Mehrdimensionale Kreuztabellenanalyse Kontrolle von ... - BiBB
Mehrdimensionale Kreuztabellenanalyse Kontrolle von ... - BiBB
Mehrdimensionale Kreuztabellenanalyse Kontrolle von ... - BiBB
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Lehrveranstaltung „Empirische Forschung und Politikberatung“<br />
der Universität Bonn, WS 2007/2008<br />
Anja Hall,<br />
<strong>Mehrdimensionale</strong> <strong>Kreuztabellenanalyse</strong><br />
<strong>Kontrolle</strong> <strong>von</strong> Drittvariablen<br />
Bundesinstitut für Berufsbildung,<br />
21. Dezember 2007<br />
AB 2.2: „Qualifikation, berufliche Integration und Erwerbstätigkeit“<br />
®
Kausalzusammenhang, Kausalität<br />
Kausalität (Grund, Ursache) bezeichnet die Beziehung zwischen Ursachen und Wirkungen.<br />
In Hypothesen werden kausale Verknüpfungen zwischen zwei Variablen in Form eines<br />
Ursache-Wirkungs-Verhältnisses postuliert.<br />
"Kausalität an sich" ist nicht beobachtbar bzw. prüfbar. In der Forschungspraxis wird die<br />
Beziehung zwischen einer Ursache und der Wirkung daher als kausal interpretiert, wenn<br />
folgende Kriterien erfüllt sind (nach Lazarsfeld):<br />
• Zwischen zwei Variablen X und Y besteht ein statistischer Zusammenhang<br />
• X geht Y zeitlich voraus.<br />
• Der Zusammenhang zwischen X und Y verschwindet nicht, wenn Drittvariablen, die X<br />
und Y zeitlich vorausgehen, kontrolliert werden.<br />
Y - Abhängige Variable (AV): diejenige Variable, deren Ausprägungen durch eine oder<br />
mehrere andere Variablen erklärt oder vorhergesagt werden sollen.<br />
X - Unabhängige Variable (UV): diejenige(n) Variable(n), aus deren Werten die<br />
Ausprägungen einer o. mehrerer anderer Variablen erklärt o. vorhergesagt werden sollen.<br />
Der Ausdruck AV oder UV ist relativ zu einem gegebenen Modell zu sehen; eine Variable, die<br />
in einem Modell als AV fungiert, kann in einem anderen Modell eine UV sein<br />
Anja Hall, AB 2.2<br />
®
Scheinkorrelation<br />
Die Scheinkorrelation zwischen zwei Variablen ist eine Korrelation, die nur durch das<br />
Einwirken einer dritten nicht bekannten Variable entsteht.<br />
Es besteht also kein echter Zusammenhang zwischen den Variablen, obwohl sich<br />
mathematisch ein hoher Korrelationskoeffizient ergibt.<br />
Beispiele:<br />
Es besteht eine positive Korrelation zw. der Anzahl der bei einem Brand eingesetzten<br />
Feuerwehrleute (X) und der Höhe des Brandschadens (Y). Soll man bei einem Brand<br />
besser auf einen Notruf bei der Feuerwehr verzichten? – Drittvariable (Z) =???<br />
Mit dem Aussterben der Störche sind auch die Geburtenzahlen gefallen. Die<br />
Geburtenrate korreliert also positiv mit der Anzahl der Störche - Drittvariable=???<br />
X Y X Y z als Drittvariable<br />
Anja Hall, AB 2.2<br />
Z<br />
Unfallhäufigkeit mit PKW: Frauen verursachen weniger Unfälle - Drittvariable=???<br />
X Y X Z Y z als intervenierende Variable<br />
®
Erwerbsbeteiligung <strong>von</strong> Männern und Frauen<br />
Übung 1:<br />
Erstellen Sie die Kreuztabelle mit den Variablen Geschlecht und<br />
Erwerbsbeteiligung (Ef504) . Verwenden Sie die Dummy-Variable „Erwerbstätig“<br />
(Ja vs. Nein). Beschränken Sie die Analyse auf Personen im Alter <strong>von</strong> 15-65 Jahre.<br />
Berechnen Sie eine Kreuztabelle mit den Variablen Geschlecht und<br />
Erwerbsbeteiligung unter <strong>Kontrolle</strong> der Variable Ef585 (Kinder unter 18 Jahren<br />
im HH).<br />
Bilden Sie eine neue Variable „Kinder“ (Keine Kinder, 1 Kind, 2 Kinder und mehr).<br />
Beschränken Sie die Analyse auf Personen bis 40 Jahre.<br />
Warum ist diese Altersbeschränkung sinnvoll? Berechnen Sie hierzu die Tabellen<br />
