dimensinen kmbiniert werden? 1. ungewichtet-additiv: einfache Additin der Indikatrenwerte (Index = Ind1+ Ind Indn). Alle Einzelindikatren müssen denselben Wertebereich haben, ansnsten fliessen sie ungleichgewichtig in die Analyse. Vll substituierende Wirkung: D.h., ein niedriger Punktwert auf einem Indikatr kann durch einen hhen Punktwert auf einem anderen Indikatr vllumfänglich ausgeglichen werden. Beispiel: Man hat die drei Dimensinen Beruflicher Status (X1), Netteinkmmen (X2) und Schulbildung (X3) die alle mit demselben Wertebereich charakterisiert werden. Durch ungewichtete Additin kann der Merkmalsraum auf sechs verschiedene Schichten reduziert werden (Siehe unten). 24

25 Skalen 2. gewichtet-additiv: partiell substituierende Wirkung: (Index = a1*ind1+ a2*ind an*indn ). Erlaubt die unterschiedliche Bedeutung einzelner Merkmalsdimensinen zu berücksichtigen (z.b.: Gesamtnte aus unterschiedlich wichtigen Teilprüfungsleistungen). Die Gewichte können entweder theretisch der statistisch (z.b. Faktrenanalyse) bestimmt werden. Auch möglich: eine Kmbinatin vn beidem (inhaltliche Überlegungen empirisch begründen, vgl. Verbraucherpreisindex). 3. multiplikativ: Multiplikatin der Indikatrenwerte (Index = Ind1* Ind2*... * Indn). Verstärkende Wirkung bei Vrliegen mehrerer psitiver Indikatrenwerte. Absicht: Das Fehlen eines einzelnen Indikatrs sll sich überprprtinal stark auswirken (z. B.: Wahlerflg = Sympathie * Prgramm, d.h., wenn Sympathie = 0, dann auch kein Wahlerflg, ungeachtet des Prgramms). Reihe vn Items (Aussagen, z.b. Fragen eines Fragebgens), die entlang einer Dimensin misst. Skalen werden in der Regel dann gebildet, wenn ein einzelner Indikatr die latente Variable nicht mit ausreichender Genauigkeit misst. Items = Fragen, Statements der Aussagen, mit denen die Befragten einverstanden der nicht einverstanden sein können. Skalen werden in der Regel für die Messung vn Einstellungen verwendet. Es gibt keine frmalen Regeln zur Frmulierung und Entdeckung vn Items. In der Praxis werden bereits existierende Items wieder (der neu) verwendet. Einige (ausgewählte) Kriterien zur Frmulierung vn Items nach Schnell/Hill/Esser: Gegenwartsbezug: Rückerinnerungsfragen messen ftmals die Erinnerungsfähigkeit und nicht das eigentliche Knstrukt. Eindeutige Interpretatin, eindimensinal: Enthält ein Statement mehrere Dimensinen, ist unklar, welchem Aspekt der Befragte zustimmt bzw. nichtzustimmt. Z.B.: Die Armeeausgaben sind zu hch. Der Staat sllte stattdessen mehr für Sziales ausgeben. Keine valence issues : Z.B. Arbeitslsigkeit sll bekämpft werden. Diesem Statement werden vermutlich die meisten Befragten zustimmen, es besitzt demnach keine Trennschärfe. 25

26 Die Zustimmung zu einem Item hängt dabei vn zwei Faktren ab: 1. Die Ausprägung der zugrundeliegenden latenten Variablen. Beispiel: Je rechter die Psitin auf der latenten Variablen idelgische Selbsteinstufung, dest eher wird dem Item Verschärfung des Ausländerrechts zugestimmt. 2. Die Itemschwierigkeit : Je schwieriger das Item, dest geringer die Zustimmung (bei gleichbleibender latenter Haltung). Beispiel: Eine Persn, die sich gemässigt rechts einstuft, wird einer mderaten Verschärfung des Ausländerrechts (Item 1) zustimmen, nicht aber einer deutlichen Verschärfung (Item 2). Skalierungsverfahren: Generell: Skalierungsverfahren unterscheiden sich hinsichtlich der Annahmen über das Antwrtverhalten swie die Verrechnung der Antwrten zu den entsprechenden Skalenwerten. 1. Likert-Skala Mit Abstand am häufigsten verwendetes Skalierungsverfahren. Unterscheidung zwischen trifft vll zu bis trifft gar nicht zu Vraussetzung: mntne Itemcharakteristik (mit Ansteigen der latenten Variablen steigt auch die Wahrscheinlichkeit der Zustimmung) Beispiel: Skala 1-10 Grundprinzip: Summiertes Rating Item-Analyse: Nicht-Berücksichtigung ungeeigneter Items mittels bestimmter Verfahren (Trennschärfe-Index der Trennschärfe-Keffizient). 2. Guttman-Skala Selten verwendetes Skalierungsverfahren. Vraussetzung: Items, die in Bezug auf die interessierende Variable unterschiedliche radikal frmuliert sind. Zudem: dichtme Itemcharakteristik (erst mit Überschreiten eines bestimmten Schwellenwertes der latenten Variablen erflgt Zustimmung). Grundprinzip: Skalenwert entspricht der Nummer desjenigen Items, das zuletzt akzeptiert wurde. Prblem: Perfekte Guttman-Skalen gibt es in der Realität kaum. Item-Analyse: Berechnung des Reprduzierbarkeits-Keffizienten. 26

