Entlockungen von Ehrlichkeit - Stochastik in der Schule

Weitere Magazine

Empfehlungen

Info

wortetP(X = 1) = πp + (1 − π)(1 − p).Nun bezeichne n die Anzahl der befragten Schülerund n 1 die Zahl der ‘Ja’-Antworten, so dass der Anteilder ‘Ja’-Antworten n 1 /n beträgt. Wenn wir dannfür die Wahrscheinlichkeit als Näherung die relativeHäufigkeit einsetzen, erhalten wirn 1n= ˆπp + (1 − ˆπ)(1 − p),wobei ˆπ der Maximum-Likelihood-Schätzer für πist. Vorausgesetzt das Experiment ist so gestaltet,dass p ≠ 0,5, dann beträgt der geschätzte Anteil vonSchülern die geschummelt habenˆπ = n 1/n + p − 1.2p − 1In obigem Beispiel beträgt die Wahrscheinlichkeit,eine Kreuzkarte zu ziehen 0,25. Falls daher zum Beispiel65 von 100 Schülerinnen und Schüler mit ‘Ja’geantwortet haben, ist ˆπ = 0,20; dieser Schätzwertewürde bedeuten, dass 20% der Schüler geschummelthaben und es im Geheimen gestanden haben.Dennoch hat keiner öffentlich irgendein Fehlverhaltengestanden.Ein zweiter, vielleicht einfacherer Zugang zu demselbenProblem ist das Zwei-Fragen-Modell, das einezweite beziehungslose Frage miteinbezieht. Wiederumwird ein Stapel Spielkarten eingesetzt, und dieSchüler werden aufgefordert, falls sie eine Kreuz-Karte ziehen, die Frage zu beantworten “Hast Dubei der Klausur geschummelt?”. Falls sie irgendeineandere Karte ziehen, beantworten sie eine harmloseFrage, die unvermeidlich mit ‘Ja’ zu beantwortenist, wie z.B. “Gehst Du zur Schule?”. Eine‘Nein’-Antwort offenbart hier unvermeidlich, dassder Schüler nicht geschummelt hat, aber das solltekeine Verlegenheit provozieren. Andererseits kannnichts aus einer ‘Ja’-Antwort gefolgert werden. Indiesem Modell können wir erwarten, dass pn Schülerdie sensible Fragen erhalten; andererseits erwartenwir, dass (1− p)n Schüler die harmlose Frage gestelltbekommen, und sie sollten sie alle mit ‘Ja’ beantworten.Bezeichnen wir mit n 1 wiederum die Zahl der‘Ja’-Antworten so folgt, dass n 1 ≥ (1− p)n. Die Differenzn 1 − (1 − p)n repräsentiert die Zahl der ‘Ja’-Antworten auf die sensible Frage. Wenn wir daherdie Differenz durch pn teilen, erhalten wirˆπ = n 1 − (1 − p)npnals geschätzten Anteil der Schummler gemäß demZwei-Fragen-Modell. Falls beispielsweise 80 von100 Schülerinnen und Schüler eine ‘Ja’-Antwort geben,erwarten wir, dass davon 30 die harmlose Fragebeantwortet haben. Das Resultat bedeutet dann, dass5 von 25 oder 20% anonym eingestehen, dass sie geschummelthaben.Andere Varianten sind auch noch möglich, wie z.B.in der gut lesbaren älteren Arbeit von Campbell &Joiner (1973) oder in jüngerer Zeit von Greenberget al. (1986) beschrieben. Hutchinson (1995) bevorzugtein Zwei-Fragen-Modell mit zwei Randomisierungen.Die meisten dieser Methoden können auf einemziemlich einfachen Niveau diskutiert werden,und Schülerinnen und Schüler finden ein Experimentierenmit diesen Methoden meist faszinierend. DieResultate der RRS-Methoden lassen sich vergleichenmit mehr konventionellen Erhebungsmethoden wiez.B. anonyme Umfragen, und die Diskussion kannsich darum drehen, welches Verfahren eher geeignetist, ehrliche Antworten zu erhalten.3 Multinomial- und diskreteVerteilungenEin allgemeineres Modell für RRS wird notwendig,wenn die Daten multinomial sind. Abuul-Ela etal. (1967) haben die RRS Methode erfolgreich aufden Fall von drei und mehr Datenklassifikationen erweitert,indem mehrere Stichproben von Befragtenausgewählt werden und dann ein Gleichungssystemgelöst wird. Unglücklicherweise wird dieser Prozesssehr komplex und unhandlich, wenn die Anzahl derKategorien weiter zunimmt. Ein einfacherer Ansatzvon Eriksson (1973) besteht im Stellen einer einzigenFrage an eine Teilstichprobe und dem Zuweisen einerKette von falschen Antworten mit bekannten Wahrscheinlichkeiten.Dieses Modell kann entweder aufmultinomiale kategoriale Daten oder diskrete quantitativeDaten angewandt werden. Wir illustrieren dasLetztere.Angenommen wir wollen die Anzahl schätzen, wieoft Schüler bei Klausuren geschummelt haben. Wiederumsetzen wir einen Stapel Spielkarten ein. JedeBildkarte (Bube, Dame oder König) repräsentierenull Vorfälle. Ein Ass stehe für einmal u.s.w. biszur 10, die zehn Vorfälle von Schummeln repräsentiere.Jeder Befragte zieht eine Karte ohne Zurücklegen.Ist die Karte ‘Kreuz’, so berichtet er odersie lediglich den dazu gehörigen Wert der Karte.Der Kürze wegen bezeichnen wir dies als ‘falschenWert’. Hat die Karte eine andere Spielfarbe, nennt18