für Personen bis 65 Jahre und vergleichen Sie diese Ergebnisse.<br />
Hinweis: Da sich alle nachfolgenden Analysen auf Personen im Alter <strong>von</strong> 15-65<br />
Jahren Beziehen, verwenden Sie bitte den Datensatz<br />
O:\Schulungsraum_Lehre_AB22\MZ-Campusfile\CP 2002_nur15-65 Jahre.sav .<br />
Anja Hall, AB 2.2<br />
®
Interaktionseffekt<br />
Gemeinsamer Effekt zweier Variablen auf die untersuchte abhängige Variable,<br />
d.h. die Wirkung einer Variablen variiert mit den Ausprägungen der anderen<br />
Variablen.<br />
Z.B. wenn ein zuvor festgestellter Zusammenhang nur in einer Teilgruppe zu<br />
beobachten ist.<br />
Beispiele:<br />
Der Tendenz nach führt in den meisten (modernen) Gesellschaften die Geburt<br />
eines Kindes zur Verringerung des Umfangs der Erwerbstätigkeit <strong>von</strong> Frauen,<br />
während bei den Männern keine oder sogar eine gegenläufige Wirkung<br />
(Steigerung) festzustellen ist.<br />
Modelltechnisch - Interaktionseffket = das Produkt der beiden interagierenden Variablen<br />
Spezialfall: quadratischer Effekt einer Variablen, d.h. Interaktion einer Variablen mit sich<br />
selbst, Bsp. Alter2.<br />
Anja Hall, AB 2.2<br />
®
Operationalisierung <strong>von</strong> Berufserfolg<br />
Unter O. versteht man die (möglichst genaue) Angabe der Vorgehensweise (eben der<br />
"Operationen"), mit der ein Merkmal erhoben werden soll.<br />
Bei einer Befragung versteht man unter O. z.B. die genaue Frageformulierung mitsamt<br />
den Antwortvorgaben.<br />
Genau genommen würde zur O. auch noch die Anweisung an den Interviewer gehören,<br />
die Frage vorzulesen und die Antworten aufzunehmen; soweit dies sich aus dem<br />
Kontext <strong>von</strong> selbst ergibt, ist der etwas ungenaue Sprachgebrauch unproblematisch.<br />
Beispiel 1: Wie kann man soziale Schicht operationalisieren?<br />
Beispiel 2: Wie kann man Berufserfolg operationalisieren?<br />
• Stellung im Betrieb<br />
• Nettoeinkommen<br />
• Niveauadäquanz<br />
• Qualifizierte Tätigkeit<br />
Anja Hall, AB 2.2<br />
Im Campus-File 2002 enthalten?<br />
•Nein – nur Stellung im Beruf<br />
•√ kategorial<br />
•Nein<br />
•√ indirekt<br />
®
Berufserfolg (Einkommen) <strong>von</strong> Männern und Frauen<br />
Übung 2:<br />
Erstellen Sie eine Kreuztabelle mit den Variablen Geschlecht und Einkommen (EF372).<br />
Verwenden Sie die kategorisierte Einkommensvariable den den drei Ausprägungen „bis<br />
unter 700 €“, „700 bis unter 1700 €“ und „1700 € und mehr“.<br />
Berechnen Sie Cramer‘s V sowie die Prozentsatzdifferenz für die Kategorie „1700 € und<br />
mehr“. Interpretieren Sie die Ergebnisse.<br />
Wie verändert sich der Zusammenhang unter <strong>Kontrolle</strong> der Variable „Vollzeit/ Teilzeit<br />
(EF138)?<br />
Berechnen Sie zuvor bivariate Kreuztabellen zwischen Geschlecht und der Variable<br />
„Vollzeit/ Teilzeit„ sowie zwischen der Variable „Vollzeit/ Teilzeit und Einkommen.<br />
Anja Hall, AB 2.2<br />
®
Berufserfolg (Qualifizierte Position) <strong>von</strong> Männern und Frauen<br />
Übung 3:<br />
Betrachten Sie nur Vollzeiterwerbstätige:<br />
Erstellen Sie eine Kreuztabelle mit den Variablen Geschlecht und Berufliche Position<br />
(EF372) sowie geeigneten Prozentwerten. Erstellen Sie hierzu die Berufsklassifikation nach<br />
Blossfeld mit Hilfe des SPSS-Jobs „O:\Schulungsraum_Lehre_AB22\MZ-<br />
Campusfile\blossfeld2002.sps“ und rekodieren Sie die Variable in die drei Gruppen<br />
1 "Einfache Berufe"<br />
2 "Qualifizierte Berufe"<br />
3 "Hochqualifizierte Berufe".<br />
Wie verändert sich der Zusammenhang unter <strong>Kontrolle</strong> des „höchsten<br />
Ausbildungsabschlusses“. Bilden Sie mit den Variablen EF289 und EF288 folgende<br />
Kategorien:<br />
