M1, Montag 15.04.

2019, 16-18 Uhr

3. Sitzung

Untersuchungsdesigns
- Varianzprinzip: alle Variablen, die wir zueinander in Beziehung setzen wollen
brauchen unterschiedliche Merkmalsausprägungen (also Varianz >0) (z.B.
Geschlechter mit 2 Merkmalsausprägungen: männlich und weiblich)
durch...
1. Untersuchungen MIT Varianzkontrolle: durch Manipulation der UV: Zuweisung von
VPn auf die UV "Experimentalgruppe" (mit neuer Unterrichtsmethode) vs.
"Kontrollgruppe" (mit üblicher Unterrichtsmethode)
2. Untersuchung OHNE Varianzkontrolle: mit gegebenen Ausprägungen der UV
arbeiten: Varianzkontrolle liegt an den Personen, die teilnehmen: z.B. Ledige vs.
verheiratete Personen untersuchen (Personen haben entschieden zu heiraten, nicht
Versuchsteilnehmer)

- Querschnitt: Datenerhebung an Untersuchungseinheiten zu EINEM Zeitpunkt

- Längsschnitt: MEHRERE Erhebungszeitpunkt: zwar viele Probleme (z.B. VPn
springen ab), aber dafür bessere Identifikation von Ursache-Wirkungs-
Zusammenhängen: Kausalitäten können besser erklärt werden

- Längsschnittstudien:
1. Trendstudien = replikativer Survey: wiederholte Datenerhebung an
UNTERSCHIEDLICHEN Untersuchungseinheiten (unterschiedliche VPn) zu
denselben Themen, zu mehreren Zeitpunkten, z.B. Wahlprognosen
Nachteil: man kann nicht nachvollziehen, welche Personen ihre Meinung
möglicherweise verändert haben
2. Panelstudie: wiederholte Datenerhebung an DENSELBEN
Untersuchungseinheiten (VPn) mit möglichst identischen Fragen zu mehreren
Zeitpunkten = informationshaltigste Art von Daten: Aussagen über Ursache-
Wirkungs-Zusammenhänge sowie individuelle Veränderungen

Operationalisierung

Ziel: Nachweis von Ursache-Wirkungs-Zusammenhängen

- Problem: nicht alle Größen sind direkt beobachtbar und somit direkt messbar =
latente Größen, z.B. Beruflicher Erfolg
- manifeste Größen = direkt beobachtbar, z.B. Größe
- manifeste eher mit Kästchen umrahmt, latente mit Elipse umrahmt
- sozialwissenschaftliche Hypothesen arbeiten oft mit latenten Größen
- Lösung: Begriffe definieren, Operationalisierung überlegen
- Korrespondenzproblem: gibt es eine Übereinstimmung, zwischen dem was wir
messen und dem, was wir theoretisch aussagen?: immer kritisch sein!
- z.B. Bildung anhand der Anzahl von Schuljahren ermitteln ; beruflichen Erfolg
anhand von Position - Einkommen - Prestige ermitteln (= multiple Indikatoren)
- multiple Indikatoren: Erfassung unterschiedliche Facetten des Konzepts: latenter
Aspekt wird anhand mehrerer manifester Aspekte ermittelt: erhöht die
Messgenauigkeit (Reliabilität) ; bei Auswertung: Kombination der manifesten
Indikatoren durch Indexbildung

- Operationalisierung: Anweisungen, nach welchen Regeln Untersuchungseinheiten

den Kategorien einer Variablen zugewiesen werden, also: welche
Merkmalsausprägungen erfassen wir wie? (z.B. Bildung: Angabe des höchsten
Bildungsabschluss einer Person)
- Messung: Zuordnung von Zahlen zu Objekten nach "bestimmten Regeln":
1. Messmodell zeigt Zuordnung von manifesten Indikatoren zu latenten Indikatoren
2. Messinstrument, z.B. Fragebogen
3. Indikatoren: einzelne Variable, die ein Konzept repräsentiert
- Skalierung: Messung auf der Basis eines konkreten Skalierungsmodells (z.B.
Likert-Skala)
- Indexbildung: Bildung einer neuen Variable, deren Werte sich aus einer
Rechenoperation (z.B. Summe) mehrerer anderer Variablen ergeben

Messung:
- Empirisches Relativ: Relationen zwischen realen Merkmalsausprägungen: z.B.
Herkunftsbundesland
A = Halle (Sachsen-Anhalt) ; B = Magdeburg (Sachsen-Anhalt) ; C = Köln
(Nordrhein-Westfahlen)
also: A=B (da beides Sachsen-Anhalt), alle anderen ungleich zueinander
- numerisches Relativ: Merkmalsausprägungen werden als Zahlen umgewandelt
- gleiche Relationen zwischen den Zahlen im numerischen Relativ müssen gelten,
wie im empirischen relativ, also A=1, B=1, C=2
- also: Messung = homomorphe (=strukturtreue) Abbildung eines empirischen
Relatives in ein numerisches Relativ
- Messungen unterscheiden sich nach dem Skalenniveau

