Auszug
Die empirische Analyse von Verwandtschaftsbeziehungen vollzieht sich in mehreren Schritten. Zuerst werden Datenbasis (Kapitel 5.1.1) und Restriktionen (Kapitel 5.1.2) der Sekundäranalyse erläutert. In Kapitel 5.2.1 wird allgemein die Struktur und Bedeutung von Verwandtschaft in Deutschland dargestellt. Anschließend wird in Kapitel 5.2.2 ein erster Überblick über die Häufigkeit von Kontakten mit sekundären und tertiären Verwandten gegeben. Hierzu gehört die Rolle von entfernten Verwandten in verschiedenen Notsituationen, das Phänomen der Multiplexität und Verwandtschaft als soziales Kapital im Rahmen der Arbeitsvermittlung. Kapitel 5.2.3 analysiert die Determinanten der Wichtigkeit von Verwandtschaft, Kapitel 5.2.4 die Determinanten der Wahl von Onkeln/Tanten (Kapitel 5.2.4.2.1), Cousins/Cousinen (Kapitel 5.2.4.2.2) und Nichten/Neffen (Kapitel 5.2.4.2.3). Ziel ist es, mit dem zur Verfügung stehenden Datenmaterial, die in Kapitel 4.2 abgeleiteten Hypothesen empirisch zu überprüfen. Es werden folgende statistische Verfahren verwendet: t-Test, Einfaktorielle Varianzanalysen (ANOVA)510, Multiple Regression und Logistische Regressionsanalyse.
Bei dichotomen Variablen wird ein t-Test durchgeführt. Hat die Gruppierungsvariable mehr als zwei Ausprägungen, werden einfaktorielle Varianzanalysen (ANOVA) gerechnet. Vorab wird der Levene-Test auf Varianzhomogenität berechnet. Liegen heterogene Varianzen vor wird anstatt des F-Tests die Welch-Statistik kontrolliert. Die einfaktoriellen Varianzanalysen enthalten darüber hinaus Tests für multiple Mittelwertvergleiche. Bei homogenen Varianzen zeigt der Scheffé-Test für Post-hoc-Vergleiche signifikante Gruppenunterschiede auf. Bei Verletzung der Varianzhomogenitätsannahme wird der Tamhane T2-Test durchgeführt. Beide Tests sind konservative und robuste Verfahren. Zur statistischen Beurteilung der empirischen Ergebnisse wird eine Irrtumswahrscheinlichkeit von 1% festgelegt. Der Scheffé-Test und Tamhane T2-Test für Post-hoc-Vergleiche haben ein Signifikanzniveau 5 %. Zur Erläuterung der einzelnen Verfahren vgl. Bortz (1999).
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Ideologisch geprägte Auffassungen über vorindustrielle Verwandtschaftsbeziehungen sind verantwortlich für die Annahme eines Bedeutungsverlustes von Verwandtschafts-und Generationenbeziehungen. Die historische Familienforschung (Mitterauer 1978) kann jedoch nachweisen, dass mehrgenerationale und um sonstige Verwandte erweiterte Familientypen, die einen gemeinsamen Haushalten bildeten, im vorindustriellen West-und Mitteleuropa nur relativ selten existierten (Kapitel 2.1).
Dieser Zusammenhang müsste jedoch noch überprüft werden. Es ist von keiner direkten positiven Beziehung zwischen Einstellung und Verhalten auszugehen (vgl. Fischer, Wiswede 1997: 247). Vgl. dazu ausführlicher Ajzen, Fishbein (1973, 1980).
Die Variable „Wichtigkeit von Verwandtschaft“ (Skalenwert 1 = „unwichtig“ bis 7 = „sehr wichtig“) wird zur weiteren statistischen Analyse (Produkt-Moment-Korrelation nach Pearson, multiple Regression) als intervallskaliert behandelt. Zur Rechtfertigung dieser Vorgehensweise vgl. Benninghaus (1998: 23ff.) und Urban, Mayerl (2006: 275).
Die Frage nach der deutschen Staatsangehörigkeit ist jedoch kein „harter“ Indikator. So können Befragte mit Migrationshintergrund die deutsche Staatsangehörigkeit besitzen. Voraussetzung zur Durchführung eines t-Tests sind annähernd gleiche Stichprobenumfänge. Trotz der ungleichen Stichprobenumfänge der Variablen „Deutsche Staatsangehörigkeit“ wird die Präzision des t-Tests nicht beeinträchtigt, solange die Varianzen gleich sind (vgl. Bortz 1999: 138). Es liegt Varianzhomogenität vor.
Die Regressionsanalyse unterliegt einer Reihe von Modellannahmen, wobei sie robust gegenüber kleineren Verletzungen der Annahmen ist (vgl. Backhaus u.a. 2000). Eine Überprüfung der Kollinearitätsstatistiken ergibt akzeptable Werte der Toleranz und „VIF“ (Varianz-Inflation-Faktor). Die Werte liegen zum Teil deutlich über den geforderten Schwellenwerten von 0,20 bis 0,25 (Toleranz) und >10,00 (VIF), die nicht unterbzw. überschritten werden sollten (vgl. dazu ausführlicher Urban, Mayerl 2006: 232). Die Normalverteilung der Residuen wurde anhand der Kennzahlen Kurtosis und Schiefe und einer visuellen Residuenanalyse überprüft. Während die berechneten Werte der Kurtosis im akzeptablen Bereich liegen und somit auf eine annäherungsweise Gültigkeit der Normalverteilungsannahme hinweisen, liegt der Wert der Schiefe knapp über dem Toleranzbereich für große Stichproben (vgl. Urban, Mayerl 2006: 195f). Infolgedessen wird die multiple Regression als explorativ bezeichnet.
Der symbolische Nutzen besteht insbesondere in der Familienkontinuität und dem Verstärken der symbolischen Bedeutung der Familie (vgl. Johnson 2000b: 628).
Rights and permissions
Copyright information
© 2008 VS Verlag für Sozialwissenschaften | GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
(2008). Empirische Analyse von Verwandtschaftsbeziehungen. In: (Wahl-)Verwandtschaft — Zur Erklärung verwandtschaftlichen Handelns. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-90925-7_6
Download citation
DOI: https://doi.org/10.1007/978-3-531-90925-7_6
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-15706-1
Online ISBN: 978-3-531-90925-7
eBook Packages: Humanities, Social Science (German Language)