Advertisement

Probleme von Cross-Lagged Panelmodellen zur Analyse gegenseitiger Beeinflussung von Einstellung und Verhalten

Das Beispiel des Zusammenhangs von politischem Interesse und politischer Beteiligung mit den Daten des SOEP
  • Steffen Kühnel
  • Anja Mays
Chapter

Zusammenfassung

Cross-Lagged Panelmodelle (CLP) werden in der Sozialforschung eingesetzt, um wechselseitige kausale Einflüsse zu untersuchen. In dem Beitrag wird gezeigt, dass die autoregressiven Effekte eines CLP nicht vor einer Konfundierung der wechselseitigen kausalen Effekte schützen, sondern diese im Gegenteil sogar auslösen können. Abhilfe verspricht ein CLP mit Random Intercepts (RI-CLP), wie es Hamaker et al. (2015) vorgeschlagen haben. Am Beispiel des wechselseitigen Effekts von politischem Interesse und politischer Beteiligung mit empirischen Daten aus dem SOEP wird deutlich, wie sehr sich die wechselseitigen Effekte in einem CLP mit vier Messzeitpunkten ändern können, wenn zusätzlich zwei latente Variablen als Random Intercepts spezifiziert werden. Im Beispiel werden die wechselseitigen kausalen Effekte des CLP nahezu vollständig durch die Kovarianz zwischen den zwei latenten Variablen ersetzt. Das RI-CLP ist daher eher als ein Latent State-Trait Modell zu interpretieren. Die Schätzung wechselseitiger kausaler Effekte ist dann aber nicht mehr möglich. Damit wird deutlich, wie wichtig eine sorgfältige Interpretation eines geschätzten Modells ist, um der Gefahr zu entgehen, Artefakte eines statistischen Modells als vermeintliche empirische Befunde zu interpretieren.

Schlüsselbegriffe

Cross-Lagged Panelmodell wechselseitige kausale Effekte autoregressive Effekte Kausalität Random-Intercept Cross-Lagged Panelmodell Latent Trait-State Modell 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Armingeon, Klaus. 2007. Political Participation and Associational Involvement. In Citizenship and Involvement in European Democracies. A Comparative Analysis (S. 358-383). Hrsg. Jan W. van Deth, J.R. Montero und A. Westholm, S. 358-383. London: Rotledge.Google Scholar
  2. Glemser, Axel und S. Huber. 2017. SOEP-Core v32-Methodenbericht zum Befragungsjahr 2015 (Welle 32) des Sozio-oekonomischen Panel. Berlin. http://www.diw.de/sixcms/detail.php?id=diw_01.c.554400.de. Zugegriffen: 11. September 2017.
  3. Granger, Clive W. 1969. Investigating causal relations by econometric models and cross-spectral methods. Econometrica: Journal of the Econometric Society 37:424-438.Google Scholar
  4. Hamaker, Ellen L., R.M. Kuiper und R. P. Grasman. 2015. A critique of the Cross-Lagged panel model. Psychological methods 20:102-116.Google Scholar
  5. Headey, Bruce und R. Muffels. 2014. Two-way causation in life satisfaction research: Structural equation models with Granger-causation. ZA Discussion Papers, No. 8665. http://hdl.handle.net/10419/106605. Zugegriffen: 11. September 2017.
  6. Holland, Paul W. 1986. Statistics and Causal Inference. Journal of the American Statistical Association, 81: 945-960.Google Scholar
  7. Krause, Thomas, A. Wahl und M. Wuketich. 2018. Wachstumsverläufe von latenten Klassen in der Einstellungs- und Verhaltensforschung. Am Beispiel der sozialen Exklusion von Kindern und Jugendlichen in Deutschland.. In diesem Band.Google Scholar
  8. Mayerl, Jochen und H. Andersen. 2018. Recent Developments in Structural Equation Modeling with Panel Data. Causal Analysis and Change over Time in Attitude Research. In diesem Band.Google Scholar
  9. Morgan, Stephen L. und C. Winship. 2007. Counterfactuals and causal analysis: Methods and principles for social research. Cambridge: Cambridge University PressGoogle Scholar
  10. Muthén, Bengt O. und L. K. Muthén (1998–2012). Mplus User’s Guide. Seventh Edition. Los Angeles, CA: Muthén & Muthén.Google Scholar
  11. Pearl, Judea. 2000. Causality: Models, Reasoning, and Inference. New York: Cambride University Press.Google Scholar
  12. Quintelier, Ellen und J. W. Van Deth. 2014. Supporting democracy: Political participation and political attitudes. Exploring causality using panel data. Political Studies, 62:153-171.  https://doi.org/10.1111/1467-9248.12097
  13. Rubin, Donald B. 1974. Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of educational Psychology, 65:688-701.Google Scholar
  14. Steyer, Rolf, A. Mayer, C. Geiser und D. A. Cole 2015. A Theory of States and Traits – Revised. Annual Review of Clinical Psychology, 11: 71-98. doi:  https://doi.org/10.1146/annurev-clinpsy-032813-153719.
  15. van Deth, Jan W. 2000. Das Leben, nicht die Politik ist wichtig. In Demokratie und Partizipation. Hrsg. O. Niedermayer und B. Westle, S. 115–135. Wiesbaden: VS Verlag für Sozialwissenschaften.Google Scholar
  16. Verba, Sidney, K. L. Schlozman und H. E. Brady. 1995. Voice and equality: Civic voluntarism in American politics. Harvard: Harvard University Press.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.GöttingenDeutschland

Personalised recommendations