Lebensgestaltung auf Haushaltsebene

nerhalb jeder Gruppe eine möglichst große Ähnlichkeit und zwischen den Gruppen eine möglichst
große Verschiedenheit erreicht wird. Diese Zuordnung kann nach einem statistischen
Modell durch die Messung der euklidischen Distanzen zwischen den Ausprägungen der
Merkmale aller Merkmalsträger und entsprechende Gruppenbildung erreicht werden. Die Entscheidung
der Forschenden ist dabei nicht auf a priori festzulegende Leitmerkmale, wie z.B.
die Haushaltsform oder das monetäre Einkommen von Haushalten, gerichtet, sondern auf die
Wahl des Verfahrens der Clusteranalyse, mit der alle messbaren Merkmale prinzipiell gleichwertig
bei der Gruppenbildung berücksichtigt werden (vgl. Steinhausen, Langer, 1977).
Für Clusteranalysen stehen mehrere Verfahren zur Verfügung, von denen mit den üblichen
sozialwissenschaftlichen Standardprogrammen, wie SPSS, insbesondere die hierarchische
Clusteranalyse und die Clusterzentrenanalyse gewählt werden. Hierarchische Clusteranalysen
generieren eine Gruppenbildung in Baumstruktur, an deren Anfang die Gesamtheit der
Merkmalsträger eine einzige Gruppe bildet. In der letzten möglichen Rechenoperation wird
jeder Merkmalsträger einem (eigenen) Cluster zugeordnet. Zwischen diesen Extremlösungen
liegt die ex post zu bestimmende optimale Zahl der Cluster, die in sich möglichst homogen
und sinnvoll zu interpretieren sind. Ein Nachteil der hierarchischen Clusteranalysen kann darin
gesehen werden, dass ein einmal gebildeter Cluster nicht mehr aufgelöst werden kann. Dagegen
wird bei der Clusterzentrenanalyse jeder Merkmalsträger in einem iterativen Prozess so
lange umgruppiert, bis eine optimale Lösung gefunden worden ist. Die Zahl der zu generierenden
Cluster wird von den Forschenden zunächst ex ante vorgegeben. Aber auch bei diesem
Verfahren entscheiden die Forschenden abschließend über die bestmögliche Lösung, d.h. die
Zahl der Cluster, die möglichst homogen sind und sinnvoll interpretiert werden können (vgl.
dazu Backhaus, Erichson, Plinke, Weiber, 2000, S. 125).
Für die hier präsentierte Clusteranalyse der Daten des NIEP ist die Clusterzentrenanalyse gewählt
worden.
3.2 Eine Lösung mit sieben Clustern von Niedrigeinkommenshaushalten
Aus den Datensätzen des NIEP wurde die Welle 5 als Datenquelle gewählt, da in dieser Welle
die größte Verfügbarkeit geeigneter Variablen gegeben ist. In diese Analyse flossen 6 metrische
und 7 ratingskalierte Variablen ein.
35