In der traditionellen Umfrageforschung werden zur Untersuchung der Präferenzen von Untersuchungseinheiten, die in der Regel durch Individuen repräsentiert werden, meist Zufallsstichproben verwendet. Die Ziehung von Stichproben stellt im Vergleich zur Vollerhebung natürlich eine kostengünstigere und praktikablere Alternative dar. Beispielsweise zur Prognose von Wahlergebnissen wäre eine Vollerhebung, also die Befragung der gesamten wahlberechtigten Bevölkerung, wohl schon aus Zeitgründen, aber auch finanziell, kaum realisierbar. Um nun eine repräsentative Stichprobe zu erhalten, die verallgemeinernde Aussagen bezüglich der Grundgesamtheit zulässt, muss jede Untersuchungseinheit die gleiche Wahrscheinlichkeit besitzen, in die Stichprobe gezogen zu werden.1 Neben diesen so genannten einstufigen Wahrscheinlichkeitsauswahlen werden für große Grundgesamtheiten auch mehrstufige Auswahlprozesse angewendet. Im Fall der Wahlprognose werden beispielsweise auf der ersten Stufe Landkreise, auf der zweiten Stufe Haushalte innerhalb des zu befragenden Landkreises und im dritten Auswahlschritt Personen der jeweiligen untersuchten Haushalte ausgewählt. Herkömmlicherweise werden bei der Auswertung der Ergebnisse Unterschiede bei den erhobenen Daten lediglich auf Wesensmerkmale der Individuen zurückgeführt.
Das Konzept der Mehrebenenanalyse als „statistisches Instrument zur Auswertung von Daten der Umfrage- bzw. Surveyforschung“2 besteht hingegen darin, Unterschiede zwischen den erhobenen Daten auch durch die Zugehörigkeit der Individuen zu verschiedenen Gruppen zu erklären. Es wird also berücksichtigt, dass hinsichtlich der Wirkung auf eine abhängige Variable Merkmale sowohl individueller als auch kollektiver Einheiten Berücksichtigung finden3. Grundlage für Mehrebenenmodelle ist somit das Vorliegen einer hierarchischen Datenstruktur, wobei unterschiedliche Analyseebenen bei der Analyse berücksichtigt werden müssen. Die Anwendung von Mehrebenenanalysen im Bereich der Wahlforschung lässt sich scheinbar damit begründen, dass die Entscheidung eines Individuums einerseits durch individuelle Merkmale, aber andererseits auch durch die Zugehörigkeit zu einem bestimmten „Kollektiv“, also beispielsweise zu einer bestimmten Gruppe oder Clique, beeinflusst wird.
1 Vgl. Engel, U. (1998), S. 14.
2 Engel, U. (1998), S. 5.
3 Vgl. Ditton, H. (1998), S. 12.
Gliederung
1 Zielsetzung der Arbeit
2 Grundsätzliches zum Verständnis des Mehrebenengedankens
2.1 Die Entwicklung der Mehrebenenanalyse
2.1.1 Émile Durkheim als historisches Beispiel der Mehrebenenanalyse
2.1.2 Die Mehrebenenanalyse als Reaktion auf die Kritik an der Ein-Ebenen-Analyse
2.2 Die Unterscheidung von Individual-und Kollektivebene
2.2.1 Die Lazarsfeld-Menzel-Typologie individueller und kollektiver Eigenschaften
2.2.1.1 Kollektive Eigenschaften
2.2.1.2 Individuelle Eigenschaften
2.2.2 Die Klassifikation individueller und kontextueller Effekte nach Davis
2.2.3 Die Unterscheidung individuen- und gruppenbezogener Effekte anhand von Beispielen hierarchischer Datenstrukturen
3 Die Durchführung von Mehrebenenanalysen
3.1 Grundsätzliche Voraussetzungen zur Durchführung
3.2 Die Problematik bei der Anwendung traditioneller statistischer Analyseverfahren
3.2.1 Konsequenzen der Ignorierung der Mehrebenenstruktur
3.2.2 Die Durchführung getrennter Regressionsanalysen
3.2.3 Die Aggregation von Individualdaten
3.2.4 Die Disaggregation von Daten und die Problematik des ökologischen Fehlschlusses
3.2.5 Weitere Typen von Fehlschlüssen
3.3 Das Hierarchisch Lineare Modell (HLM)
3.3.1 Die Regressionsanalyse als Ausgangspunkt
3.3.2 Die Einbeziehung von Merkmalen der Aggregateinheiten
3.3.3 Die Unterscheidung von Zufalls- und festen Effekten
3.3.4 Die Metrik in Mehrebenenmodellen
