Potentiale und Grenzen von Mehrebenenmodellen

Präsentation zum Thema: "Potentiale und Grenzen von Mehrebenenmodellen"—  Präsentation transkript:

1 Potentiale und Grenzen von Mehrebenenmodellen
Am Beispiel der Einflüsse auf Erstwähler Jahrestagung des AK Methoden 06. und 07. Juni 2008 Manuela Pötschke Christopher Meinecke

2 Juniorwahlprojekt und Begleitforschung Mehrebenenmodelle
Gliederung Juniorwahlprojekt und Begleitforschung Mehrebenenmodelle Empirische Ergebnisse Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

3 1. Juniorwahlprojekt und Begleitforschung
Aufgaben und Ziele Die Wahlbeteiligung von Jungwählern ist in den letzten Jahren überproportional zurückgegangen Das vom Verein Kumulus e.V. organisierte Juniorwahlprojekt hat das Ziel, politische Bildung und politische Partizipation zu fördern Ganz allgemein soll den Jugendlichen mit der Juniorwahl der Stellenwert von Wahlen vergegenwärtigt werden Ganz konkret sollen die ErstwählerInnen zur Stimmenabgabe bei Europa-, Bundes- und Landtagswahlen animiert werden Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

4 1. Juniorwahlprojekt und Begleitforschung
Konzeption der Begleitforschung Zeitlicher Ablauf der Begleitforschung zur Juniorwahl in Bremen Bürgerschaftswahl 13. Mai 2007 Juniorwahl Juniorwahlprojekt t Vorwahlbefragung Nachwahlbefragung kein Juniorwahlprojekt Hier muss auf jeden Fall das Juniorwahlprojekt noch mit in die Darstellung: also der Gedanke der JW-Klassen und der Vergleichsklasen und die Juniorwahl selber KOMMT NOCH Bürgerschaftswahl 13. Mai 2007 Auswahlverfahren und Stichprobe Schulen  Schulklassen  alle Schüler (Klumpen) Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

5 2.1 Gründe für die Anwendung 2.2 Statistische Grundlagen
2. Mehrebenenmodelle 2.1 Gründe für die Anwendung 2.2 Statistische Grundlagen

6 2.1 Mehrebenenmodelle Warum Mehrebenenmodelle? Es gibt grundsätzlich mehrere Gründe, die für die Berechnung eines Mehrebenenmodells sprechen Für das Juniorwahlprojekt sind es zwei zentrale Gründe: Aus inhaltlicher Perspektive, um die Gesamtvarianz in die durch die einzelnen Ebenen erklärbaren Varianzanteile zu zerlegen  Kontexteffekt Aus statistischer Perspektive, um den Besonderheiten der geschichteten Stichprobe Rechnung zu tragen  Designeffekt Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

7 2.1 Mehrebenenmodelle Freunde Familie Schüler Klasse
Kontexteffekte Kontexte wirken als Opportunitäten und Restriktionen Freunde Schüler Familie Klasse Zugehörigkeit? Abgrenzung? ??? Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

8 2.1 Mehrebenenmodelle Der Designeffekt
Designeffekt in Klumpenauswahl Der Designeffekt Verhältnis zwischen der tatsächlichen Samplingvarianz und der Samplingvarianz, die sich ergibt, wenn in Daten aus einer Klumpenauswahl (fälschlicherweise) eine einfache Zufallsauswahl (SRS) unterstellt wird. Varianz bei Cluster Sampling Varianz bei Simple Random Sampling Bei Nichtberücksichtigung des Designeffekts werden die Varianzen und Standardfehler unterschätzt Dadurch kommt es bei Signifikanztests eher zu signifikanten Ergebnissen und die Forschungshypothese wird begünstigt Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

9 2.1 Mehrebenenmodellen Empirische Anmerkung zum Designeffekt
Modellschätzung zur Wahlteilnahme Varianz bei Cluster Sampling Varianz bei Simple Random Sampling Modellschätzung zur Stärke der Parteineigung Varianz bei Cluster Sampling Varianz bei Simple Random Sampling Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

10 2.2 Mehrebenenmodelle Grundidee Mehrebenenmodelle
Ich habe die Varianzkomponente jetzt hier nicht mit reingeschrieben, da sie auf der nächsten Formel kommt. Ich finde, hier verwirrt sie eher. Lineare Einfachregression Lineare Mehrebenenregression Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

11 2.2 Mehrebenenmodelle einfügen von ... (Random intercept) und
Formale Darstellung lineares Modell einfügen von ... (Random intercept) und (Random slope) in ... Hier habe ich die Formel unten nicht in einen fixed- und einen random-part umgestellt. Ich finde, wenn man sich da nicht so gut auskennt und nachvollziehen möchte, dass die oberen Formeln in die untere eingesetzt wurden, dann liest es sich so einfacher. Zumindest für jemanden, der nicht statistisch versiert ist. Für die, die es sind, ist es so auch nachvollziehbar. Kannst Du aber auch noch umstellen, wenn Du das möchtest  ergibt... Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

