2. Seite Zusammenfassung emp. Sozialforschung

Veränderungen des Informationsgehaltes

der Gehalt einer Hypothese

• wächst, je spezifischer der „dann“-Bestandteil ist (ist informativer, weil sie genauere Vorhersagen zulässt)

  • Der “dann”-Teil einer Hypothese wird informativer, wenn er spezifische Vorhersagen darüber macht, was passieren wird, wenn die Bedingungen erfüllt sind. Diese Spezifität ermöglicht es, genaue Erwartungen zu formulieren und den Erfolg der Hypothese besser zu überprüfen.

• sinkt, je spezifischer der „wenn“-Bestandteil ist. Eine Hypothese mit höherem empirischen Gehalt ist riskanter, denn sie ist in mehr empirischen Situationen überprüfbar u. wird leichter abgelehnt

  • Der “wenn”-Teil einer Hypothese kann ebenfalls viele Informationen enthalten, jedoch verringert eine zu hohe Spezifität möglicherweise den Anwendungsbereich der Hypothese. Wenn die Bedingungen zu eng definiert sind, können sie möglicherweise nicht auf verschiedene Situationen angewendet werden, was die Überprüfbarkeit der Hypothese einschränkt.

Korrespondenzproblem

• Genauigkeit der Zuordnung zwischen theoretischen Konstrukten und empirischen Indikatoren

  • Angenommen, ein Forscher möchte die Auswirkungen von sozialem Stress auf die psychische Gesundheit untersuchen. Er definiert "sozialen Stress" als das Ausmaß, in dem eine Person sozialen Druck, Konflikten oder Benachteiligungen ausgesetzt ist. Als Indikatoren für sozialen Stress verwendet er Maße wie die Anzahl der sozialen Interaktionen, die Häufigkeit von Konflikten in zwischenmenschlichen Beziehungen und die berichtete Belastung durch soziale Verpflichtungen.

  • Das Korrespondenzproblem tritt auf, wenn die Indikatoren nicht genau das erfassen, was der Forscher als sozialen Stress definiert hat = Zuordnung zwischen unserem theoretischen Konstrukt (sozialer Stress) und den empirischen Indikatoren nicht genau. Zum Beispiel könnten die Indikatoren möglicherweise nicht alle Facetten von sozialem Stress abdecken oder auch andere Einflüsse erfassen.

Basissatzproblem

• Übereinstimmung zwischen Beobachtungen und Realität betreffen.

  • bezieht sich darauf, ob die Beobachtungsprotokolle und Beschreibungen tatsächlich mit der Realität übereinstimmen. Selbst wenn die Indikatoren korrekt sind, könnten subjektive Einschätzungen oder Messfehler dazu führen, dass die Beobachtungen nicht vollständig oder genau die Realität widerspiegeln.

  • In diesem Beispiel ist das Korrespondenzproblem relevant, um sicherzustellen, dass die verwendeten Indikatoren den sozialen Stress angemessen abbilden. Das Basissatzproblem ist wichtig, um sicherzustellen, dass die gemessenen Daten eine genaue Darstellung der tatsächlichen Erfahrungen und Auswirkungen der untersuchten Personen aufzeigen.

Naiver‘ Falsifikationismus

• besagt, dass eine Theorie oder Hypothese bei einmaliger Falsifikation verworfen werden sollte

• Diese Herangehensweise wird als "naiv" bezeichnet, da sie nicht berücksichtigt, dass eine Falsifikation möglicherweise aufgrund von Fehlern oder unvollständigen Informationen erfolgt sein könnte.

• Raffinierter" Falsifikationismus

• Statt eine Theorie sofort zu verwerfen, wird versucht, sie zu schützen, indem ihr theoretischer Kern verteidigt wird. Dies bedeutet, dass zentrale Aspekte einer Theorie besonders geschützt werden, während periphere Aspekte eher der Falsifikation ausgesetzt sind. Darüber hinaus wird die Überprüfung der Überprüfung betont, was bedeutet, dass die Methoden und Ergebnisse der Falsifikationsversuche selbst kritisch überprüft werden müssen.