27 Vrlesung 9: Bebachtungen und Inhaltsanalysen Wrin unterscheiden sich Erhebungsverfahren ganz prinzipiell? Reaktivität: Löst das Erhebungsverfahren Reaktinen bei den Untersuchungsbjekten aus? Persönliche Befragung: Reaktinen der Respndenten möglich und wahrscheinlich. (Möglichkeit, dass der Interviewer die Befragungspersn beeinflusst.) Schriftliche Befragung: Reaktinen der Respndenten kaum möglich. (Keine sziale Interaktin. Beeinflussung unwahrscheinlich) Standardisierung: Grad der Strukturierung einer Erhebung. Bebachtung: Definitin und Beispiele Was ist Bebachtung? Mutter aller Datenerhebungstechniken Jede empirische Methde ist Bebachtung. Im engeren Sinn: Die systematische und kntrllierte Bebachtung menschlicher Handlungen, sprachlicher Äusserungen und nnverbaler Reaktinen der anderer szialer Merkmale (Diekmann 2014:548). Vrteile: Das Verhalten der Untersuchungsbjekte wird unmittelbar bebachtet (und nicht wie bei Befragungen über Erinnerungsfragen erfragt). Kann direkt prtklliert werden Nachteile: Möglichkeit der selektiven Wahrnehmung (es werden nur Handlungen wahrgenmmen, die die Hypthese bestätigen). Gefahr der Fehlinterpretatin (vgl. Cliffrd Gertz Dichte Beschreibungen und das Beispiel des Augenzwinkerns, das vielerlei Bedeutungen haben kann). Kultur als selbstgespnnenes Bedeutungsgewebe. 27

28 Bebachtungstechniken: die Rlle des Bebachters Die Bebachtungstechnik ist vn der Fragestellung abhängig. Unterschiede gibt es zunächst in Bezug auf die Rlle des Bebachters: 1. Teilnehmend: Bebachter nimmt innerhalb des Bebachtungsfeldes selbst eine Rlle ein entweder passiv (der Ethngraf als Besucher eine autchthnen Stammes) der aktiv (Lehrer, der Verhalten der Schüler bebachtet). Prbleme: Identifikatin mit den Untersuchungseinheiten ( ging native ). Dadurch geht die Distanz des Aussenstehenden zum Bebachtungsfeld verlren. Beeinflussung der Bebachtung durch Teilnahme ( Dppelfunktin, Intrarllenknflikt ). Kein Zugang zu Schlüsselpersnen. 2. Nicht-teilnehmend: Nicht teilnehmende Bebachtungstechnik ist zu bevrzugen, ist allerdings nicht immer möglich. Prtkllierungsmöglichkeit eher gegeben, weil keine Dppelfunktin. Keine (bzw. nur geringe) Einflussmöglichkeiten. Bebachtungstechniken: Die (wahrgenmmene) Präsenz des Bebachters Was wissen die Untersuchungsbjekte vn der Bebachtung? 1. Offen: Die Prbanden sind sich der Präsenz des Bebachters bewusst ( Big Brther ). Prblem der externen Validität. 2. Verdeckt-teilnehmend: Bebachter ist aktiv, aber als slcher unerkannt ( Undercver- Agent ). mralisch fragwürdig 3. Verdeckt-nicht-teilnehmend: Bebachter ist inaktiv und unbemerkt ( Schlüssellchmethde ). Der Vrteil verdeckter Bebachtung ist, dass das Verhalten durch den Bebachtungsvrgang nicht beeinflusst wird (nicht-reaktiv). Allerdings ist diese Methde aus ethisch-mralischer Perspektive höchst fragwürdig, erst recht, wenn irreführende Stimuli gesetzt werden. 28

