Zusammenfassung
Im folgenden Kapitel werden Grundkonzepte von fünf fortgeschrittenen statistischen Verfahren vorgestellt, die in den Sozialwissenschaften mittlerweile weit verbreitet sind: die Ereignisdaten-, Mehrebenen-, Panel-, Pfad- und Metaanalyse. Nach der Lektüre des Kapitels sollte der Leser einschätzen können, bei welchen Fragestellungen das jeweilige Verfahren eingesetzt werden kann und welche Auswertungsmöglichkeiten überhaupt zur Verfügung stehen. Was versteht man im Zusammenhang mit Ereignisdatenanalysen zum Beispiel unter den Begriffen Übergangsrate und Überlebensfunktion? Warum müssen bei sogenannten hierarchisch strukturierten Daten spezielle Verfahren wie die Mehrebenenanalyse eingesetzt werden? Wann ist es sinnvoll, komplexe Pfadmodelle mit mehreren abhängigen (endogenen) Variablen zu berechnen? Was versteht man unter einer Metaanalyse und welche Formen sind hier zu unterscheiden? Das Kapitel enthält auch Hinweise auf weiterführende Literatur zum jeweiligen Verfahren.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsNotes
- 1.
Was unter einer exakten Messung der Verweildauer zu verstehen ist, hängt stark von der Fragestellung ab. Wird zum Beispiel die Zeit zwischen dem Eintritt einer Krankheit und der Rückkehr zum Arbeitsplatz in Monaten angegeben, handelt es sich sicherlich um eine sehr ungenaue Messung. Die monatsgenaue Angabe der Ehedauer bis zur Scheidung erscheint dagegen hinreichend exakt.
- 2.
Ereignisdaten, die auf Panelbefragungen basieren, sind häufig linksgestutzt. Damit werden Konstellationen bezeichnet, bei denen Personen bereits vor Beginn der ersten Panelbefragung eine gewisse Zeit im Risikozustand waren. Zeitdiskrete Ereignisdatenanalysen führen auch bei dieser Datenstruktur zu einer unverzerrten Schätzung der Übergangsraten (siehe Guo 1993).
- 3.
Zusätzlich ist in Rechnung zu stellen, dass die inferenzstatistischen Signifikanztests verzerrt sind, wenn herkömmliche Analyseverfahren wie die lineare Regression auf hierarchisch strukturierte Daten angewendet werden. Auch dieses Problem wird im Rahmen von Mehrebenenanalysen mit Zufallskoeffizienten vermieden.
- 4.
Auch in der difference-in-difference-Schätzung ist nicht absolut sicher, ob der Effekt der Heirat tatsächlich kausal ist. So besteht die Möglichkeit, dass die beiden Personen, die heiraten, zwischen der zweiten und dritten Welle unbeobachtete Veränderungen erlebt haben, die gleichzeitig die Heiratswahrscheinlichkeit und die Kirchgangshäufigkeit beeinflussen. Ein Beispiel wäre die Geburt eines Kindes.
- 5.
Das RE-Modell gehört zur Gruppe der weiter oben erwähnten Mehrebenenmodelle mit Zufallseffekten.
- 6.
Anders als die hier vorgestellte kovarianzbasierte Pfadanalyse basiert der historische Vorläufer, die klassische Pfadanalyse, auf dem Prinzip der Zerlegung von Regressionskoeffizienten. Diese beiden Verfahrenstypen haben mathematisch völlig andere Grundlagen und sollten nicht miteinander verwechselt werden (Reinecke 2005, S. 46 ff.).
- 7.
Beispiele sind die Items "Vorschulkinder leiden darunter, wenn die Mutter erwerbstätig ist" oder "Hausfrau sein ist erfüllender als eine Berufstätigkeit". Die Reliabilität der Skala ist mit einem Cronbachs α von 0,81 sehr gut. Die geringe Fallzahl von n = 677 Frauen erklärt sich dadurch, dass die Items zur Geschlechtsrollenorientierung nur bei einer Teilpopulation der ALLBUS-Erhebung des Jahres 2002 abgefragt wurden.
- 8.
In Kap. 6 wurde mit dem Sobel-Test bereits ein Verfahren besprochen, mit dem vermittelte (indirekte) Effekte getestet werden können. Das Analyseprogramm Mplus, mit dem das in Abb. 9.7 berechnete Pfadmodell berechnet wurde, ermöglicht auch den multivariaten Test von indirekten Effekten. Hiernach sind beide indirekten Effekte der Bildung (über die Vollzeiterwerbstätigkeit, β = − 0,034 ( = 0,24 · − 0,14) und über die traditionellen Einstellungen, β = − 0,14) auf dem 1 %-Niveau signifikant.
- 9.