• Die Aufgabe einer Theorie erfolgt nur dann, wenn es alternative Theorien gibt, die einen wissenschaftlichen Fortschritt ermöglichen, indem sie neue Erklärungen oder Vorhersagen liefern.

• Die verschiedenen Aspekte der Gesellschaft, die wir erforschen möchten, werden auf verschiedenen Ebenen betrachtet.

• Ebene: Soziale Wirklichkeit

• Ebene: Theoretische Konzepte

• Ebene: Indikatoren - Operationalisierung

• Erstens: soziale Welt, in der Menschen leben und interagieren (Die komplexe Realität von Unterschieden und Ungleichheiten in der Gesellschaft, die sich auf Einkommen, Bildung, Beruf, Gesundheit und andere Faktoren erstrecken)

  • Dann gibt es theoretische Ideen darüber, wie diese soziale Welt funktioniert (z.B. Idee von sozialer Ungleichheit) = Diese Ideen sind unsere theoretischen Konzepte.

  • Schließlich haben wir Indikatoren, die uns helfen, diese theoretischen Konzepte zu messen und zu verstehen, wie sie in der realen Welt existieren (z.B. Einkommensdaten für soziale Ungleichheit)

    Prinzip der Austauschbarkeit: Verschiedene Indikatoren können verwendet werden, um soziale Ungleichheit zu erfassen, z.B. Einkommensverteilung, Bildungsniveau, Berufsstruktur usw.

    (Die Umsetzung theoretischer Ideen in messbare Indikatoren erfordert sorgfältige Planung und ÜberlegungK

  • Ein Forscher, der die soziale Ungleichheit untersucht, würde daher theoretische Konzepte wie Einkommensungleichheit oder Bildungsungleichheit definieren und dann verschiedene Indikatoren verwenden, um diese Konzepte zu messen. Diese Indikatoren sollten die verschiedenen Facetten der sozialen Ungleichheit erfassen und idealerweise in ihrer Messung konsistent sein, um genaue und zuverlässige Erkenntnisse über die soziale Wirklichkeit zu liefern.

Probleme beim Aussuchen der Indikatoren

Die verschiedenen Ebenen der sozialen Wirklichkeit, theoretischen Konzepte und Indikatoren bilden zusammen einen Rahmen für die Erforschung und Messung sozialer Phänomene. Die Operationalisierung von theoretischen Konzepten durch Indikatoren erfordert sorgfältige Planung und Berücksichtigung von Messfehlern sowie die Sicherstellung, dass die Messungen die beabsichtigten Aspekte der Realität genau widerspiegeln.

1. 3te Ebene: Indikatoren

   • Homogenität des Indikatoruniversums: Einheitlichkeit und Konsistenz der Indikatoren.

   • Prinzip der Austauschbarkeit: Problem der Mehrdeutigkeit, wo verschiedene Indikatoren sich gegenseitig ersetzen können.Ein Indikator kann gleichermaßen für verschiedene theoretische Konstrukte stehen Bsp. Indikator Körpertemp. für Gesundheit aber auch für Wut

   • Messfehler: Fehler bei der empirischen Messung eines Indikators

   • Konzept der multiplen Indikatoren: Idee, dass theoretische Konzepte idealerweise durch mehrere verschiedene Indikatoren operationalisiert werden sollten.

   • Realitätsbezug: Die empirische Messung von Indikatoren soll spezifische Aspekte der theoretischen Konzepte widerspiegeln.

   • Messanweisungen: Anweisungen, die es ermöglichen, einem theoretischen Konzept bestimmte Indikatoren zuzuweisen.

Merkmale

• Ein Merkmal (auch Charakteristikum) ist allgemein eine erkennbare Eigenschaft, die eine Person, eine Sache oder einen abstrakten Zusammenhang von anderen unterscheiden.

  • Dabei sind meistens die Eigenschaften einer Einheit (Merkmalsträger), nicht die Einheit selbst

    von Belang

Merkmalsausprägungen

• Alle möglichen Werte, die ein Merkmal annehmen kann: Bezeichnung mit Zahlen / Kleinbuchstaben

       Bsp.: Merkmal X = Konfessionszugehörigkeit  x / X = katholisch,  y/X = evangelisch, …

Merkmalswert

• Gibt an, in welcher Weise das Merkmal bei einem Merkmalsträger auftritt. Merkmale bezeichnen wir

  mit Großbuchstaben: X,Y,Z

• Der Merkmalswert ist das Ergebnis der Beobachtung, Befragung, Messung oder einer Zählung, die beim Merkmalsträger vorgenommen wurde.