29 Bebachtungstechniken: Feld- vs. Labrfrschung Anwendbarkeit ist vn der Frschungsfrage und dem Untersuchungsgegenstand abhängig (Arbeitslsigkeit kann z.b. nicht als Treatment gesetzt werden). 1. Vr- und Nachteile vn Labrexperimenten: Der Frscher setzt die Stimuli und kntrlliert die Randbedingungen. Kntrlle vn Störfaktren durch Randmisierung. Hhe interne Validität, aber niedrige externe Validität. Natürliche Langzeitflgen sind nicht messbar. 2. Vr- und Nachteile vn Feldbebachtung: Langfristige Untersuchung vn Effekten in natürlicher Umgebung. Nicht durch Frscher manipulierbare Variablen bebachtbar. Kmplexe, in Labrexperimenten nicht simulierbare sziale Sachverhalte können erfasst werden. Hhe externe Validität, aber niedrige interne Validität. Unsicherheit b das Ergebnis auf die Studie zurückzuführen ist. 3. Das Feldexperiment: eine Kmbinatin vn Experiment und Feldbebachtung Das Feldexperiment findet in natürlicher Umgebung (d.h. nicht im Labr) statt. In der Regel wissen die Prbanden nicht, dass sie teil eines Experiments sind. Triangulatin möglich: Kmbinatin vn Labr- und Feldexperiment, um Resultate zu validieren Bebachtungstechniken: Strukturierungsgrad 1. Strukturierte Bebachtung: Präzise und strikte Bebachtungsschemata (Leitfaden). Bedarf eines ausgearbeiteten Leitfadens. Ziel: Höhere Durchführungsbjektivität und Reliabilität. Gefahr der verzerrten Wahrnehmung sll eingedämmt werden. 29

30 2. Unstrukturierte Bebachtung: Vrteil: Ermöglicht eine gewisse Flexibilität und Offenheit des Bebachters für den Bebachtungsgegenstand. Nachteil: Es werden nur ein grber Rahmen und einige Leitlinien vrgegeben. Zudem ist die Zahl der vrgegebenen Bebachtungskategrien geringer als bei der strukturierten Bebachtung. Kmbinatin möglich: Leitfadenbebachtung Inhaltsanalyse: Definitin und Beispiele «Systematische Erhebung und Auswertung vn Texten, Bildern und Filmen.» Nicht zu verwechseln mit Hermeneutik (=Textinterpretatin, Verstehen des Sinns ), während Inhaltsanalyse systematische Identifikatin vn Text-Elementen und ihre Zurdnung zu Kategrien meint. Beschränkt sich nicht ntwendigerweise nur auf Inhalte, sndern kann auch frmale Texteigenschaften (Länge der Sätze, stilistische Elemente wie Verwendung vn Knjunktiv, etc.) umfassen. Zum Beispiel Aktinsqutient = Verhältnis zwischen Verben und Adjektiven. Type-Tken-Rati: Reichhaltigkeit des Vkabulars. Vr- und Nachteile 1. Vrteile: Keine Beschränkung auf Gegenwart. Vergangenheitsbezug möglich: In der Vergangenheit prduziertes Material kann untersucht werden und unterliegt zumindest keinen Erinnerungsirrtümern wie bei der Befragung. Sziale Veränderungen (zum Beispiel Wertewandel, Verschiebung vn Präferenzen) sind erfrschbar. Nichtreaktivität: Das gesamte Datenmaterial ist nichtreaktiv 2. Nachteile: Hher Interpretatinsaufwand und hhes Kntextwissen nötig (Bedeutung vn Wörtern hat sich möglicherweise gewandelt, vgl. etwa links und rechts in der plitischen Kmmunikatin). 30

