Mehrdimensionale Kreuztabellenanalyse Kontrolle von ... - BiBB

Lehrveranstaltung „Empirische Forschung und Politikberatung“
der Universität Bonn, WS 2007/2008
Anja Hall,
Mehrdimensionale Kreuztabellenanalyse
Kontrolle von Drittvariablen
Bundesinstitut für Berufsbildung,
21. Dezember 2007
AB 2.2: „Qualifikation, berufliche Integration und Erwerbstätigkeit“
®

Kausalzusammenhang, Kausalität
Kausalität (Grund, Ursache) bezeichnet die Beziehung zwischen Ursachen und Wirkungen.
In Hypothesen werden kausale Verknüpfungen zwischen zwei Variablen in Form eines
Ursache-Wirkungs-Verhältnisses postuliert.
"Kausalität an sich" ist nicht beobachtbar bzw. prüfbar. In der Forschungspraxis wird die
Beziehung zwischen einer Ursache und der Wirkung daher als kausal interpretiert, wenn
folgende Kriterien erfüllt sind (nach Lazarsfeld):
• Zwischen zwei Variablen X und Y besteht ein statistischer Zusammenhang
• X geht Y zeitlich voraus.
• Der Zusammenhang zwischen X und Y verschwindet nicht, wenn Drittvariablen, die X
und Y zeitlich vorausgehen, kontrolliert werden.
Y - Abhängige Variable (AV): diejenige Variable, deren Ausprägungen durch eine oder
mehrere andere Variablen erklärt oder vorhergesagt werden sollen.
X - Unabhängige Variable (UV): diejenige(n) Variable(n), aus deren Werten die
Ausprägungen einer o. mehrerer anderer Variablen erklärt o. vorhergesagt werden sollen.
Der Ausdruck AV oder UV ist relativ zu einem gegebenen Modell zu sehen; eine Variable, die
in einem Modell als AV fungiert, kann in einem anderen Modell eine UV sein
Anja Hall, AB 2.2
®

Scheinkorrelation
Die Scheinkorrelation zwischen zwei Variablen ist eine Korrelation, die nur durch das
Einwirken einer dritten nicht bekannten Variable entsteht.
Es besteht also kein echter Zusammenhang zwischen den Variablen, obwohl sich
mathematisch ein hoher Korrelationskoeffizient ergibt.
Beispiele:
Es besteht eine positive Korrelation zw. der Anzahl der bei einem Brand eingesetzten
Feuerwehrleute (X) und der Höhe des Brandschadens (Y). Soll man bei einem Brand
besser auf einen Notruf bei der Feuerwehr verzichten? – Drittvariable (Z) =???
Mit dem Aussterben der Störche sind auch die Geburtenzahlen gefallen. Die
Geburtenrate korreliert also positiv mit der Anzahl der Störche - Drittvariable=???
X Y X Y z als Drittvariable
Anja Hall, AB 2.2
Z
Unfallhäufigkeit mit PKW: Frauen verursachen weniger Unfälle - Drittvariable=???
X Y X Z Y z als intervenierende Variable
®

Erwerbsbeteiligung von Männern und Frauen
Übung 1:
Erstellen Sie die Kreuztabelle mit den Variablen Geschlecht und
Erwerbsbeteiligung (Ef504) . Verwenden Sie die Dummy-Variable „Erwerbstätig“
(Ja vs. Nein). Beschränken Sie die Analyse auf Personen im Alter von 15-65 Jahre.
Berechnen Sie eine Kreuztabelle mit den Variablen Geschlecht und
Erwerbsbeteiligung unter Kontrolle der Variable Ef585 (Kinder unter 18 Jahren
im HH).
Bilden Sie eine neue Variable „Kinder“ (Keine Kinder, 1 Kind, 2 Kinder und mehr).
Beschränken Sie die Analyse auf Personen bis 40 Jahre.
Warum ist diese Altersbeschränkung sinnvoll? Berechnen Sie hierzu die Tabellen
für Personen bis 65 Jahre und vergleichen Sie diese Ergebnisse.
Hinweis: Da sich alle nachfolgenden Analysen auf Personen im Alter von 15-65
Jahren Beziehen, verwenden Sie bitte den Datensatz
O:\Schulungsraum_Lehre_AB22\MZ-Campusfile\CP 2002_nur15-65 Jahre.sav .
Anja Hall, AB 2.2
®