• Bsp.: Merkmal: Alter -  Merkmalswert: 38 Jahren —> kann zum Beispiel so ausgedrückt werden: X = 38 (Jahre)

Konstante

• Ein Merkmal mit nur einer Ausprägung wird Konstante bezeichnet (Körpergröße, Alter, etc.)

Übersicht

Das Skalenniveau bestimmt, welche mathematischen Operationen mit den Daten möglich sind.

• Nominalskala - Qualitativ / klassifikatorisch

• Ordinalskala - Komparativ

• Intervallskala

• Ratioskala

Mess- bzw. Skalenniveaus

Übersicht

Das Skalenniveau bestimmt, welche mathematischen Operationen mit den Daten möglich sind.

• Nominalskala - Qualitativ / klassifikatorisch

• Ordinalskala - Komparativ

• Intervallskala

• Ratioskala

Nominalskalen

• Verwenden Kategorien oder Namen für Variablen, ohne eine Reihenfolge oder Rangfolge zwischen den Kategorien anzugeben

• Zerlegt die Untersuchungsobjekte vollständig in einander ausschließende Klassen

• Sie sind die einfachste Form der Skala und werden verwendet, um qualitative oder kategoriale Daten zu erfassen.

  • z.B. Geschlecht —> Merkmalen gleicher Art wird dabei der gleiche, solchen verschiedener Art werden verschiedene Werte zugeordnet, etwa weiblich = 1, männlich = 2

  • "Was ist die ethnische Zusammensetzung der Schülerpopulation an einer bestimmten Schule?"

    Diese Frage erfordert, dass die Forscher die ethnischen Kategorien definieren (z. B. afroamerikanisch, kaukasisch, hispanisch usw.) und dann die Schüler entsprechend diesen Kategorien klassifizieren. Die Daten, die auf diese Weise gesammelt werden, würden die ethnische Zusammensetzung der Schülerpopulation widerspiegeln, und die Ergebnisse könnten dann analysiert werden, um Muster, Trends oder Unterschiede in der ethnischen Verteilung zu identifizieren.

Mess- bzw. Skalenniveaus

Übersicht

Das Skalenniveau bestimmt, welche mathematischen Operationen mit den Daten möglich sind.

• Nominalskala - Qualitativ / klassifikatorisch

• Ordinalskala - Komparativ

• Intervallskala

• Ratioskala

Ordinalskalen

• Ordinalskalen sind eine Art von Messskalen, die die Rangfolge oder Reihenfolge von Objekten oder Ereignissen darstellen, jedoch keine festen Abstände zwischen den Werten aufweisen. Bei ordinalen Skalen werden die Werte in einer bestimmten Reihenfolge angeordnet, um qualitative Unterschiede oder Beziehungen zwischen den Kategorien zu erfassen, aber die Abstände zwischen den Werten sind nicht gleich oder quantifizierbar.

• Bsp.: die Bewertung von Filmen von "sehr gut" über "gut", "durchschnittlich", "schlecht" bis "sehr schlecht". Diese Bewertungen sind in einer bestimmten Reihenfolge angeordnet, aber der Unterschied in der Qualität zwischen "sehr gut" und "gut" ist nicht gleich dem Unterschied zwischen "durchschnittlich" und "schlecht".

• Bsp.: Schulabschlüsse bewertet nach Schulnoten (1-6):  Kein Abschluss = 0, Hauptschule = 1, Mittlere Reife = 2, …

Mess- bzw. Skalenniveaus

Übersicht

Das Skalenniveau bestimmt, welche mathematischen Operationen mit den Daten möglich sind.