Skalenniveaus:
- Nominalskalenniveau = niedrigsten Skalenniveau: beliebige Zahlencodes für
Merkmalsausprägungen, solange gleich-/ungleich-Relationen zwischen Objekten
erhalten bleiben
- zulässige Transformationen: alle Eindeutigkeitstransformationen
- Ordinale Messung: größer-als-Relation z.B. A = Abitur (numerisch = 3), B =
Realschulabschluss (numerisch = 2), C = Hauptschulabschluss (numerisch = 3)
- weniger zulässige Tranformationen: Rangfolge wahrende: positiv monotone
- Intervallskala
- noch weniger zulässige Transformationen: differenzerhaltende Transformationen,
also Addition einer (positiven) Konstante und/oder Multiplikation/Division mit einer
Konstanten
- z.B. A=25Grad, B=20Grad, C=15Grad Transformation in Kelvin: Umrechnung
Gradzahl +32 *1,8 ; also transformiert A=77 (Kelvin), B=68, C=59
- Verhältnisskala (metrische Messung) = höchstes Skalenniveau
- Verhältnisse müssen nach Transformationen erhalten bleiben
- am wenigsten zulässige Transformationen: nur verhältniserhaltende
Transformationen, also Multiplikationen/Divisionen mit einer (positiven) Konstanten
- z.B. Alter: Jahre in Monate umwandeln, also *12: Verhältnisse bleiben erhalten
A = 10 Jahre oder 120 Monate ; B = 20 Jahre oder 240 Monate ; C = 40 Jahre oder
480 Monate: (C ist 4xälter als A und 2x älter als B = Verhältnis)
- also: je nach Skalenniveau unterschiedliche statistische Maßzahlen zulässig
- Skalenniveau entscheiden: Bei Untersichungsplanung/Fragebogenerstellung ; Bei
Auswertung des Datenmaterials
- Je höher Skalenniveau, desto mehr Auswertungsmöglichkeiten

Gütekriterien von Messung

- Klassische Testtheorie: Beobachtungswert = "wahrer" Wert + Messfehler
- Messfehler ist nicht systematisch (manchmal Überschätzung, manchmal
Unterschätzung, zufällig)
- Messgütekriterien:
1. Objektivität: Unabhängigkeit vom Testleiter
- objektiv, wenn verschiedene Testleiter bei denselben Personen zum selben
Ergebnis gelangen (unproblematisch bei standardisierten Test)
- 3 Komponenten: Durchführungsobjektivität, ..., ...
2. Reliabilität: Messgenauigkeit
- nach klassischer Testtheorie: beobachteter Wert zusammengesetzt zwischen
wahrem Wert und Fehler
- höhere Reliabilität je geringer Fehleranteil
- Problem: wie kann man den Fehler bestimmen, obwohl wahrer Wert unbekannt?
- Lösungen:
a) Retest-Reliabilität: Korrelation zwischen 2 Wdh. des Tests derselben Stichprobe
b) Paralleltestreliabilität: Korrelation zwischen 2 parallelen Testverseionen mit
identischen Eigenschaften
c) Testhalbierungsreliabilität: Korrelation zwischen zwei zufällig generierten
Testhälften (zufällige Aufteilung der Items/Vpn in 2 Gruppen)
3. Validität: Gültigkeit: Aussage, ob der Test das misst, was er messen soll =
Grundvoraussetzung für jede weitere Interpretation
a) Inhaltsvalditität = Augenscheinvalidität/logische V., Aussage darüner, wie gut
Indikatoren das latente Merkmal repräsentieren (inhaltlich-logische Passung und
Abdeckung unterschiedlicher Facetten durch multiple Indikatoren)
b) Kriteriumsvalidität: empirischer Zusammenhang zwischen der Messung des
latenten Merkmals durch den Test und einem direkt beobachtbaren Außenkriterium
- je nach zeitlichem Abstand zwischen Test und Kriterium: konkurrente Validität
(gleichzeitige Messung) vs. prädiktive Validität (Kriterium später gemessen)
c) Konstruktvalidität: Einsatz von Tests/Skalen bei der Replikation gut abgesicherter
Hypothesen
- Aufzeigen von positiven und negativen Assoziationen als auch von
Nullzusammenhängen

Zusammenfassung:
Varianzprinzip
Untersuchung mit vs ohne Varianzkontrolle
Längsschnitt vs Querschnittstudien
Längsschnittstudien Typen
manifeste vs latente Größen
Korrespondenzproblem
multiple Indikatoren
Operationalisierung
Messung
Indexbildung
Skalenniveaus + zulässige Transformationen: Nominalskala, Ordinalskala,
Intervallskala, Verhältnisskala
Klassische Testtheorie
Objektivität, Reliabilität (+ Untertypen), Validität