31 Frmen und Zwecke der Inhaltsanalyse Knzeptspezifikatin und Operatinalisierung Zentrales Werkzeug der Inhaltsanalyse ist ein Kategriensystem. Es muss vr der Analyse erstellt sein (siehe auch dimensinale Analyse). Operatinalisierung = Suche nach Text-Indikatren für die interessierenden Sachverhalte. Frmulierung vn Oberbegriffen (Kategrien), weitere Untergliederung in Teildimensinen. Kategrien sind das Äquivalent zu den Fragen in einer Befragung. Cdierschema als Abfrageschema für Texte. Zuverlässigkeitskriterien: Stabilität (Intracder-Reliabilität): Grad der Übereinstimmung zwischen verschiedenen Kdiervrgängen derselben Kdierer. Wiederhlbarkeit (Intercder-Reliabilität): Grad der Übereinstimmung zwischen zwei verschiedenen Kdierern am selben Material. Text hat hhe Stabilität, da er sich nicht verändert. Lebende Objekte (Befragungspersn) kann bereits innerhalb vn 3 Tagen die Haltung ändern. Die Messung kann zwar reliabel sein, aber das "Frschungsbjekt" ist unberechenbar. Frscher-Kdierer-Reliabilität: Übereinstimmung zwischen Frscher und Kdierer. Hlsti-Index: Siehe Vrlesung 9, Seite 20! 31

32 Techniken: Frequenzanalyse Rein quantitative Analyse Häufigkeit vn ausgewählten Textelementen (Namen vn PlitikerInnen, Parteinamen). Annahme: Häufigkeit krreliert mit Bedeutung. Können auch rein frmale Texteigenschaften sein (Type-Tken-Rati). Heute: Zumeist cmputerunterstützte Inhaltsanalysen: zum Beispiel Wrdscre und Wrdfish. Techniken: Kntingenzanalyse Kntingenzanalyse: Gemeinsames Auftreten bestimmter Textmerkmale. Beispiel: Kntaktanzeigen im Wandel der Zeit bzw. wie beschrieben sich die Inserenten selbst? Techniken: Valenzanalyse Valenzanalyse: Bewertungstendenz vn Textinhalten (z.b. negative der psitive Bewertung, pr der cntra) Ist der Beitrag vn Jurnalist X eher psitiv der negativ? Setzt zumindest rdinalskaliertes Niveau vraus. In der Regel Schätzurteile, aber heutzutage auch mit entsprechenden cmputerunterstützten Analysen möglich. Intensitätsanalysen: Nicht nur die Richtung wird hier bewertet, sndern auch die Intensität (wie stark psitiv bzw. wie stark negativ?) 32

33 Techniken: Verhaltensspuren (im Internet) Nutzung vn przessgenerierten Daten (d.h. Daten, die nicht zu wissenschaftlichen Zwecken erhben wurden). Slche Daten gab es schn immer (z.b. Stimmregisterdaten), aber mit der Nutzung des Internets werden diese Datenmengen und ihre Vielfalt immer grösser ( Big Data ). Dazu gehören: Ggle-Suchbegriffe, Leserkmmentare in Newsfren, Likes in Facebk, Tweets auf Twitter, Wikipedia-Traffic auf bestimmten Seiten, etc. Oftmals fehlen jedch nch Therien darüber, wer diese Daten erzeugt hat, zu welchem Zweck und wer sie nutzt. Beispiel: Ausmass einer Grippe knnte ermessen werden, durch Ggle, indem man geschaut hat, wie ft ein Medikament als Suchbegriff eingegeben wurde. Vrlesung 10: Befragungen und Interviews Frmen der Befragung: das persönliche Interview Einst die am weitesten verbreitete Befragungsfrm. Das persönliche Interview ( face-t-face ): Vr- und Nachteile: In der Regel bessere Verständlichkeit und höhere Kntrlle. Niedrige Abbruchqute; Einfluss auf die Teilnahmequte ist hingegen umstritten Reaktivität, da der Interviewer persönlich anwesend ist. Kann das Interview beeinflussen, weil man dann Antwrten gibt die gesellschaftlich eher erwünscht sind. Aufwand und Ksten sind vergleichsweise hch. 33