• Nominalskala - Qualitativ / klassifikatorisch

• Ordinalskala - Komparativ

• Intervallskala

• Ratioskala

Intervall- und Ratioskalen sind zwei Arten von Skalen in der Statistik, die quantitative Daten erfassen. Der Hauptunterschied zwischen ihnen liegt in der Existenz eines absoluten Nullpunkts

Intervallskala

• Feste Einheit, die die Abstände zwischen den Messwerten repräsentiert, aber es gibt keinen absoluten Nullpunkt

  • Forschungsfrage: "Inwieweit beeinflusst die Anzahl der Stunden, die ein Student pro Woche lernt, seine akademische Leistung?"

    Die Anzahl der Stunden, die ein Student pro Woche lernt in Gruppen einteilen, z.B. 0-5 Stunden, 6-10 Stunden, 11-15 Stunden usw., und dann den Durchschnittsnoten oder Testergebnisse der Studenten in jeder Gruppe vergleichen. Da es keinen absoluten Nullpunkt gibt (es gibt keine Abwesenheit von Lernstunden), würde diese Frage am besten mit einer Intervallskala beantwortet

• Im Gegensatz zu Ordinalskalen folgen die Intervalle zwischen den Einheiten einem gleichmäßigem Abstand. Z.B haben 20 und 25 Grad genau den gleichen Abstand wie 30 und 35 Grad -> genau 5 Grad, es gibt lediglich keinen festen Nullpunkt (auch minus Gerade -5 Grad)

Ratioskala

• Im Gegensatz dazu hat eine Ratioskala eine feste Einheit und einen absoluten Nullpunkt.

  —> Das bedeutet, dass das Fehlen einer Messung auf der Skala bedeutet, dass die Eigenschaft, die gemessen wird, nicht vorhanden ist.

  • Bsp. die Anzahl der korrekten Antworten in einem Test. Ein Nullwert auf einer Ratioskala bedeutet tatsächlich Abwesenheit der gemessenen Eigenschaft.

  • "Inwieweit beeinflusst die Anzahl der Stunden, die ein Student pro Woche lernt, seine akademische Leistung?”

  • Wenn die Forscher die exakte Anzahl der Stunden messen würden, die ein Student pro Woche lernt, z.B. 0 Stunden, 1 Stunde, 2 Stunden usw., und dann die akademischen Leistungen der Studenten vergleichen würden, dann würden sie eine Ratioskala verwenden. In diesem Fall wäre ein Nullwert (0 Stunden) tatsächlich das Fehlen von Lernstunden, und der Unterschied zwischen den Werten wäre aufgrund des absoluten Nullpunkts interpretierbar.

  • Bsp. Längen in cm

  • Z.B. Zeitmessung

Antwortskalen Skaleninstrumente

• Antwortskalen sind Instrumente, die verwendet werden, um die Antworten von Personen auf Fragen oder Aussagen zu messen. Sie können von einfachen Ja/Nein-Antworten bis hin zu komplexen mehrstufigen Skalen reichen.

Skaleninstrumente

• Skaleninstrumente sind Werkzeuge, die verwendet werden, um bestimmte Merkmale oder Eigenschaften zu messen, indem sie den Befragten eine Reihe von Fragen oder Aussagen präsentieren, auf die sie reagieren können

Indexbildung

• Index: Zusammenfassung mehrerer Indikatoren zu einer neuen Variablen z.B. Schichtindex aus Kombination Indikatoren von Schulabschluss, Berufsposition und Einkommen Merkmalsraum der Sozialen Schicht

! Probleme, die bei der Indexbildung gelöst werden müssen:

    - Welche Dimensionen sollen in den Index eingehen?

    - Haben alle Dimensionen die gleiche Bedeutung für das Konstrukt?

    - Wie sollen diese Kombinationen kombiniert werden

• Additive Indizes durch Addition der Einzelvariablen: Die Annahme ist hier, dass die einzelnen Items unabhängige Indikatoren dessen sind, was gemessen werden soll z.B. CES-D (Fragebogen) zur Messung v. Depression wobei den Antworten bestimmte Punkte Anhängen —> ist die gesamte Punktzahl (alle Punkte der einzelnen Antworten) hoch = starke Depression

• Multiplikative Indizes kommen v.a. dann zum Einsatz, wenn mehrere Dinge zugleich zutreffen müssen (logische Verknüpfung). Teilweise höhere Gewichtung einzelner Indikatoren zB. BMI

  = Gewicht : Größe hoch2

Zuordnung eines Indikators zu einem theoretischen Konzept

Operationalistische Begründung

• Durch Gleichsetzung des Konzeptes mit dem Messinstrument, z.B.:

  • Das Gewicht eines Menschen ist das, was die Waage anzeigt.