Interaktionseffekt
Gemeinsamer Effekt zweier Variablen auf die untersuchte abhängige Variable,
d.h. die Wirkung einer Variablen variiert mit den Ausprägungen der anderen
Variablen.
Z.B. wenn ein zuvor festgestellter Zusammenhang nur in einer Teilgruppe zu
beobachten ist.
Beispiele:
Der Tendenz nach führt in den meisten (modernen) Gesellschaften die Geburt
eines Kindes zur Verringerung des Umfangs der Erwerbstätigkeit von Frauen,
während bei den Männern keine oder sogar eine gegenläufige Wirkung
(Steigerung) festzustellen ist.
Modelltechnisch - Interaktionseffket = das Produkt der beiden interagierenden Variablen
Spezialfall: quadratischer Effekt einer Variablen, d.h. Interaktion einer Variablen mit sich
selbst, Bsp. Alter2.
Anja Hall, AB 2.2
®

Operationalisierung von Berufserfolg
Unter O. versteht man die (möglichst genaue) Angabe der Vorgehensweise (eben der
"Operationen"), mit der ein Merkmal erhoben werden soll.
Bei einer Befragung versteht man unter O. z.B. die genaue Frageformulierung mitsamt
den Antwortvorgaben.
Genau genommen würde zur O. auch noch die Anweisung an den Interviewer gehören,
die Frage vorzulesen und die Antworten aufzunehmen; soweit dies sich aus dem
Kontext von selbst ergibt, ist der etwas ungenaue Sprachgebrauch unproblematisch.
Beispiel 1: Wie kann man soziale Schicht operationalisieren?
Beispiel 2: Wie kann man Berufserfolg operationalisieren?
• Stellung im Betrieb
• Nettoeinkommen
• Niveauadäquanz
• Qualifizierte Tätigkeit
Anja Hall, AB 2.2
Im Campus-File 2002 enthalten?
•Nein – nur Stellung im Beruf
•√ kategorial
•Nein
•√ indirekt
®

Berufserfolg (Einkommen) von Männern und Frauen
Übung 2:
Erstellen Sie eine Kreuztabelle mit den Variablen Geschlecht und Einkommen (EF372).
Verwenden Sie die kategorisierte Einkommensvariable den den drei Ausprägungen „bis
unter 700 €“, „700 bis unter 1700 €“ und „1700 € und mehr“.
Berechnen Sie Cramer‘s V sowie die Prozentsatzdifferenz für die Kategorie „1700 € und
mehr“. Interpretieren Sie die Ergebnisse.
Wie verändert sich der Zusammenhang unter Kontrolle der Variable „Vollzeit/ Teilzeit
(EF138)?
Berechnen Sie zuvor bivariate Kreuztabellen zwischen Geschlecht und der Variable
„Vollzeit/ Teilzeit„ sowie zwischen der Variable „Vollzeit/ Teilzeit und Einkommen.
Anja Hall, AB 2.2
®

Berufserfolg (Qualifizierte Position) von Männern und Frauen
Übung 3:
Betrachten Sie nur Vollzeiterwerbstätige:
Erstellen Sie eine Kreuztabelle mit den Variablen Geschlecht und Berufliche Position
(EF372) sowie geeigneten Prozentwerten. Erstellen Sie hierzu die Berufsklassifikation nach
Blossfeld mit Hilfe des SPSS-Jobs „O:\Schulungsraum_Lehre_AB22\MZ-
Campusfile\blossfeld2002.sps“ und rekodieren Sie die Variable in die drei Gruppen
1 "Einfache Berufe"
2 "Qualifizierte Berufe"
3 "Hochqualifizierte Berufe".
Wie verändert sich der Zusammenhang unter Kontrolle des „höchsten
Ausbildungsabschlusses“. Bilden Sie mit den Variablen EF289 und EF288 folgende
Kategorien:
1 „Kein BA, Anlernausbilding/Praktikum,BVJ„
2 "Lehre/Berufsfachschule„
3 "Meister/Technik/Fachschule„
4 "FH/Hochschule/Verw.FH".
Konzentrieren Sie sich bei der Interpretation auf geeignete Prozentwerte in der Tabelle.
Anja Hall, AB 2.2
®