34 Frmen der Befragung: das telefnische Interview Vr- und Nachteile: siehe face-t-face-interview. Ksten und Aufwand steigen zunehmend. Abnehmender Abdeckungsgrad. Deckt höchstens 70 Przent der Bevölkerung ab. Nicht mehr s repräsentativ. Zu den Prblemen, die mit der Stichprbenziehung aus Telefnregistern verbunden sind, siehe nächste Lektin (Sampling). Frmen der Befragung: die schriftliche Befragung Frmen der schriftlichen Befragung (selbstadministriert): Die Schriftlich-pstalische Befragung. Immer häufiger (vn der Struktur her jedch dasselbe): Online-Umfragen. Vr- und Nachteile: Grössere Annymität, geringere Interviewereffekte. Kmmt dem Zeitmanagement des Befragten eher entgegen, der Befragte kann Fragen besser durchdenken. Aber keine Hilfe möglich bei Verständnisfragen. Die Untersuchungsergebnisse zu Rücklaufquten fallen unterschiedlich aus. Kgnitive Tests ( Wissensfragen ) nur schwerlich möglich (bwhl: Online-Sftware, die das bei Onlinebefragungen überwacht). Identifikatin der Zielpersn nicht möglich. Frmen der Befragung: die Online-Befragung Vr- und Nachteile: Meist selbstrekrutiert (jedch nicht zwingend), was ein grsser Nachteil ist, da Selbstrekrutierung zu grssen Verzerrungen führen kann. Ist allerdings ein Prblem der Stichprbenziehung und nicht der Frm der Befragung. Schnell und kstengünstig. Das Antwrtverhalten und die Aufzeichnung der Geschwindigkeit der Antwrtreaktinen ( latency ) u.a. sind mit Sftware messbar. Spielerisches Element. Experimentelle Studien (Cnjint-Analysen) sind viel einfacher realisierbar. 34

35 Vraussetzungen für alle Frmen der Befragung Kperatinsbereitschaft Die Bereitschaft, an Interviews teilzunehmen ist vn vielerlei Faktren abhängig: V.a. Interesse am Thema, aber auch finanzielle Anreize (z.b. 10 Franken-Gutschein) spielen (selbstredend) eine Rlle. Die Kennzahl, welche die Kperatinsbereitschaft misst, lautet: Ausschöpfungsqute. Die Existenz einer wahren Haltung und die Bereitschaft, diese mitzuteilen: Verschiedene Wissenschaftler bezweifeln die Existenz vn true attitudes (Cnverse 1964, Zaller 1992) und gehen eher vn einem Kntinuum bzw. vn situativ abhängigen cnsideratins aus. Die Haltung zu gewissen Themen kann sich ziemlich schnell ändern. Höflichkeitsnrmen der Furcht vr juristischen der szialen Sanktinen können ebenfalls Hinderungsgründe sein. Gemeinsame Sprache Therien des Antwrtverhaltens 1. Prbabilistische Ansätze (Achen 1975): Menschliches Verhalten ist generell stchastisch (zufällig) (Menschen entscheiden in ein und derselben Entscheidsituatin nicht identisch). Deshalb sind Attitudes knzeptinell nicht als ein singulärer Punkt auf einer Dimensin vrzustellen, sndern als eine begrenzte Bandbreite vn Punkten. Das Antwrtverhalten vn Befragten wiederum variiert innerhalb dieser Bandbreite abhängig vn der Fragefrmulierung. 2. Die Therie der ratinalen Entscheidung (Esser 1975): Mensch strebt nach szialer Anerkennung und «fürchtet» sich vr szialen Sanktinen. Mensch ist ein ratinaler Nutzenmaximierer 35

36 3. Kgnitinspsychlgische Antwrttherien: «Memry-based» der «file-drawer-mdel» (Feldman und Zaller 1992): Wird nach einer Evaluatin gefragt, bemüht sich das Individuum alle (relevanten), mit dem Einstellungsgegenstand verknüpften Erwägungen in Erinnerung zu rufen und auf der Basis dieser «recllectins» eine Einschätzung abzugeben. Man muss sich Gedanken dazumachen, wie die eigene Haltung zu einem Thema ist «On-line-prcessing mdel» (Ldge, Steenbergen und Brau 1995): Die Valenz einer Infrmatinen wird sfrt in ein evaluatives Zwischenttal («summary tally») integriert. Im Anschluss wird blss dieses «summary tally» im Langzeitgedächtnis abgespeichert, nicht aber die einzelnen, spezifischen Infrmatinsbits. Man weiss direkt was man mag der nicht mag Erhebungsgegenstände 1. Einstellungen («attitudes», «pinins») Einstellungen sind «likes and dislikes» (Eagly and Chaiken 1993: The Psychlgy f Attitudes) Demnach: «Attitudes» sind ein wertendes Urteil über ein Einstellungsbjekt. Allerdings: Der Befragte muss nicht zwingend eine substanzielle Meinung zu allen Einstellungsgegenständen aufweisen («Weiss nicht»). Beispiel: «Mögen Sie Pizzas mit Sardellen»? 2. Überzeugungen («beliefs») «Beliefs» umfassen alle Infrmatinen und Kgnitinen, welche mit dem entsprechenden Einstellungsgegenstand verknüpft sind (Überzeugungen, «Weltwissen»). «Beliefs» sind geglaubtes Wissen («Die Erde ist eine Scheibe»). Unterschied zu «Attitudes»: «Beliefs» sind deskriptive Statements, Einstellungen («attitudes») hingegen sind präskriptive Aussagen. deskriptiv: Der Haschischknsum ist legalisiert wrden präskriptiv: Der Haschischknsum sll legalisiert werden. 3. Verhalten («behavir») Achtung: Bei Befragungen wird ausnahmsls berichtetes Verhalten erhben (nicht jedch bei der Bebachtung!). 4. Szialstatistik: sziale Merkmale (bjektive Eigenschaften der befragten Persn). 36