  • Intelligenz ist das, was ein Intelligenztest misst.

  • ! Aber: es gibt unterschiedliche Intelligenztests —> Frage der Vergleichbarkeit

• Soll sich auf beobachtbare Eigenschaften oder Ereignisse beziehen. Das ist aber häufig nicht möglich

Typologisch-induktive Begründung

• Die Indikatoren sind beobachtbare Folgen des Vorliegens einer nicht direkt beobachtbaren (latenten) Variablen (Werte, Einstellung)

• Die Operationalisierung geschieht durch schrittweise Konkretisierung des Konzeptes und der Bestimmung von verschiedenen Indikatoren für jede relevante Dimension des Konzeptes.

• z.B.: Religiosität hat eine formale, öffentliche und private Dimension, die über die Indikatoren Konfessionszugehörigkeit, Kirchgangs- und Gebetshäufigkeit operationalisiert (gemessen) werden können

Kausalanalytische Begründung

• Ebenfalls Annahme einer latenten Variable, die die manifeste Beobachtung beeinflusst, aber zusätzlich:

• Mechanismenorientiert: Hilfstheorie, die den Zusammenhang zwischen Indikator und latenter Variable erklärt, d.h. eine Mess- oder Instrumententheorie z.B. Thermometer in der Physik (physikalische Ausdehnung von Stoffen bei Erwärmung).

  —> Man benötigt eine theoretische Erklärung für die Annahme, von der Antwort auf eine bestimmte Frage („Wie oft beten Sie?“) auf eine (latente) Einstellung („Religiosität“) zu schließen.

Gültigkeit von Messungen

Objektivität

• Zielt auf das Verhältnis zwischen Betrachter und empirischen Sachverhalten

  Kriterium: Unabhängigkeit des Ergebnisses vom Betrachter

• Im physikalischen Experiment durch das Messgerät hergestellt

• Vollständige Objektivität läge vor, wenn alle Betrachter zu dem gleichen Ergebnis kämen – was z.B. bei der Bewertung von Deutschaufsätzen eher nicht vorkommt —> eher Annäherung

Reliabilität

• Zielt auf das Verhältnis der Messwerte bei beliebig vielen Messungen

• Kriterium: Reproduzierbarkeit der Messwerte (also die Zuverlässigkeit bzw. Verlässlichkeit der Messung).

• Es handelt sich um ein schärferes Kriterium als Objektivität, denn auch wenn verschiedene Beobachter von einem Messinstrument immer wieder den gleichen Wert ablesen, kann es dennoch sein, dass die Messung mal mehr oder weniger genau ist

Validität

• Interne Validität zielt auf das Verhältnis von Messinstrument und dem was es Messen soll: misst der Intelligenztest wirklich Intelligenz; der Kirchgang wirklich Religiosität?

• Objektive und reliable Messinstrumente müssen nicht unbedingt valide sein:

• „Wer eine Lüge immer wiederholt, ist ein zuverlässiger Lügner, aber er sagt nicht die Wahrheit“ (Diekmann 2013: 256)

• Interne Validität

                  - gibt den Grad der Genauigkeit an, mit dem ein Instrument das misst, was es messen soll.

• Externe Validität

                  - Indikator für die Generalisierbarkeit von Studienresultaten. Wenn externe Validität gegeben ist, können die Testergebnisse

                    einer Studie auf andere Situationen, Personen, Orte, etc. übertragen werden.

                  - Kriterium: Gültigkeit für möglichst viele Elemente, auf die eine Aussage bezogen werden soll.

                  - Die Generalisierbarkeit sozialwissenschaftlicher Aussagen wächst, wenn möglichst viele (alle) Faktoren, die auch außerhalb

                    des „Labors“ – im „wirklichen Leben“ – wirksam sind, berücksichtigt werden

4. Datenstrukturen

Thema: Welche Art von Daten (bzw. Datenstruktur), benötige ich zum Testen meiner Hypothesen bzw. zur Beantwortung meiner empirischen Forschungsfrage?

