1

Anwendungsseminar: Kausale Modellbildung

Datenanalyse mittels Effect Lite

Projekt: Schulbasierte Einflüsse auf die soziale (In-)Toleranz von Jugendlichen

Antje ArnoldKarolin Rohrberg

2

1. Hypothesen in Effect Lite

2. unser Datensatz

3. Berechnung mit Effect Lite

4. Zusammenfassung

Gliederung

3

Erinnerung:

Was kann man damit analysieren?

Vorteile?

Effect Lite

4

Regressionsgleichung:

daraus ergibt sich:

Hypothese 1:

Hypothesen in Effect Lite a) dichotomes treatment

5

a) dichotomes treatment - Hypothese 1:

KG EG Ho: keine Unterschiede zwischen KG und EG bzgl. outcome

6

Regressionsgleichung:

Hypothese 1:

Hypothese 2:

Hypothese 3:

b) dichotomes treatment + dichotome Kovariate

7

b) - Hypothese 1:

KG EG

Ho: keine Unterschiede zwischen KG und EG bzgl. outcome

wahrer Effekt ist 0

z =1

z =2

wahrer Effekt

8

b) - Hypothese 2:

KG EG

Ho: keine Unterschiede in den Kovariate-Ausprägungen in KG bzgl. outcome

d.h. es gibt keine Unterschiede von vorn herein (ohne treatment )

..z =1

z =2

9

b) - Hypothese 3:

KG EG

Ho: kein Interaktionseffekt zwischen Kovariate und treatment bzgl. outcome

d.h. in beiden Bedingungen wirkt treatment gleich

z =1

z =2 Interaktion

10

Quelle: Abteilung Pädagogische Psychologie Projekt: Schulbasierte Einflüsse auf die soziale

(In-)Toleranz von Jugendlichen Ethik Teilstudie

Untersuchungsgegenstand: explizite Erfassung von Vorurteilen bei Schülern

treatment: Unterrichtseinheit „Urteilen“ im Ethikunterricht (Teil des Lehrplans)

2. unser Datensatz

11

N = 173

männlich: 91 weiblich: 82

Alter: 13 –16 Jahre   13,9 Jahre Klasse 8

Gymnasium: 121 Regelschule: 52

EG: 81 KG: 92

Erhebung zu 2 Zeitpunkten

2. unser Datensatz

12

politische Einstellungen

Intoleranz

Toleranz

SDO

politische Partizipationsbereitschaft ....

individuelle Variablen

Motivation zur Vorurteilsvermeidung

Empathie

Perspektivenübernahme

Offenheit ....

Schulvariablen

Klassenklima

Strenge

Leistungsdruck

Ethikunterricht ...

erhobene Konstrukte

13

Intoleranz besteht aus 6 Items z.B. „Ausländer sollten grundsätzlich ihre Ehepartner

unter ihren eigenen Landsleuten auswählen.“ „Zuwanderer erhöhen die Kriminalitätsrate.“

4 stufige Ratingskala Bildung des MW (z_intol)

korrekte Identifikation von Vorurteilen 6 Aussagen ja/nein z.B. „Im Allgemeinen haben Professoren mehr Bücher.“

„Im Allgemeinen sind Professoren vergesslicher.“ Summenscore gebildet (z_vu_jn )

relevante Konstrukte

14

3. Berechnung a) mit Effect Lite

dichotomes treatment: UnterrichtKG = 0EG = 1

outcome:Intoleranz-Wert zu T2

Kovariate: ----

Ho: Es gibt keine Unterschiede zwischen KG und EG bzgl. Intoleranz

15

Berechnung a) mit Effect Lite

dichotomes treatment, ohne Kovariate

16

Berechnung a) mit Effect Lite

17

Berechnung a) mit Effect Lite

Hypothese 1: p-Wert: 0.7033 nicht signifikant kein Unterschied zwischen EG und KG hinsichtlich Intoleranz

18

Berechnung a) mit Effect Lite

korrekte Identifikation von Vorurteilen

19

Berechnung b) mit Effect Lite

dichotomestreatment: Unterricht

outcome:Intoleranz-Wert zu T2

Kovariate:Geschlecht

20

b) - Hypothesen

Hypothese 1 - Ho: Es gibt keine Unterschiede zwischen der KG und der EG hinsichtlich der Intoleranz.

Hypothese 2 – Ho: Es gibt keine Unterschiede zwischen Mädchen und Jungs (Kovariate = Geschlecht) in der KG bzgl. Intoleranz.

Hypothese 3 – Ho: Es gibt keinen Interaktionseffekt zwischen Geschlecht (Kovariate) und Unterricht (treatment) bzgl. Intoleranz.

21

Berechnung b) mit Effect Lite

22

Berechnung b) mit Effect Lite

Ho 1: wahrer Effekt = 0 bestätigt

Ho 2: keine Unterschiede zwischen Jungs und Mädchen in KG bzgl. Intoleranz bestätigt

Ho 3: keine Interaktion zwischen Geschlecht und treatment bzgl. Intoleranz bestätigt

23

KG EG

z =1 Mädchen

z =0 Jungs

Berechnung b) mit Effect Lite

24

Berechnung b) mit Effect Lite

25

Berechnung b) mit Effect Lite

g0(z) = 2.277 – 0.046 z

g1-0(z) =0.064 – 0.085 z

26

Berechnung b) mit Effect Lite

Kovariate: Schultyp: Gymnasium – Regelschule

keine signifikanten Ergebnisse

27

Berechnung b) mit Effect Lite

outcome: korrekte Identifikation der Vorurteile

Kovariate: Geschlecht

Ho 3: signifikantes Ergebnis

d.h. Interaktion zwischen Geschlecht und treatment bzgl. Identifikation

28

KG EG

z =1 Mädchen

z =0 Jungs

Berechnung b) mit Effect Lite

29

Berechnung b) mit Effect Lite

Koeffizient ist positiv Mädchen (z=1) zeigen bessere Ergebnisse in EG, d.h. sie profitieren stärker als Jungs (z=0)

30

Berechnung b) mit Effect Lite

outcome: korrekte Identifikation der Vorurteile

Kovariate: Schultyp

Ho 2: Tendenz, dass es Gruppenunterschiede zwischen Schultyp bzgl. Identifikation in der KG gibt

31

Berechnung b) mit Effect Lite

Koeffizient ist positiv Gymnasiasten (z=1) zeigen höhere Werte bzgl. der Identifikation ggü. Regelschülern (z=0) in der KG

32

KG EG

z =1 Gymnasium

z =0 Regelschule

Berechnung b) mit Effect Lite

.

.

33

keine signifikanten Effekte des treatments bezogen auf Intoleranz und korrekte Identifikation der Vorurteile

Intoleranz: keine Signifikanz bei Betrachtung der Kovariaten Geschlecht keine Unterschiede und Veränderung bei Jungs und Mädchen Schultyp keine Unterschiede und Veränderungen bei Gymnasiasten und Regelschülern

4. Zusammenfassung

34

korrekte Identifikation von Vorurteilen: Geschlecht: signifikante Interaktion Mädchen können nach dem Training Vorurteile besser identifizieren Schultyp: Tendenz zu Unterschieden in KG Gymnasiasten haben höhere Identifikationswerte als

Regelschüler

Gründe: .....

4. Zusammenfassung

35

Danke für Eure Aufmerksamkeit !!!