37 Fehlerquellen, Frmen der Antwrtverzerrungen Unterschiedliche Kategrien vn Fehlerquellen bzw. Quellen vn Antwrtverzerrungen: Persönlichkeitsmerkmale des Befragten. Merkmale des Befragenden bzw. die Reaktinen der Interviewten darauf (Interviewereffekte). Fragebgen bzw. Fragefrmulierungen, d.h. Reaktinen auf frmale Aspekte vn Fragen (Frageeffekte). Die Interviewsituatin. Antwrtverzerrungen: Merkmale des Befragten Sziale Erwünschtheit: Die Angabe einer Antwrt, die nicht der wahren Haltung entspricht, sndern dem, was als szial erwünscht wahrgenmmen wird. Sziale Erwünschtheit ist der wichtigste Punkt bei Befragungen. (Vr allem bei sensiblen Themen/ Fragestellungen) Die Angabe szial erwünschter Antwrten ist einerseits vn Persönlichkeitsmerkmalen des einzelnen Befragten abhängig, kann andererseits aber auch Resultat einer situatinsspezifischen Reaktin sein. Gegenmassnahmen: Antwrten (zusätzlich) annymisieren, Enttabuisierung durch spezifische Fragefrmulierung, Randmized Respnse Technique Zustimmungstendenz (unabhängig vm Inhalt der Fragen): Erkennbar an spezifischen Antwrtmustern (Respnse-Set). Gegenmassnahmen: Umplung der Fragefrmulierung der der Antwrtkategrien (vgl. Paralleltest). Nn-Attitude: Angabe einer inhaltlichen Antwrt, bwhl keine substanzielle Meinung zum Einstellungsgegenstand vrhanden ist. Gegenmassnahmen: Angabe einer Weiss nicht -Kategrie (kann unter Umständen wiederum «falsche» Meinungslsigkeit fördern Gefahr der Bequemlichkeit: Leute haben zwar eine Meinung aber finden es einfacher mit "weiss nicht" zu antwrten) 37

38 Antwrtverzerrungen: Frageeffekte Fragefrmulierung: Frmale wie auch inhaltliche Aspekte der Fragefrmulierung haben möglicherweise Einfluss auf das Antwrtverhalten. Z.B. Suggestivfrmulierungen, psychlgische Effekte (siehe Beispiel in Vrlesung 10, Seite 17). Rating der Ranking. Psitinseffekte: Antwrten zu Fragen sind möglicherweise vn gewissen Primingeffekten abhängig, d.h. davn, b zuvr bestimmte kgnitive Assziatinen aktiviert wurden der nicht. Gegenmassnahme: Randmisierung. Vrgabe vn Antwrtkategrien: Mitte-Kategrie («Mitte-Tendenz»). «Weiss nicht», «keine Meinung». Antwrtverzerrungen: Interviewer bzw. Interviewsituatin Interviewermerkmale: Stark abhängig vm Inhalt der Frage. Wenn z.b. illegales der szial geächtetes Verhalten abgefragt wird, ist mit erheblichen Interviewereffekten zu rechnen. Interviewsituatin: Z.B. Anwesenheit Dritter. Spnsrship-Effekt: Befragte richten ihre Antwrten danach aus, wer der Auftraggeber der Studie ist. 38