Fragestellung → Theorie → Hypothese → Datenerhebung

Wichtige Fragen um zu klären welche Art von Daten zur Beantwortung der Forschungsfrage erforderlich sind

• Welche „Untersuchungseinheiten“ (Merkmalsebene) sind betroffen?

• Welche Aussagen sollen möglich sein?

Merkmalsebene

• Individualdaten (Mikrodaten)

             - Merkmale einzelner Untersuchungseinheiten werden erhoben: Untersuchungseinheiten können

               z.B. Personen oder Gruppen (Schulklassen, Firmen, Abteilungen, etc.) sein

• Aggregatdaten (Makrodaten)

              - Merkmale einzelner Untersuchungseinheiten werden zusammengefasst (aggregiert) erhoben

                und analysiert

4. Datenstrukturen

Thema: Welche Art von Daten (bzw. Datenstruktur), benötige ich zum Testen meiner Hypothesen bzw. zur Beantwortung meiner empirischen Forschungsfrage?

Fragestellung → Theorie → Hypothese → Datenerhebung

Wichtige Fragen um zu klären welche Art von Daten zur Beantwortung der Forschungsfrage erforderlich sind:

• Welche „Untersuchungseinheiten“ (Merkmalsebene) sind betroffen?

• Welche Aussagen sollen möglich sein?

Zeitbezug

Querschnittsdaten

• zur Beschreibung eines Zustandes zu einem bestimmten Zeitpunkt/ Zeitraum (kurz)  —> Wie viele Arbeitslose gibt es heute?

• Die ermittelten Zusammenhänge lassen sich streng genommen nicht kausal interpretieren: erst Arbeitslos, dann schlechte mentale Gesundheit oder andersrum? - Ursache und Wirkung unklar

• Informationen über einen Zustand zu einem festen Zeitpunkt, aber keine Aussagen über Veränderungen oder Trends möglich

• Bestimmte Daten können (z.B. objektive Daten des Lebenslaufes) auch retrospektiv erhoben werden (! Nicht: Werte, Einstellungen,…)

• Einmalige Erhebung der abhängigen und unabhängigen Variablen einer Untersuchung an einer Stichprobe von N Beobachtungseinheiten

Vorteile

• vergleichsweise einfache Stichprobenziehung —> vergleichsweise geringe Kosten

• keine Teilnahmeeffekte (Ausfälle o. Beeinflussung)

Nachteile

• Erhebung zeitbezogener Informationen nur durch Retrospektivfragen:

               − anfällig für Erinnerungsverzerrungen

               − für bestimmte Fragestellungen (z.B. Einstellungen) untauglich

Trenddaten (Zeitreihen)

• wiederholte Querschnitte —> Veränderung der Arbeitslosenquote über die letzten 20 Jahre

• Trenddesign —> einer Folge von Querschnittserhebungen werden die

              - gleichen Variablen

              - zu mehreren unterschiedlichen Zeitpunkten

              - in unterschiedlichen Stichproben (aus der gleichen Grundgesamtheit) erhoben

• Mehrere, in Zeitabständen wiederholte Querschnittserhebungen lassen Aussagen über Trends auf der Aggregatebene zu

• Mehrmalige Erhebung der Merkmale an mehreren unabhängigen Stichproben von jeweils N Beobachtungseinheiten

Vorteile

• vergleichsweise einfache Stichprobenziehung

• vergleichsweise geringe Kosten

• keine Teilnahmeeffekte

• Analyse von Trends auf Aggregatebene (Makro)

Nachteile

• Erhebung zeitbezogener Individualinformationen nur durch Retrospektivfragen (Erinnerungsverzerrung) —> nur bedingt erfassbar

• keine Analyse von Trends auf Individualebene (Mikroebene)

• evtl. Problem der Konstanz der Messinstrumente (Reliabilität) - gleicher Stand wie vor 5 Jahren? Meistens Einstellunsveränderung

Längsschnittdaten

• • Zur Analyse individueller Veränderungen —> Wie verändert sich das Arbeitslosigkeitsrisiko im Lebensverlauf?