Dies ist ein grundlegendes Problem von Metaanalysen in der Soziologie, das auch in der entsprechenden Literatur zur Metaanalyse gesehen wird: „Coefficients from bivariate and multivariate methods differ according to their magnitude and standard errors. (…) meta-analysis misses adequate procedures of multivariate result integration“ (Wagner und Weiß 2006, S. 488). „Multivariate relationships present special challenges to meta-analysis. (…) the varying sets of independent variables across regression equations complicates their synthesis“ (Lipsey und Wilson 2001, S. 67). „Insbesondere die Integration von Partialkoeffizienten ist ein Problem, das noch nicht befriedigend gelöst ist“ (Wagner und Weiß 2003, S. 35).
- 10.
Selbstverständlich unterscheiden sich auch Experimente in ihrer Güte, beispielsweise hinsichtlich der Qualität der Verblindung der Untersuchung oder ähnlicher Faktoren. Hier besteht dann jedoch die Möglichkeit, diese Gütekriterien in eine Metaanalyse aufzunehmen und die Ergebnisse unter Kontrolle der methodischen Güte der Untersuchung zu interpretieren (vgl. Borestein et al. 2009).
Literatur
Allison, Paul D. 1984. Event history analysis. Regression for longitudinal event data. Beverly Hills: Sage.
Allison, Paul D. 1994. Using panel data to estimate the effects of events. Sociological Methods & Research 23:174–199.
Allison, Paul D. 2005. Missing data. Quantitative applications in the social sciences, 136. Thousand Oaks: Sage.
Allison, Paul D. 2009. Fixed effects regression models. Quantitative applications in the social sciences, 160. Thousand Oaks: Sage.
Backhaus, Klaus, Bernd Erichson, Wulff Plinke, und Rolf Weiber. 2006. Multivariate Analysemethoden. Eine anwendungsorientierte Einführung. Berlin: Springer.
Berlin, Jesse A., Jill Santanna, Christopher H. Schmid, Lynda A. Szczech, und Harold I. Fledman. 2002. Individual patient- versus group-level data meta-regressions for the investigation of treatment effect modifiers: ecological bias rears its ugly head. Statistics in Medicine 21:371–387.
Bickel, Robert. 2008. Multilevel analysis for applied research. It’s just regression! New York: Guilford Press.
Blossfeld, Hans-P., Katrin Golsch, und Götz Rohwer. 2007. Event history analysis with Stata. Mahwah: Lawrence Erlbaum.
Blossfeld, Hans-P., Alfred Hamerle, und Karl U. Mayer. 1989. Event history analysis. Statistical theory and application in the social sciences. Hillsdale: Lawrence Erlbaum.
Blossfeld, Hans-P., und Götz Rohwer. 1995. Techniques of event history modeling: New approaches to causal analysis. Hillsdale: Lawrence Erlbaum.
Bollen, Kenneth A. 1987. Total, direct, and indirect effects in structural equation models. In Sociological methodology, Hrsg. Clifford C. Clogg, 37–69. Washington, D.C: American Sociological Association.
Borenstein, Michael, Larry V. Hedges, Julian P. T. Higgens, und Hannah R. Rothstein. 2009. Introduction to meta-analysis. Chicester: Wiley.
Brüderl, Josef. 2010. Kausalanalyse mit Paneldaten. In Handbuch der sozialwissenschaftlichen Datenanalyse, Hrsg. Christof Wolf und Henning Best, 963–994. Wiesbaden: VS Verlag für Sozialwissenschaften.
Brüderl, Josef, und Andreas Diekmann. 1995. The log-logistic rate model: Two generalizations with an application to demographic data. Sociological Methods and Research 24:158–186.
Bryk, Anthony S., und Stephen W. Raudenbush. 1992. Hierarchical linear models: applications and data analysis methods. Newbury Park: Sage.
Cameron, A. Colin, und Pravin K. Trivedi. 2005. Microeconometrics: Methods and applications. Cambridge: Cambridge Univerity Press.
Cameron, A. Colin, und Pravin K. Trivedi. 2009. Microeconometrics using stata. College Station: Stata Press.
Diekmann, Andreas, und Peter Mitter. 1984. Methoden zur Analyse von Zeitverläufen. Stuttgart: Teubner.
Ditton, Hartmut. 1998. Mehrebenenanalyse. Grundlagen und Anwendungen des Hierarchisch Linearen Modells. Weinheim: Juventa.
Geiser, Christian. 2010. Datenanalyse mit Mplus: Eine anwendungsorientierte Einführung. Wiesbaden: VS Verlag für Sozialwissenschaften.
Glass, Gene V. 1976. Primary, secondary, and meta-analysis of research. Educational Researcher 5:3–8.
Guo, Guang. 1993. Event-history analysis for left-truncated data. In Sociological Methodology. 23 Aufl. Peter V. Marsden, 217–243. Oxford: Blackwell.
Guo, Guang, und Zhao, Hongxin. 2000. Multilevel modeling for binary data. Annual Review of Sociology, 26:441–462.
Halaby, Charles N. 2004. Panel models in sociological research. Annual Review of Sociology 30:507–544.