Berufsaggregate: Blossfeld
Gliederungselemente
• Unterscheidung der beruflichen Aufgabengebiete nach den Wirtschaftssektoren
Produktion, Dienstleistung und Verwaltung
• Typische berufliche Qualifikation (spielt in der KldB keine Rolle!)
Produktion
Agrarberufe Berufe mit dominant landwirtschaftlicher Orientierung
Einfache manuelle Berufe Alle manuellen Berufe, die mind.einen 60% Anteil von Ungelernten aufweisen
Qualifizierte manuelle Berufe Alle manuellen Berufe, die höchstens einen 40% Anteil von Ungelernten aufweisen
Techniker Alle technischen Fachkräfte
Ingenieure Hochqualifizierte Fachkräfte zur Lösung naturwissenschaftlicher und technischer Probleme
Dienstleistung
Einfache Dienste Alle einfachen persönlichen Dienste
Qualifizierte Dienste Im wesentlichen Ordnungs- und Sicherheitsberufe sowie qualifizierte Dienstleistungsberufe
Semiprofessionen Dienstleistungsberufe mit Verwissenschaftlichung der Berufspositionen
Professionen Freie Berufe und hochqualifizierte Dienstleistungsberufe
Verwaltung
Einfache kaufmännische Relativ unqualifizierte Büro- und Handelsberufe
Verwaltungsberufe
Qualifizierte kaufmännische Berufe mit mittleren und höheren verwaltenden und distributiven Funktionen
und Verwaltungsberufe
Manager Berufe, die Kontrolle u. Entscheidungsgewalt über den Einsatz von Produktionsfaktoren besitzen
sowie Funktionäre in Organisationen
Anja Hall, AB 2.2
®

Gültig
1
8
9
Übung - Lösung
Gesamt
Anja Hall, AB 2.2
ef288
Gültige Kumulierte
Häufigkeit Prozent Prozente Prozente
14118 70,5 70,5 70,5
4870 24,3 24,3 94,9
1027 5,1 5,1 100,0
20014 100,0 100,0
recode ef289 (1,2=1) (3,4=2) (5,6=3)
(7,8,9,10=4) into ba.
if (ef288=8) ba=1.
val lab ba
1 "kein BA, Anlernausb./Praktikum,BVJ"
2 "Lehre/Berufsfachschule"
3 "Meister/Technik/Fachschule"
4 "FH/Hochschule/Verw.FH".
var lab ba "Beruflicher Abschluss".
Gültig
Fehlend
Gesamt
1,00 kein BA, Anlernausb./Praktikum/BVJ
2,00 Lehrausb./Berufsfachschulen
3,00 Meister/Technik./Fachschule
4,00 FH/Hochschule/Verw.FH
Gesamt
System
ba Beruflicher Abschluss
Gültig
Fehlend
Gesamt
1
2
3
4
5
6
7
8
9
10
99
Gesamt
System
Gültige Kumulierte
Häufigkeit Prozent Prozente Prozente
5177 25,9 27,8 27,8
9569 47,8 51,3 79,1
1474 7,4 7,9 87,0
2424 12,1 13,0 100,0
18644 93,2 100,0
1371 6,8
20014 100,0
temp.
sel if ef30 ge 15 and ef30 le 65 .
ef289
Gültige Kumulierte
Häufigkeit Prozent Prozente Prozente
287 1,4 2,0 2,0
20 ,1 ,1 2,2
8944 44,7 63,4 65,5
625 3,1 4,4 70,0
1156 5,8 8,2 78,1
317 1,6 2,2 80,4
171 ,9 1,2 81,6
847 4,2 6,0 87,6
1241 6,2 8,8 96,4
165 ,8 1,2 97,6
344 1,7 2,4 100,0
14118 70,5 100,0
5897 29,5
20014 100,0
recode ef30
(15 thru 30=1)
(31 thru 40=2)
(41 thru 50=3)
(51 thru hi=4)
into alter4.
val lab alter4
1 " 15-30"
2 "31-40"
3 "41-50"
4 "51+".
®