slide1
Download
Skip this Video
Download Presentation
Cornelia Frings, M.A.

Loading in 2 Seconds...

play fullscreen
1 / 18

Cornelia Frings, M.A. - PowerPoint PPT Presentation


  • 67 Views
  • Uploaded on

Individuen als Kontexte. Datenerhebung mittels faktorieller Surveys und die mehrebenenanalytische Auswertung dieser Daten. Cornelia Frings, M.A. Gliederung des Vortrags. Einführung - Individuen als Kontexte Die Messmethode faktorieller Survey

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Cornelia Frings, M.A.' - majed


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

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

Cornelia Frings, M.A.

gliederung des vortrags
Gliederung des Vortrags
  • Einführung - Individuen als Kontexte
  • Die Messmethode faktorieller Survey

3. Konkretes Forschungsprojekt aus der Vertrauensforschung

    • Theoretischer Ausgangspunkt und getestetes Kausalmodell
    • Erhebungsdesign
    • Statistische Auswertung mittels Hierarchisch Linearer Modelle
individuen als kontexte
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
die messmethode faktorieller survey
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 survey1
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
Hierarchische Datenstruktur bei faktoriellen Survey-Daten

Zweite Ebene = Befragte

1

2

3

Erste Ebene = Vignettenurteile

U1

U2

Ux

U1

U2

Ux

U1

U2

Ux

konkretes forschungsprojekt theoretischer ausgangspunkt
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
konkretes forschungsprojekt getestetes kausalmodell
Konkretes Forschungsprojekt – getestetes Kausalmodell

Kausale Sequenz –

Getesteter Ausschnitt

Generelles Vertrauen (soziologischer Ansatz)

Niveau-effekt

Situationsspezifische Vertrauenserwartung p (ökonomischer Ansatz)

Kooperative Handlung

Interaktionseffekte

Ökonomischer Bestimmungsfaktor 1

Ökonomischer Bestimmungsfaktor 2

Bewertung u

Ökonomischer Bestimmungsfaktor x

Kausale Sequenz –

komplettes Modell

konkretes forschungsprojekt erhebungsdesign
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
Die einzelnen Schritte der statistischen Modellierung

1

Einfaches Regressionsmodell

Einfache ML-Regression nur mit situativen Anreizstrukturen (ökonomisches Modell)  Nullmodell

2

Random Intercept Modelle

Random Intercept Only Modell (Leeres Modell)

Unkonditioniertes RIM

Konditioniertes RIM

3

Random Intercept Random Slope Modelle

Unkonditioniertes RIRSM

Konditioniertes RIRSM

random intercept only modell leeres modell
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
random intercept modelle erkl rte varianz
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 erkl rte varianz und modellfit
Random Intercept Modelle – Erklärte Varianz und Modellfit

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

random intercept modelle erkl rte varianz1
Random Intercept Modelle – Erklärte Varianz
  • Berechnung des RBR2 mit unterschiedlichen Nullmodellen:
niveaueffekt des generellen vertrauens im kond random intercept modell
Niveaueffekt des generellen Vertrauens im kond. Random Intercept Modell

***=p<0.001

** =p<0.01

* =p<0.05

vergleich der modelle
Vergleich der Modelle

Kausale Sequenz

Generelles Vertrauen (soziologischer Ansatz)

Niveau-effekt

Situationsspezifische Vertrauenserwartung p (ökonomischer Ansatz)

Interaktionseffekte

Ökonomischer Bestimmungsfaktor 1

Ökonomischer Bestimmungsfaktor 2

Ökonomischer Bestimmungsfaktor x

vergleich der modelle zus tzliche varianzaufkl rung
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.
fazit
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.
ad