Hank, Karsten, Michaela Kreyenfeld, und Katharina Spieß. 2004. Kinderbetreuung und Fertilität in Deutschland. Zeitschrift für Soziologie 33: 228–244.
Hosmer, David W., Stanley Lemeshow, und Susanne May. 2008. Applied survival analysis: Regression modeling of time to event data. New York: Wiley.
Hox, Joop. 2002. Multilevel analysis. Techniques and applications. Mahwah: Lawrence Erlbaum.
Hunt, Morton, 1997. How science takes stock. The story of meta-analysis. New York: Russell Sage.
Klein, Thomas. 1992. Zur Zeitabhängigkeit der Wiederbeschäftigungsrate Arbeitsloser. Erwiderung auf Ludwig-Mayerhofer. Kölner Zeitschrift für Soziologie und Sozialpsychologie 44:134–138.
Klein, Thomas, Johannes Kopp, und Ingmar Rapp. 2013. Metanalysen mit Originaldaten. Ein Vorschlag zur Forschungssynthese in der Soziologie. Zeitschrift für Soziologie 42: 221–236.
Kleinbaum, David G. 2005. Survival analysis: A self-learning text. Berlin: Springer.
Langer, Wolfgang. 2004. Mehrebenenanalyse: Eine Einführung für Forschung und Praxis. Wiesbaden: VS Verlag für Sozialwissenschaften.
Lipsey, Mark W., und David B. Wilson. 2001. Practical meta-analysis. Thousand Oaks: Sage.
Lois, Daniel. 2011. Wie verändert sich die Religiosität im Lebensverlauf? Eine Panelanalyse unter Berücksichtigung von Ost-West-Unterschieden. Kölner Zeitschrift für Soziologie und Sozialpsychologie 63:83–110.
Luke, Douglas A. 2004. Multilevel modeling. Quantitative applications in the social sciences, 143. Thousand Oaks: Sage.
Mann, Charles M. 1990. Meta-Analysis in the Breech. Science 249:476–480.
Mosteller, Frederick, und Grahamn A. Colditz. 1996. Understanding research synthesis (meta-analysis). Annual Review of Public Health 17:1–23.
Muthén, Bengt O. 2002. Beyond SEM: General latent variable modeling. Behaviormetrika 29:81–117.
Nachtigall, Christof, Ulf Kroehne, Friedrich Funke, und Rolf Steyer. 2003. (Why) should we use SEM? Pros and cons of structural equation modeling. Methods of Psychological Research Online 8:1–22.
Reinecke, Jost. 2005. Strukturgleichungsmodelle in den Sozialwissenschaften. München: Oldenbourg.
Rosenthal, Robert, und M. Robin DiMatteo. 2001. Meta-analysis: Recent developments in quantitative methods for literature reviews. Annual Review of Psychology 52:59–82.
Schulze, Alexander, Felix Wolter, und Rainer Unger. 2009. Bildungschancen von Grundschülern: Die Bedeutung des Klassen- und Schulkontextes am Übergang auf die Sekundarstufe I. Kölner Zeitschrift für Soziologie und Sozialpsychologie 61:411–435.
Singer, Judith D., und John B. Willett. 2003. Applied longitudinal data analysis. Modeling change and event occurrence. Oxford: University Press.
Snijders, Tom, und Roel Bosker. 1999. Multilevel analysis. An introduction to basic and advanced multilevel modeling. London: Sage.
Sutton, A. J., D. Kendrick, und C. A. C Coupland. 2008. Meta-analysis of individual- and aggregate-level data. Statistics in Medicine 27:651–669.
Sutton, Alexander, und Julain P. T. Higgens. 2008. Recent developments in meta-analysis. Statistics in Medicine 27:625–650.
Wagner, Michael, und Bernd Weiß. 2003. Bilanz der Scheidungsforschung. Versuch einer Meta-Analyse. Zeitschrift für Soziologie 33: 29–49.
Wagner, Michael, und Bernd Weiß. 2006. On the variation of divorce risk in Europe: Findings from a meta-analysis of European longitudinal studies. European Sociological Review 22:483–500.
Willett, John B., und Judith D. Singer. 1993. Investigating onset, cessation, relapse and recovery: Why you should, and how you can, use discrete-time survival analysis. Journal of Consulting and Clinical Psychology 61:952–965.
Wooldridge, Jeffrey M. 2003. Introductory econometrics: A modern approach. Mason: Thomson.
Yamaguchi, Kazuo. 1991. Event history analysis. Newbury Park: Sage.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2014 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Kopp, J., Lois, D. (2014). Ein Ausblick auf fortgeschrittene statistische Analyseverfahren. In: Sozialwissenschaftliche Datenanalyse. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-02300-3_9
Download citation
DOI: https://doi.org/10.1007/978-3-658-02300-3_9
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-02299-0
Online ISBN: 978-3-658-02300-3
eBook Packages: Humanities, Social Science (German Language)