Individuen als Kontexte.
This presentation is the property of its rightful owner.
Sponsored Links
1 / 18

Cornelia Frings, M.A. PowerPoint PPT Presentation


  • 43 Views
  • Uploaded on
  • Presentation posted in: General

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

Download Presentation

Cornelia Frings, M.A.

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


Cornelia frings m a

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.


  • Login