Cornelia Frings, M.A.

1 | Cornelia Frings (Mainz): Individuen als Kontexte (06.06.2008)

Individuen als Kontexte. Datenerhebung mittels faktorieller Surveys und die mehrebenenanalytische Auswertung dieser Daten

Cornelia Frings, M.A.


1. Einführung - Individuen als Kontexte2. 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


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


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


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


Hierarchische Datenstruktur bei faktoriellen Survey-Daten

1

U1 U2 Ux

2 3

U1 U2 Ux U1 U2 Ux

Zweite Ebene = Befragte

Erste Ebene = Vignettenurteile


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


Kausale Sequenz –Getesteter Ausschnitt

Konkretes Forschungsprojekt – getestetes Kausalmodell

Generelles Vertrauen (soziologischer Ansatz)

Ökonomischer Bestimmungsfaktor 1

Ökonomischer Bestimmungsfaktor x

Situationsspezifische Vertrauenserwartung p (ökonomischer Ansatz)


Kooperative Handlung

Bewertung u

Niveau-effekt

Interaktionseffekte

Kausale Sequenz –komplettes Modell


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


Die einzelnen Schritte der statistischen Modellierung

Random Intercept Random Slope Modelle Unkonditioniertes RIRSMKonditioniertes RIRSM

Random Intercept Modelle Random Intercept Only Modell (Leeres Modell)Unkonditioniertes RIMKonditioniertes RIM

Einfaches RegressionsmodellEinfache ML-Regression nur mit situativen Anreizstrukturen (ökonomisches Modell) Nullmodell

3

2

1


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

0,3744,5472,711

2,711σ

ρ 2e

2

2

0

0

u

u

2


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)


Random Intercept Modelle – Erklärte Varianz und Modellfit

Modell LR-Test

Devianz LR-Test

Intragruppenvarianz (s.e.)

Intergruppenvarianz(s.e.)

Einebenen-regr.

X 8380,20 _ _

Leeres Modell 8586,66 4,547 (0,159)*** 2,711(0,303)***

RIM (unkond.) X***‡

7279,00 2,049(0,072)*** 3,027(0,302)***

RIM (kond.) ‡*** 6855,56 2,087(0,075)*** 2,393(0,252)***

Anm.: *** p < 0,001; bei Varianzkomp. p <0,0005


54,94%100*0,5494)(Mσ

)(Mσ)(Mσ(Ebene1)R

RIOM2

RIM(unk.)eij2

RIOMije2

2BR

ije

20,90%100*0,2090)(Mσ

)(Mσ)(Mσ(Ebene2)R

RIM(unk.)uoj2

RIM(kond.)u0j2

RIM(unk.)u0j2

2BR

Random Intercept Modelle – Erklärte Varianz

› Berechnung des RBR2 mit unterschiedlichen

Nullmodellen:


Niveaueffekt des generellen Vertrauens im kond. Random Intercept Modell

Unstand. Koeffizienten

Fixe Parameter

Vergangenheit 1,751(0,07)***

Zukunft 1,490(0,07)***

Netzwerkdichte 1,735(0.07)***

Commitment 0,705(0,07)***

Generelles Vertrauen 0,502(0.07) ***

Konstante -0,0130(0,40) n.s.

Varianzkomponenten

Intragruppenvarianz 2,087(0,075)***

Intergruppenvarianz 2,393(0,252)***

Devianz 6855,5571774

N (Level-1-Ebene) 1774

***=p<0.001** =p<0.01* =p<0.05


Kausale Sequenz

Generelles Vertrauen (soziologischer Ansatz)


Ökonomischer Bestimmungsfaktor x

Situationsspezifische Vertrauenserwartung p (ökonomischer Ansatz)


Niveau-effekt

Interaktionseffekte

Vergleich der Modelle


Vergleich der Modelle – zusätzliche Varianzaufklärung

%66,57100*5766,0)()(

exp1 .)(.2.)(

kondRIM

ij

egEinebenenrkondRIM

Devianzn

DevianzRMaddala

%36,44100*4436,0)()(

exp1 .)(.2.)(

unkondRIM

ij

egEinebenenrunkondRIM

Devianzn

DevianzRMaddala

→ Kausales Sequenzmodell mit Niveaueffekt erbringt eine um 57,66% verbesserte Modellanpassung.

→ Allein 13,3 Prozentpunkte Erklärungsanteil an der Gesamtvarianz entfallen auf die generelle Vertrauenseinstellung.

30,1336,4466,572.)(

2.)( unkondRIMkondRIM RMaddalaRMaddala


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.

Cornelia Frings, M.A.

Documents

Transcript of Cornelia Frings, M.A.