12 2.2 Mehrebenenmodelle einfügen von ... (Random intercept) und
Formale Darstellung logistisches Modell einfügen von ... (Random intercept) und (Random slope) in ... ergibt... Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

13 3. Empirische Ergebnisse
Einbettung politischer Überzeugungen innerhalb von Familien Einbettung politischer Überzeugungen innerhalb von Freundschaftsnetzwerken Einbettung politischer Überzeugungen in Klassenverbände Erklärungsmodelle

14 3.1 Empirische deskriptive Ergebnisse
Schüler und Eltern: Stellenwert politischer Diskussionen Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

15 3.1 Empirische deskriptive Ergebnisse
Schüler und Eltern: Engagement der Eltern Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

16 3.1 Empirische deskriptive Ergebnisse
Schüler und Freunde: Stellen-wert politischer Diskussionen Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

17 3.1 Empirische deskriptive Ergebnisse
Schüler und Klasse: Stellenwert politischer Diskussionen Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

18 3.2 Erklärungsmodelle Einstellungen als Erklärungsfaktoren
1. Faktor: Misstrauen gegenüber Politik Es ist im Allgemeinen sehr schwierig, sich eine objektive Meinung zu politischen Sachverhalten zu bilden. Bei den meisten Politikern klafft das Verhalten vor und nach der Wahl weit auseinander. Die meisten Äußerungen der Politiker sind reine Propaganda. Die Wählerinnen und Wähler haben außerhalb von Wahlen nur wenig Einfluss auf die Regierung. 2. Faktor: Politik als Störfaktor Durch die Politik werden viele Probleme erst unnötig kompliziert. Unsere Wirtschaft würde besser funktionieren, wenn sich unsere Politiker nicht dauernd einmischen würden. 3. Faktor: Politisches Engagement Wichtigkeit des Rechts auf Wahl Hier noch Bezeichnungen für die Faktoren einfügen Wir müssen uns stärker politisch betätigen, damit wir die politischen Entscheidungen beeinflussen können. 4. Faktor: Demokratische Einstellung Jeder Bürger hat das Recht, notfalls für seine Überzeugungen auf die Straße zu gehen. Jede demokratische Partei sollte grundsätzlich die Chance haben, an die Regierung zu kommen. Die Interessen des ganzen Volkes sollten immer über den Sonderinteressen des Einzelnen stehen. Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

19 3.2 Lineare Mehrebenenanalyse
Empty Model zur Parteineigung Modell 1 Fixed part 0 2,32 jwpteil miss stör enga demo Random part σeij 0,79 σu0j 0,17 ρ 0,045 N (K) 202 (13) Modell 2 Modell 3 2,44 2,65 -0,15 -0,32 0,24 0,20 -0,17 -0,02 0,79 0,77 0,17 0,14 84 (13) Y=Stärke der Parteineigung Sehr schwach Sehr stark Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

20 3.2 Logistische Mehrebenenanalyse
Empty Model zur Wahlteilnahme Modell 1 Modell 2 Modell 3 Fixed part 0 0,77 0,48 0,21 jwpteil 0,39 0,86 miss -0,56 stör -0,11 enga 0,79 demo 0,41 Random part σu0j 0,06 ρ 0,017 N (K) 202 (13) Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

21 Fazit 1 Komplexe Stichprobenpläne sind notwendig
Grenzen von Mehrebenenmodellen Komplexe Stichprobenpläne sind notwendig Große Fallzahlen sind notwendig Snijders/ Bosker 1993: N=100 als Mindestanforderung auf Ebene 2 wenn Interaktionen und Varianzanteile analysiert werden Kreft 1996: 30/ 30 – Regel (einfache 2-Ebenen-Modelle) Ditton 1998, 125: Parameterschätzungen gelten als robust, Varianz- und Standardfehlerschätzungen reagieren sensibler auf Abweichungen von Modellannahmen und Stichprobengrößen. Hox 1998: N=50 als Mindestanforderung auf Ebene 2 wenn Interaktionen und Varianzanteile analysiert werden Maas/ Hox 2004: N=50 als Mindestanforderung auf Ebene 2 (50/20); bei besonderem Interesse an Zufallseffekten 100/10 Generell: „For accuracy and high power of large number of groups appears more important than a large number of individuals per group“ (Hox 2002: 174). Manuela Pötschke & Christopher Meinecke Jahrestagung AK Methoden 2008

22 Vielen Dank für die Aufmerksamkeit!
Fazit 2 Evaluationsforschung im Bereich der politischen Bildung ist unverzichtbar. Erste Ergebnisse: Wahlteilnahme und Stärke der Parteineigung sind im Kontext zu erklären. Die Teilnahme am Juniorwahlprojekt bringt eine Erhöhung der Wahrscheinlichkeit für die Wahlteilnahme und eine stärkere Parteineigung mit sich. Vielen Dank für die Aufmerksamkeit! Kontakt: