Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

1 | Cornelia Frings (Mainz): Individuen als Kontexte (06.06.2008) Individuen als Kontexte. Datenerhebung mittels faktorieller Surveys und die mehrebenenanalytische.

Ähnliche Präsentationen


Präsentation zum Thema: "1 | Cornelia Frings (Mainz): Individuen als Kontexte (06.06.2008) Individuen als Kontexte. Datenerhebung mittels faktorieller Surveys und die mehrebenenanalytische."—  Präsentation transkript:

1 1 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Individuen als Kontexte. Datenerhebung mittels faktorieller Surveys und die mehrebenenanalytische Auswertung dieser Daten Cornelia Frings, M.A.

2 2 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) 1.Einführung - Individuen als Kontexte 2.Die Messmethode faktorieller Survey 3. Konkretes Forschungsprojekt aus der Vertrauensforschung »Theoretischer Ausgangspunkt und getestetes Kausalmodell »Erhebungsdesign »Statistische Auswertung mittels Hierarchisch Linearer Modelle Gliederung des Vortrags

3 3 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Hierarchische Datenstrukturen bei … ›Vergleichenden Studien ›Mehrstufigen Zufallsstichproben »Individualebene als Analyseebene erster Ordnung; Länder, Regionen, einzelne Wahlkreise oder Organisationen der Meso-Ebene als Kontexte ›Paneldaten ›Faktorielle Survey-Daten »Individuen als Kontexte; Messungen als Analyseebene erster Ordnung Individuen als Kontexte

4 4 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Die Messmethode faktorieller Survey ›Befragte bewerten fiktive Situationsbeschreibungen (Vignetten) i. H. auf eine bestimmte Fragestellung (Rating) ›Jeder Befragte beurteilt mehrere Vignetten (Vignettenset) ›Identisch sind die beschriebene Grundsituation, die Fragestellung und die Beurteilungsskala zur Messung der AV › variierend sind bestimmte Merkmale der Situation = UV, deren Einfluss auf ein bestimmtes Untersuchungsobjekt untersucht werden soll

5 5 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Die Messmethode faktorieller Survey ›Kombination von Elementen experimenteller Designs mit Elementen der klassischen Umfrageforschung ›geeignet zur differenzierten Messung und Analyse latenter Objekte, denen Konditionalität unterstellt wird ›Dekompositionelles Verfahren

6 6 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Hierarchische Datenstruktur bei faktoriellen Survey-Daten 1 U1U2Ux 23 U1U2UxU1U2Ux Zweite Ebene = Befragte Erste Ebene = Vignettenurteile

7 7 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Konkretes Forschungsprojekt – Theoretischer Ausgangspunkt › Soziologischer vs. ökonomischer Vertrauensansatz › Soziologischer Ansatz: Vertrauen als situationsunabhängig stabile generelle Einstellung (generelles Vertrauen)  keine Konditionalität › Ökonomischer Ansatz: Vertrauen als von situativen Anreizstrukturen abhängige kognitive Erwartung (spezifisches Vertrauen); Vertrauensentscheidung wird modelliert mit werterwartungsth. Konzepten  Konditionalität › Beide Theorieansätze greifen zu kurz; kaum überzeugende Integrationsversuche

8 8 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Kausale Sequenz – Getesteter Ausschnitt Konkretes Forschungsprojekt – getestetes Kausalmodell Generelles Vertrauen (soziologischer Ansatz) Ökonomischer Bestimmungsfaktor 1 Ökonomischer Bestimmungsfaktor x Situationsspezifische Vertrauenserwartung p (ökonomischer Ansatz) Ökonomischer Bestimmungsfaktor 2 Kooperative Handlung Bewertung u Niveau- effekt Interaktionseffekte Kausale Sequenz – komplettes Modell

9 9 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Konkretes Forschungsprojekt - Erhebungsdesign ›Faktorieller Survey mit 238 Studierenden und acht Vignetten pro Befragtem ›Abhängige Variable (Rating-Skala) = situationsspezifische Vertrauenserwartung ›Aus RC-Perspektive zentrale situative Anreizstrukturen als systematisch variierende Dimensionen ›klassischer Fragebogen i. e. L. zur Erhebung der generellen Vertrauenseinstellung

10 10 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Die einzelnen Schritte der statistischen Modellierung Random Intercept Random Slope Modelle Unkonditioniertes RIRSM Konditioniertes RIRSM Random Intercept Modelle Random Intercept Only Modell (Leeres Modell) Unkonditioniertes RIM Konditioniertes RIM Einfaches Regressionsmodell Einfache ML-Regression nur mit situativen Anreizstrukturen (ökonomisches Modell)  Nullmodell 3 2 1

11 11 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Random Intercept Only Modell (Leeres Modell) ›inhaltlich: Gibt es überhaupt interpersonelle Unterschiede im spezifischen Vertrauen? ›RIOM  Berechnung der Intraklassenkorrelation  37,4% der Gesamtvarianz des spezifischen Vertrauens kann auf interpersonelle Unterschiede zurückgeführt werden;  maximale Anteil der Varianzaufklärung durch situative Anreizstrukturen beträgt 62,6% Likelihood-Ratio- -Test zeigt hochsignifikante interpersonelle Variation im spezifischen Vertrauen

12 12 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Random Intercept Modelle – Erklärte Varianz ›Inhaltlich: Welche partielle Varianzaufklärung erbringen die RC-Determinanten und die generelle Vertrauenseinstellung? ›Random Intercept Modell (unkonditioniert) ›Random Intercept Modell (konditioniert)

13 13 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Random Intercept Modelle – Erklärte Varianz und Modellfit ModellLR- Test Devianz LR-Test Intragruppenvarianz (s.e.) Intergruppenvarianz (s.e.) Einebenen- regr. X8380,20__ Leeres Modell8586,664,547 (0,159)***2,711(0,303)*** RIM (unkond.) X*** ‡ 7279,002,049(0,072)***3,027(0,302)*** RIM (kond.) ‡*** 6855,562,087(0,075)***2,393(0,252)*** Anm.: *** p < 0,001; bei Varianzkomp. p <0,0005

14 14 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Random Intercept Modelle – Erklärte Varianz ›Berechnung des R BR 2 mit unterschiedlichen Nullmodellen:

15 15 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Niveaueffekt des generellen Vertrauens im kond. Random Intercept Modell Unstand. Koeffizienten Fixe Parameter Vergangenheit1,751(0,07)*** Zukunft1,490(0,07)*** Netzwerkdichte1,735(0.07)*** Commitment0,705(0,07)*** Generelles Vertrauen0,502(0.07) *** Konstante-0,0130(0,40) n.s. Varianzkomponenten Intragruppenvarianz2,087(0,075)*** Intergruppenvarianz2,393(0,252)*** Devianz6855, N (Level-1-Ebene)1774 ***=p<0.001 ** =p<0.01 * =p<0.05

16 16 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Kausale Sequenz Generelles Vertrauen (soziologischer Ansatz) Ökonomischer Bestimmungsfaktor 1 Ökonomischer Bestimmungsfaktor x Situationsspezifische Vertrauenserwartung p (ökonomischer Ansatz) Ökonomischer Bestimmungsfaktor 2 Niveau- effekt Interaktionseffekte Vergleich der Modelle

17 17 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Vergleich der Modelle – zusätzliche Varianzaufklärung →Kausales Sequenzmodell mit Niveaueffekt erbringt eine um 57,66% verbesserte Modellanpassung. →Allein 13,3 Prozentpunkte Erklärungsanteil an der Gesamtvarianz entfallen auf die generelle Vertrauenseinstellung.

18 18 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Fazit In inhaltlicher Hinsicht: ›Die Bildung von spezifischen Vertrauensurteilen ist nicht nur von situativen Anreizkonstellationen, sondern auch von personenbezogenen Merkmalen abhängig. ›Es zeigt sich ein deutlicher Niveaueffekt des generellen Vertrauens. ›Ein integratives Erklärungsmodell erklärt mehr als ein rein auf situative Anreizstrukturen ausgerichtetes ökonomisches Vertrauensmodell. In methodischer Hinsicht: ›Faktorielle Surveys sind geeignet zur differenzierten Analyse latenter konditionaler Objekte. ›Sie erzeugen eine komplexe hierarchische Datenstruktur. ›Hierarchisch Lineare Analysemodelle sind daher empfehlenswert.

19 19 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Zusatzfolie I: Alternative Auswertungsmöglichkeiten ›Einfache Regressionsanalysen ›Aggregation der Vignettenurteile ›Befragtenspezifische Regressionen ›Traditionelle Modellierung von Kontexteffekten über Dummy-Variablen ›Klassische zweistufige Verfahren ›Mehrebenenanalysen

20 20 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Zusatzfolie II: Wieso sind faktorielle Surveys für die Politikwissenschaft interessant? ›Zur differenzierten Messung und Analyse komplexer Untersuchungsobjekte gut geeignet ›Nähere Eingrenzung dieser Untersuchungsobjekte: 1. latente theoretischen Konstrukte 2. konditionale Ausprägung dieser Konstrukte = Abhängigkeit von situativen Einflussfaktoren ›situationsspezifische und personenspezifische Einflussfaktoren dieser Untersuchungsobjekte können simultan und in ihren Interaktionen analysiert werden

21 21 | Cornelia Frings (Mainz): Individuen als Kontexte ( ) Zusatzfolie III: Anwendungsspektrum von faktoriellen Surveys ›Geltung von Normen: »Wahlnorm »politische Protestnorm (Jasso, Opp 1997), »Normen der Fairness und Gerechtigkeit (Gibson, Gouws 1999; Gibson 2002) ›Geltung spezifischer Einstellungen: »Einstellungen zu bestimmten Public Policies (Liebig, Mau 2002, 2005); »Political efficacy (Opp 2001); »Spezifische Unterstützung politischer Autoritäten (Sigelman, Sigelman, Walkosz 1992); »Einstellungen zu weiblichen Spitzenpolitikern (Rosar 2007) ›Verhalten bzw. Verhaltensintentionen: »Economic voting (Sigelman, Sigelman, Bullock 1991);


Herunterladen ppt "1 | Cornelia Frings (Mainz): Individuen als Kontexte (06.06.2008) Individuen als Kontexte. Datenerhebung mittels faktorieller Surveys und die mehrebenenanalytische."

Ähnliche Präsentationen


Google-Anzeigen