3.3.4.1 Die Zentrierung um Gesamtmittelwert und Gruppenmittelwert
3.3.4.2 Die Verwendung von Dummy-Variablen
3.3.5 Die praktische Umsetzung der Mehrebenenanalyse
4 Spezielle Anwendungsmöglichkeiten des Modells und Ergänzungen zum Mehrebenenansatz
4.1 Die Analyse von Längsschnittdaten
4.2 Metaanalysen
4.3 Die Erweiterung des Modells auf drei oder mehr Analyseebenen
4.4 Spezielle Software zur Mehrebenenanalyse
5 Die Mehrebenenanalyse am Beispiel der Auswertung des Fragebogens „Logistik-Standort Niederbayern“
5.1 Beschreibung des Vorgehens mit SPSS
5.2 Präsentation und Auswertung der Ergebnisse mit Hilfe von SPSS
5.2.1 Die Ergebnisse bei linearer Einfachregression
5.2.2 Die Ergebnisse unter Einbeziehung der Dummy-Variablen
6 Abschließende Beurteilung des Mehrebenenmodells
Zielsetzung & Themen
Die Diplomarbeit untersucht das Konzept der Mehrebenenanalyse als statistisches Instrument, um bei komplexen, hierarchisch strukturierten Daten nicht nur individuelle Merkmale, sondern auch kontextuelle Gruppeneinflüsse zu berücksichtigen und somit ökologische Fehlschlüsse zu vermeiden.
- Historische Entwicklung und theoretische Grundlagen der Mehrebenenanalyse.
- Unterscheidung zwischen Individual- und Kollektivebene sowie deren Effekte.
- Methodik und Durchführung: Vom einfachen Regressionsmodell zum Hierarchisch Linearen Modell (HLM).
- Problematiken der Datenaggregation und Disaggregation sowie Typologie von Fehlschlüssen.
- Anwendungsbeispiel: Auswertung eines Datensatzes zum „Logistik-Standort Niederbayern“ mittels SPSS.
Auszug aus dem Buch
2.1.1 Émile Durkheim als historisches Beispiel der Mehrebenenanalyse
Schon 1897 beschäftigte sich der französische Philosoph und Soziologe Émile Durkheim in seinem Werk „Le Suicide“ mit Mehrebenenanalysen. Durkheim untersuchte dazu mehrere Jahre lang die Selbstmordraten unterschiedlicher Gesellschaften. Sein Interesse gilt hierbei dem Phänomen der Selbstmordraten und weniger den Motiven des einzelnen Selbstmords selbst. Bei seinen Untersuchungen unterscheidet Durkheim grundsätzlich vier Formen des Suizids, nämlich den egoistischen, den altruistischen, den fatalistischen sowie den anomischen. Die Bereitschaft, Selbstmord zu begehen, erklärt sich laut Durkheim aus Gründen, die nicht so sehr psychologischer Natur sind, vielmehr spielt die Gesellschaft eine nicht zu unterschätzende Rolle.
Aus seiner Studie folgert er beispielsweise, dass die Selbstmordrate in einer bestimmten Gesellschaft im Laufe der Zeit in etwa konstant bleibt, obwohl sich die Zusammensetzung der Gesellschaft von Jahr zu Jahr ändert. Ebenso lässt sich festhalten, dass beispielsweise gemäß dem egoistischen Selbstmord die Selbstmordrate mit dem Grad der sozialen Integration in einer Gruppe sinkt. Katholiken etwa sind in der Regel viel intensiver in die Glaubensgemeinschaft eingebunden als Protestanten und praktizieren ihren Glauben vor allem in der Gruppe. Deshalb sind Selbstmorde bei Katholiken weitaus weniger verbreitet als bei Protestanten. Je mehr ein Individuum also in eine Glaubensgemeinschaft, in die Ehe oder in die Familie eingebunden ist, desto geringer ist statistisch gesehen die Wahrscheinlichkeit, dass es Selbstmord begeht. Folglich sind kinderlose Paare eher selbstmordgefährdet als Familien mit Kindern. Außerdem neigen geschiedene oder verwitwete Menschen deutlich häufiger dazu, sich das Leben zu nehmen als verheiratete Paare. Zusätzlich zieht Durkheim aus seinen Untersuchungen den Schluss, dass die kollektive Eigenschaft „Scheidungsrate in einer Stadt“ mit den
Zusammenfassung der Kapitel
1 Zielsetzung der Arbeit: Einführung in die Thematik der Umfrageforschung und Begründung der Notwendigkeit von Mehrebenenanalysen zur Erklärung von Gruppen- und Kontexteffekten.