• • Immer wieder das gleiche Untersuchungsobjekt/Person

• • Paneldaten lassen Aussagen über Trends auf der Aggregatebene und auf der Individualebene zu

Längsschnittdaten I: Paneldaten

• • Bei einem Paneldesign werden die

           - gleichen Variablen

           - zu unterschiedlichen Zeitpunkten

           - bei den gleichen Untersuchungseinheiten (z.B. Personen) aus einer Stichprobe erhoben.

• • Dies erlaubt es Veränderungen auf der Individualebene zu verfolgen (und ggf. dynamisch zu erklären)

! Aber: Ein Panel ist sehr teuer und schwer zu realisieren

           Probleme der Konstanz der Messinstrumente

           Problem Paneleffekte —> Fakt, dass die Einstellungen und Meinungen der Panelteilnehmer erst durch

                                                die wiederholte Befragung entstehen oder gefestigt werden. Dadurch können

                                                gewisse Verzerrungen entstehen, die die Repräsentativität der Ergebnisse gefährden.

           Problem Panelmortalität —> Ausfälle z..B. durch Krankheiten

Längsschnittdaten II: Ereignisdaten

• zusätzlich retrospektiv für die Zeit zwischen den Erhebungszeitpunkten

• Retrospektiv erhobene Ereignisdaten lassen lückenlose Aussagen über Veränderungen auf der Individualebene zu

• Erhebungsdesign: Paneldaten Wiederholte Erhebung der Beobachtungsgrößen an einer Stichprobe von N Beobachtungseinheiten

Vorteile

• hoher Informationsgehalt

• prospektive Erhebung zeitbezogener Information (keine Erinnerungsverzerrung)

• Analyse individueller Veränderung (Mikroebene)

• Kausale Richtung von Zusammenhängen empirisch testbar

Nachteile

• Panelmortalität, hohe Kosten der Stichprobenpflege (z.B. bei Anreiz durch finanzielle Mittel)

• evtl. Problem der Konstanz der Messinstrumente

• evtl. Reaktivität / Lerneffekte durch wiederholte Teilnahme

Was sind Paneldaten?

Paneldaten sind Informationen, die über eine bestimmte Zeitdauer von derselben Gruppe von Menschen gesammelt werden. Diese Art von Daten hat einige besondere Merkmale:

• Mehrere Zeitpunkte, gleiche Stichprobe: Es werden Daten von derselben Gruppe von Personen zu verschiedenen Zeitpunkten gesammelt.

• Hoher Informationsgehalt: Paneldaten liefern viele Informationen über die Veränderungen im Laufe der Zeit bei den untersuchten Personen.

Einige Herausforderungen bei der Verwendung von Paneldaten sind die Möglichkeit von Panelmortalität (Teilnehmerausfall), hohe Kosten für die Pflege der Stichprobe, potenzielle Änderungen in den Messinstrumenten im Laufe der Zeit und mögliche Reaktivität oder Lerneffekte bei wiederholter Teilnahme.

Merkmalstypen

• Qualitative (klassifikatorische) Merkmale: keine Reihenfolge z.B. Farben (Rot, Grün); Geschlecht (Mann, Frau); Studienfach (Sowi, VWL).

• Komparative Merkmale: Rangordnung z.B. DB 1. Klasse und  die 2. Klasse

  —> lässt jedoch keine Schlüsse zu. Bsp.: die 1. Klasse der DB ist besser als die 2. Klasse, aber nicht doppelt so komfortabel.

• Quantitative bzw. Metrische Merkmale: Rangordnung und sinnvolle Differenzbildung der Merkmalsausprägungen. Um Merkmalswerte zu erhalten, benötigen wir eine Messvorschrift, eine Skala. Bsp.: Geschwindigkeiten; Entfernungen, …

  —> Je nach dem, wie eine Population definiert / eine Stichprobe gezogen wird, kann ein Merkmal eine Konstante oder eine Variable sein

Merkmalsebenen

• Kollektive Ebene z.B. Durchschnittliches Einkommen

• Individual Ebene z.B. persönliches Einkommen