1 „Kein BA, Anlernausbilding/Praktikum,BVJ„<br />
2 "Lehre/Berufsfachschule„<br />
3 "Meister/Technik/Fachschule„<br />
4 "FH/Hochschule/Verw.FH".<br />
Konzentrieren Sie sich bei der Interpretation auf geeignete Prozentwerte in der Tabelle.<br />
Anja Hall, AB 2.2<br />
®
Berufsaggregate: Blossfeld<br />
Gliederungselemente<br />
• Unterscheidung der beruflichen Aufgabengebiete nach den Wirtschaftssektoren<br />
Produktion, Dienstleistung und Verwaltung<br />
• Typische berufliche Qualifikation (spielt in der KldB keine Rolle!)<br />
Produktion<br />
Agrarberufe Berufe mit dominant landwirtschaftlicher Orientierung<br />
Einfache manuelle Berufe Alle manuellen Berufe, die mind.einen 60% Anteil <strong>von</strong> Ungelernten aufweisen<br />
Qualifizierte manuelle Berufe Alle manuellen Berufe, die höchstens einen 40% Anteil <strong>von</strong> Ungelernten aufweisen<br />
Techniker Alle technischen Fachkräfte<br />
Ingenieure Hochqualifizierte Fachkräfte zur Lösung naturwissenschaftlicher und technischer Probleme<br />
Dienstleistung<br />
Einfache Dienste Alle einfachen persönlichen Dienste<br />
Qualifizierte Dienste Im wesentlichen Ordnungs- und Sicherheitsberufe sowie qualifizierte Dienstleistungsberufe<br />
Semiprofessionen Dienstleistungsberufe mit Verwissenschaftlichung der Berufspositionen<br />
Professionen Freie Berufe und hochqualifizierte Dienstleistungsberufe<br />
Verwaltung<br />
Einfache kaufmännische Relativ unqualifizierte Büro- und Handelsberufe<br />
Verwaltungsberufe<br />
Qualifizierte kaufmännische Berufe mit mittleren und höheren verwaltenden und distributiven Funktionen<br />
und Verwaltungsberufe<br />
Manager Berufe, die <strong>Kontrolle</strong> u. Entscheidungsgewalt über den Einsatz <strong>von</strong> Produktionsfaktoren besitzen<br />
sowie Funktionäre in Organisationen<br />
Anja Hall, AB 2.2<br />
®
Gültig<br />
1<br />
8<br />
9<br />
Übung - Lösung<br />
Gesamt<br />
Anja Hall, AB 2.2<br />
ef288<br />
Gültige Kumulierte<br />
Häufigkeit Prozent Prozente Prozente<br />
14118 70,5 70,5 70,5<br />
4870 24,3 24,3 94,9<br />
1027 5,1 5,1 100,0<br />
20014 100,0 100,0<br />
recode ef289 (1,2=1) (3,4=2) (5,6=3)<br />
(7,8,9,10=4) into ba.<br />
if (ef288=8) ba=1.<br />
val lab ba<br />
1 "kein BA, Anlernausb./Praktikum,BVJ"<br />
2 "Lehre/Berufsfachschule"<br />
3 "Meister/Technik/Fachschule"<br />
4 "FH/Hochschule/Verw.FH".<br />
var lab ba "Beruflicher Abschluss".<br />
Gültig<br />
Fehlend<br />
Gesamt<br />
1,00 kein BA, Anlernausb./Praktikum/BVJ<br />
2,00 Lehrausb./Berufsfachschulen<br />
3,00 Meister/Technik./Fachschule<br />
4,00 FH/Hochschule/Verw.FH<br />
Gesamt<br />
System<br />
ba Beruflicher Abschluss<br />
Gültig<br />
Fehlend<br />
Gesamt<br />
1<br />
2<br />
3<br />
4<br />
5<br />
6<br />
7<br />
8<br />
9<br />
10<br />
99<br />
Gesamt<br />
System<br />
Gültige Kumulierte<br />
Häufigkeit Prozent Prozente Prozente<br />
5177 25,9 27,8 27,8<br />
9569 47,8 51,3 79,1<br />
1474 7,4 7,9 87,0<br />
2424 12,1 13,0 100,0<br />
18644 93,2 100,0<br />
1371 6,8<br />
20014 100,0<br />
temp.<br />
sel if ef30 ge 15 and ef30 le 65 .<br />
ef289<br />
Gültige Kumulierte<br />
Häufigkeit Prozent Prozente Prozente<br />
287 1,4 2,0 2,0<br />
20 ,1 ,1 2,2<br />
8944 44,7 63,4 65,5<br />
625 3,1 4,4 70,0<br />
1156 5,8 8,2 78,1<br />
317 1,6 2,2 80,4<br />
171 ,9 1,2 81,6<br />
847 4,2 6,0 87,6<br />
1241 6,2 8,8 96,4<br />
165 ,8 1,2 97,6<br />
344 1,7 2,4 100,0<br />
14118 70,5 100,0<br />
5897 29,5<br />
20014 100,0<br />
recode ef30<br />
(15 thru 30=1)<br />
(31 thru 40=2)<br />
(41 thru 50=3)<br />
(51 thru hi=4)<br />
into alter4.<br />
val lab alter4<br />
1 " 15-30"<br />
2 "31-40"<br />
3 "41-50"<br />
4 "51+".<br />
®