2 Grundsätzliches zum Verständnis des Mehrebenengedankens: Historische Herleitung und theoretische Systematisierung der Unterscheidung zwischen Individual- und Kollektivebenen sowie deren wechselseitigen Einflüsse.
3 Die Durchführung von Mehrebenenanalysen: Detaillierte Darstellung der statistischen Anforderungen, der Problematik traditioneller Verfahren und Einführung des Hierarchisch Linearen Modells (HLM).
4 Spezielle Anwendungsmöglichkeiten des Modells und Ergänzungen zum Mehrebenenansatz: Vorstellung von Erweiterungen für Längsschnittdaten, Meta-Analysen sowie Hinweise zur Wahl der geeigneten Software.
5 Die Mehrebenenanalyse am Beispiel der Auswertung des Fragebogens „Logistik-Standort Niederbayern“: Praktische Anwendung der Theorie auf einen realen Datensatz zur Umsatzanalyse mittels SPSS-Berechnungen.
6 Abschließende Beurteilung des Mehrebenenmodells: Kritische Würdigung der Vorteile, Grenzen und zukünftigen Bedeutung des Mehrebenenansatzes in der empirischen Forschung.
Schlüsselwörter
Mehrebenenanalyse, Hierarchisch Lineares Modell, HLM, Individualebene, Kollektivebene, Kontextuelle Effekte, ökologischer Fehlschluss, Aggregatdaten, SPSS, Regressionsanalyse, Varianzanalyse, Umfrageforschung, Datenauswertung, Interaktionseffekte, soziale Integration.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit dem methodischen Konzept der Mehrebenenanalyse, das darauf abzielt, bei statistischen Auswertungen sowohl die Ebene des Individuums als auch die Ebene des sozialen Kontextes (z.B. Gruppen, Regionen) simultan zu berücksichtigen.
Welche zentralen Themenfelder werden behandelt?
Zentral sind die theoretische Unterscheidung von Individual- und Kollektiveffekten, die methodische Notwendigkeit für Mehrebenenmodelle bei hierarchischen Datenstrukturen und die Vermeidung statistischer Fehlschlüsse.
Was ist das primäre Ziel oder die Forschungsfrage der Arbeit?
Das Ziel ist es, aufzuzeigen, wie Unterschiede in Datensätzen durch die Zugehörigkeit zu verschiedenen Gruppen erklärt werden können, anstatt diese ausschließlich auf individuelle Merkmale zurückzuführen.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit nutzt theoretische Herleitungen aus der Soziologie und Statistik sowie das Hierarchisch Lineare Modell (HLM) als zentrales Analyseinstrument, demonstriert durch praktische SPSS-Auswertungen.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die theoretischen Grundlagen (Entwicklung, Lazarsfeld-Menzel-Typologie), die methodische Durchführung (HLM, Zentrierung) und Anwendungsbereiche wie Längsschnittanalysen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Fachbegriffe sind Mehrebenenanalyse, ökologischer Fehlschluss, hierarchische Datenstruktur, HLM, kollektive Eigenschaften und Regressionsanalyse.
Welche Problematik ergibt sich bei der Aggregation von Individualdaten?
Durch die Aggregation von Daten gehen Informationen über die ursprünglichen Einheiten verloren, die Anzahl der Untersuchungseinheiten reduziert sich, und es besteht die Gefahr einer verzerrten Schätzung aufgrund von Heteroskedastie.
Was zeichnet den „ökologischen Fehlschluss“ aus?
Ein ökologischer Fehlschluss beschreibt den irrtümlichen Schluss von Zusammenhängen auf Kollektivebene (z.B. Regionen) auf Zusammenhänge auf Individualebene (z.B. das Verhalten einzelner Personen).
- Citation du texte
- Diplom-Kauffrau Elisabeth Glöckner (Auteur), 2006, Theorie der Mehrebenenanalyse und deren Anwendung im Bereich der logistischen Standortanalyse, Munich, GRIN Verlag, https://www.grin.com/document/63951
