18.07.2013 Aufrufe

Wiener Gesundheits- und Sozialsurvey Vienna Health and Social ...

Wiener Gesundheits- und Sozialsurvey Vienna Health and Social ...

Wiener Gesundheits- und Sozialsurvey Vienna Health and Social ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

I. THEORIE, STICHPROBE, METHODEN Datenanalyse/Methoden<br />

1.3 Statistisch-epidemiologische Datenanalyse − Methoden<br />

1.3.1 Epidemiologische Datenanalyse<br />

Bei Erhebungen in einfacher Zufallsauswahl entstehen<br />

in der Regel systematische Ausfälle, welche die Repräsentativität<br />

der Stichprobe bisweilen erheblich beeinträchtigen.<br />

Dies kann im Extremfall bis zur Wertlosigkeit<br />

einer Erhebung gehen. Sofern die Stichprobenverzerrung<br />

nicht zu gravierend ist, ermöglicht jedoch<br />

eine Gewichtung der Daten die nachträgliche rechnerische<br />

Herstellung einer befriedigenden Repräsentativität<br />

der Auswertungsergebnisse.<br />

In allen durchgeführten Auswertungen wurden die erhobenen<br />

Daten zur Erzielung von weitgehender Repräsentativität<br />

der Ergebnisse statistisch gewichtet.<br />

Dies war notwendig, da die Rohdaten der Erhebung in<br />

den meisten soziodemographischen Variablen leichte<br />

bis moderate Abweichungen von den tatsächlichen<br />

Verteilungen in der <strong>Wiener</strong> Bevölkerung aufwiesen.<br />

Die Gewichtung erfolgte unter Verwendung der aktuellsten<br />

Mikrozensusdaten vom 2. Quartal 2000 (MZ<br />

2000/2) <strong>und</strong> passt die Merkmale Geschlecht, Alter,<br />

Schulbildung, Teilnahme am Erwerbsleben, Staatsbürgerschaft,<br />

Bezirk, Haushaltsgröße <strong>und</strong> Familienst<strong>and</strong><br />

an dessen „SOLL“-Verteilungen an.<br />

Um den Einfluss von statistischen Störvariablen, insbesondere<br />

der Variablen Geschlecht <strong>und</strong> Alter, auszuschließen,<br />

wählten wir als vorrangige statistische Methode<br />

die Stratifizierung nach diesen Variablen. Dies<br />

ist bei ausreichender Fallzahl die Korrekturmethode<br />

der Wahl, da sie vergleichsweise die meiste Information<br />

liefert <strong>und</strong> keinerlei einschränkende Zusatzannahmen<br />

benötigt. Alle statistischen Analysen wurden nach<br />

Geschlecht stratifiziert, wo sinnvoll <strong>und</strong> möglich auch<br />

nach Altersgruppen. Bei der komplexen Modellbildung<br />

wurden die Effekte der Störvariablen mittels Verfahren<br />

der Regressionsanalyse korrigiert.<br />

1.3.2 Generierung der <strong>Ges<strong>und</strong>heits</strong>indikatoren<br />

In diesem Survey wurden, mittels persönlicher Interviews<br />

oder Fragenkomplexe, so genannte Skalen erhoben,<br />

die aus mehreren inhaltlich eindeutig zusammengehörigen<br />

Einzelfragen bestehen. Diese Fragenkomple-<br />

58<br />

xe wurden zu so genannten Indikatoren zusammengefasst,<br />

die es erlauben, Ges<strong>und</strong>heit <strong>und</strong> damit verb<strong>und</strong>ene<br />

Einflussgrößen zu erfassen <strong>und</strong> die dazu<br />

herangezogen werden können, <strong>Ges<strong>und</strong>heits</strong>zustände<br />

in vielfältigster Art zu beschreiben.<br />

Um Indikatoren zu bilden, wurden die hypothetisch zu<br />

Skalen zusammengestellten Items auf interne Konsistenz<br />

(Cronbach's Alpha) geprüft. Interne Konsistenzen<br />

mit α>0.50 wurden noch als angemessen akzeptiert.<br />

Waren das inhaltliche Konstrukt plausibel <strong>und</strong> die internen<br />

Konsistenzen statistisch für die jeweilige Dimension<br />

akzeptabel, wurden die Indikatoren additiv<br />

gebildet. Der sich ergebende Wert wurde durch die Anzahl<br />

der verwendeten Items dividiert, um so eine bessere<br />

Einschätzung im Verhältnis zur Einzelskala zu gewährleisten.<br />

Einige Indikatoren wurden a priori als Summenindizes<br />

gebildet, d. h. es wurden eindeutig zusammengehörige<br />

Quantitäten aufsummiert: z. B. ergibt die Anzahl der<br />

chronischen Krankheiten den dazugehörigen Summenindikator.<br />

1.3.3 Regressionsanalysen − Modellbildung<br />

Die gebildeten Indikatoren <strong>und</strong> die komplexen Modellbildungen<br />

wurden unter Verwendung linearer Regressionsmodelle<br />

analysiert <strong>und</strong> auf ihre Anpassungsgüte<br />

überprüft. In allen Regressionsmodellen wurde nach<br />

dem Alter (in Jahren), dem Einkommen <strong>und</strong> der Bildung<br />

korrigiert <strong>und</strong> nach Geschlecht stratifiziert. Zur<br />

Einschätzung der durch die Prädiktoren aufgeklärten<br />

Varianz einer Zielvariablen wird bei allen Regressionsmodellen<br />

der R 2 -Wert angegeben. Je kleiner der R 2 -Wert<br />

ist, desto kleiner ist in der Regel die Anzahl der signifikanten<br />

Prädiktoren <strong>und</strong> um so weniger wird die Zielvariable<br />

durch die untersuchten Prädiktoren „erklärt“, d. h.<br />

um so weniger kann sie auf die Prädiktoren (in Form eines<br />

linearen Zusammenhanges) zurückgeführt werden.<br />

Die Gültigkeit der Schätzwerte der Regressionsparameter<br />

wird durch Angabe der Signifikanzen beurteilt.<br />

Die berechneten <strong>und</strong> statistisch abgesicherten<br />

Zusammenhänge zwischen den Prädiktoren <strong>und</strong> den<br />

WIENER GESUNDHEITS- UND SOZIALSURVEY

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!