39 Kriterien für Fragefrmulierung Verständlich, einfach. Keine dppelten Verneinungen, keine Suggestivfragen und einfache Fragefrmulierung (An einer Vlksbefragung 1997 in Graz (Österreich) wurde die Frage gestellt: «Treten Sie dafür ein, dass die vn der Stadt Graz geplante Verlängerung der Linie 6, die in dieser Frm nicht zur Lösung der bestehenden Verkehrsprbleme beiträgt, nicht zur Ausführung gelangt?»). Eindimensinalität (nur eine Dimensin abfragen). Nicht: Sind sie für die Reduktin der Militärausgaben und die Erhöhung der Szialausgaben Möglichst knkreter Bezug (Wertevrstellungen vs. Einstellungen zu knkreten Sachfragen). Antwrtkategrien erschöpfend, disjunkt und ausgewgen. Nicht überschneiden: Kategrie 1: / Kategrie 2: Bei Überschneidungen kann es passieren, dass sich eine Persn gar nicht einteilen lässt, bzw. in zwei Kategrien fällt! Neutrale Frmulierung und (wenn möglich) keine hypthetischen Fragen. Einbau vn Filterfragestrukturen. Vrsehen, dass wenn bei einer gewissen Frage etwas gesagt wrden ist, alle Fragen die ein anderes Verhalten ausschliessen aus dem Fragebgen herausgenmmen werden. Vergleichbarkeit mit anderen Untersuchungen (z.b. der Vergangenheit) verlangt identische Fragestellungen (zum Beispiel plitisches Wissen). Vereinbarkeit mit geplantem Auswertungsverfahren (Auswahl eines ausreichenden Skalenniveaus). Fragebgenaufbau Einleitungsfragen ( Eisbrecherfragen ), Interesse wecken und Vertrauen aufbauen. Psitinierung der Fragen im Fragebgen: Kernfragen möglichst früh stellen (wegen Abbrechern). Szialstatistische Fragen vrzugsweise am Ende der Befragung (wenn möglich). Filterfragen ( In welchem Kantn sind Sie stimmberechtigt? ). Vermeidung überflüssiger Fragen ( Waren Sie 2011 im selben Kantn stimmberechtigt wie heute? besser als: In welchem Kantn waren Sie 2011 stimmberechtigt? ) Strukturierte Themenblöcke mit Überleitungen. Vermeidung vn Saliency-Effekte (vrherige Fragen beeinflussen Antwrten auf spätere Fragen). Fragen sllten s platziert werden, dass sie nicht vn den vrherigen abhängig sind. Vermeidung vn Ex-Pst-Ratinalisierung und Knsistenzeffekte: Befragte neigen zur Ex- Pst-Ratinalisierung und Harmnisierung vn Antwrten. Deshalb: Fragen, die Knsistenz testen, weit vneinander setzen. 39

40 Geschlssene Fragen vs. ffene Fragen 1. Bei geschlssenen Fragen sind die Antwrtkategrien vrgegeben. Vrteile: Hhe Vergleichbarkeit und hhe Durchführungsbjektivität. Geringerer Zeitaufwand für Befragte und für das Auswertungsteam, da keine inhaltsanalytische Cdierung der Antwrten erfrderlich ist. Geringer Interpretatinsspielraum für Cdierer. Nachteile: Antwrten werden durch die Vrstrukturierung vrgespurt : Im schlimmsten Fall erhält man eine falsche Antwrt, weil die richtige bzw. passende Antwrt gar nicht vrgesehen ist. Aber auch das Gegenteil möglich: Angabe einer Kategrie, die dem Befragten spntan nie in den Sinn gekmmen wäre (Ex-Pst-Ratinalisierung). 2. Bei ffenen Fragen sind die Antwrtkategrien nicht vrgegeben. Der Befragte artikuliert seine Antwrten selbständig. Vrteile: Der Befragte antwrtet innerhalb seines eigenen Referenzsystems. Nachteile: Siehe Vrteile geschlssener Fragen. 3. Hybridfrm: halbffene Fragen. Fragen, bei denen gewisse Antwrtkategrien vrgegeben sind, bei denen der Befragte jedch auch eine eigene Antwrt frmulieren kann. Vrlesung 11: Auswahlverfahren Einleitung: Vll- und Teilerhebungen Ziele vn Umfragen Das Ziel einer Umfrage ist es, Aussagen über das Verhalten der die Haltungen einer Grundgesamtheit (z.b. «alle Schweizer Stimmberechtigten») machen zu können. Allerdings lässt sich in aller Regel nur ein Teil dieser Grundgesamtheit befragen. Wie muss nun diese Teilmenge (der Stichprbe) zusammengesetzt bzw. beschaffen sein, s dass sich die Stichprbenergebnisse verallgemeinern lassen? Wie zieht man eine slche, repräsentative Stichprbe? 40

41 Grundbegriffe der Umfragefrschung Die Grundgesamtheit ( target ppulatin ) Die Menge derjenigen Individuen, über die eine Aussage gemacht werden sll, wird die Grundgesamtheit genannt. Die Grundgesamtheit ist demnach vn der jeweiligen Fragestellung abhängig. Beispiel: Wer hat wie gewählt bei den Natinalratswahlen 2015? Gilt die Nicht-Teilnahme ebenfalls als Wahlptin, s bilden alle Schweizer Wahlberechtigten die Grundgesamtheit. Interessiert man sich indessen nur für das substanzielle Wahlverhalten, s bilden strenggenmmen nur die an den Wahlen 2015 Teilnehmenden die Grundgesamtheit. Die Auswahlgesamtheit ( frame ppulatin ) Die Menge der Elemente, die eine prinzipielle Chance haben, in die Stichprbe zu gelangen. Bildet beispielsweise das ffizielle Telefnverzeichnis der Swisscm die Auswahlgesamtheit, s haben nur die über die darin registrierten Telefnnummern Erreichbaren die prinzipielle Chance, in die Stichprbe zu gelangen. Die Inferenzppulatin wird aus der Auswahlgesamtheit abgeleitet. Sie ist die Ppulatin, über die auf der Grundlage der vrliegenden Stichprbe tatsächlich Aussagen gemacht werden können. Auswahlgesamtheit (bzw. Inferenzppulatin) und Grundgesamtheit sllten im Idealfall identisch der zumindest nahezu identisch sein. Je weiter diese beiden Grössen auseinanderfallen (siehe vercverage und undercverage), dest grösser ist die Wahrscheinlichkeit, dass die Umfrageresultate verzerrt sind. Undercverage und Overcverage Overcverage Die Auswahlgesamtheit enthält Elemente (d.h. Befragte), die kein Teil der Grundgesamtheit sind. Beispiel: Die Schweizer Stimmberechtigten bilden die Grundgesamtheit. Man befragt indes alle, die im Swisscm-Verzeichnis enthalten sind (z.b. auch AusländerInnen der unter 18- jährige). Kann die Umfrage verzerren Overcverage ist in der Praxis selten ein Prblem. Die «überzähligen» Fälle können nachträglich aus der Stichprbe entfernt werden. Undercverage Wenn Elemente der Grundgesamtheit nicht in der Auswahlgesamtheit enthalten sind. Generell gilt: undercverage ist ein weitaus schwerwiegenderes Prblem als vercverage. Denn die Verzerrungen, die vn undercverage ausgehen, lassen sich kaum bzw. nur unter Zuhilfenahme bestimmter Annahmen krrigieren. 41

42 Abbildung: Grundgesamtheit und Auswahlgesamtheit (sample frame) Auswahl-, Erhebungs- und Untersuchungseinheit Auswahleinheiten beziehen sich auf den Auswahlplan, während Erhebungseinheiten diejenigen Einheiten sind, bei denen die Infrmatinen erhben werden. Diese Einheiten sind ftmals nicht identisch und dies stellt die Umfragefrscher vr gewisse Prbleme. Beispiel: Auswahleinheit (Beispiel Telefnnummer) kann verschiedenen Erhebungseinheiten zugewiesen werden. Die Untersuchungseinheit ist diejenige Einheit, auf welche sich die Untersuchung bezieht bzw. an welcher die relevante Messung als slches vrgenmmen wird. Repräsentivität Ein ( geschützter ) Fachbegriff Repräsentativität existiert nicht. Es gibt unterschiedliche Bedeutungen dieses Begriffs in der nichtwissenschaftlichen, der wissenschaftlichen und der statistischen Literatur 1. Repräsentativität gilt landläufig als Gütesiegel für demskpische Resultate ( Here the investigatr gives the data a pat n the back by using a seemingly scientific term t rise its stature. ). Wenig sinnvll. 2. Repräsentativität als Strukturknzept: Stichprbe und Grundgesamtheit sind gleich zusammengesetzt. Das Sample ist ein verkleinertes, aber ansnsten strukturgleiches Abbild der Grundgesamtheit. Hhe Suggestivwirkung, aber ebenfalls wenig sinnvll. allgemein bekannte Vrstellung der Repräsentativität 3. Repräsentativität in der statistischen Literatur: bezieht sich nicht auf die Struktur der Stichprbe, sndern auf den Przess der Auswahl. Nur Zufallsauswahlen ermöglichen die inferenzstatistischen Verfahren zur Berechnung der Verlässlichkeit, mit welcher man vm Sample auf die Grundgesamtheit schliessen kann. 42