er oder sie die tatsächliche Zahl von Vorfällen desSchummelns. Die Zahl der falschen Antworten kannals irrelevant beiseite gelegt werden. In einer Stichprobevon 52 Schülern beispielsweise würden dreieine Kreuz-Bildkarte ziehen. Daher werden drei derNull-Antworten ignoriert usw. Dieses Vorgehen liefertDaten für eine Stichprobe von 39 Schülern, ohnedass irgendeiner sein persönliches Verhalten offen legenmusste. Ein hypothetisches Beispiel ist in Tabelle1 illustriert. Das Resultat ist eine diskrete Verteilung,von der das arithmetische Mittel, Varianz undandere statistische Kennzahlen leicht errechnet werdenkönnen. Natürlich lässt sich dieses Vorgehen anjede Stichprobengröße anpassen.Würden die Karten hier mit Zurücklegen gezogen,würde man hier das Risiko eingehen, dass es Kartengibt, die von weniger als 1/52 der Befragten gezogenwerden. In diesem Fall würden wir in einigen Kategorienweniger Beobachtungen als erwartet erhalten.Diese Gefahr besteht nicht, wenn ohne Zurücklegengezogen wird, und danach die Karten verborgen ineiner Schachtel abgelegt werden, wodurch in keinerWeise der Schutz des Zufallsprozess beeinträchtigtwird.Es ist klar, dass dieses Vorgehen ebenso gut bei kategorialenDaten eingesetzt werden kann, die mehrals zwei Klassifizierungen haben wie z.B. die Vorliebenvon Wählern für drei oder mehr politische Parteien.Die Methode kann auch verwendet werden, umVerteilungen von gruppierten Daten zu erstellen. Wirkönnten beispielsweise jede Karte einen bestimmtenEinkommenszuwachs repräsentieren lassen. Berechnungen,die auf ungruppierten stetigen Daten basieren,wenden wir uns jedoch dem nächsten Abschnittzu.4 Stetige DatenDie Erweiterung von RRS auf stetige Daten geht aufGreenberg et al. (1986) zurück. Sie schlagen vor,zwei Stichproben von Personen zu befragen. MittelsZufallsmechanismus wird entschieden, ob diebefragte Person die sensible Frage, z.B. “WievielEinkommen hat Ihr Haushalt im letzten Jahr verdient?”oder eine verwandte, aber harmlose Fragewie z.B. “Wieviel Einkommen glauben Sie hat derdurchschnittliche Haushalt im letzten Jahr verdient?”beantworten soll. Der Zweck dieses Vorgehens bestehtdarin, numerische Werte zu erhalten, die nichtoffen legen, welche Frage gefragt wurde. Um zu sehen,wie das funktioniert, bezeichne p i die Wahrscheinlichkeit,dass die sensible Frage in der i-tenStichprobe gewählt wurde (i=1,2). Die Untersuchungsollte so angelegt sein, dass p 1 ≠ p 2 . Greenberg etal. (1986) empfehlen darüber hinaus eine Wahl vonp 2 = 1 − p 1 . Bezeichne jetzt X i die Antwort einerzufällig gewählten Person in Stichprobe i, und seienµ S und µ H die wahren (Populations-)Mittelwerteder sensiblen bzw. harmlosen Frage mit ˆµ S und ˆµ Hals jeweiligen Schätzwert. Die Antwort, die wir vonirgendeiner Person zu erhalten erwarten, ist ein gewichteterMittelwert des sensiblen und des harmlosenErwartungswertes. Denn für eine Person in Stichprobe1 giltE(X 1 ) = p 1 µ S + (1 − p 1 )µ Hwährend für eine Person aus Stichprobe 2E(X 2 ) = p 2 µ S + (1 − p 2 )µ H .Ersetzen wir jetzt für jede Stichprobe die ErwartungswerteE(X) mit den beobachteten MittelwertenX, und lösen anschließend die zwei Gleichungen mitzwei Unbekannten, dann erhalten wirˆµ S = (1 − p 1)X 2 − (1 − p 2 )X 1p 2 − p 1als geschätztes mittleres Einkommen. (Natürlichkann ebenso ˆµ H errechnet werden, aber dise Zahl hatkeine wirkliche Bedeutung.) Sind die Wahrscheinlichkeiten,eine sensible Frage zu erhalten in der erstenund zweiten Stichprobe 0,25 bzw. 0,75, und betragendie durchschnittlichen Antworten 54000 ¤bzw. 60000 ¤ dann beträgt das geschätzte mittlereEinkommen 63000 ¤.Wenn unglücklicherweise die Einkommensverteilungeine große Varianz hat, dann ist die zweite Fragenur eine sehr ineffiziente Verschleierung. Sie wirddie Privatsphäre der Befragten nur schlecht schützen.Befragte mit extremen Einkommen werden Verdachtschöppfen, da z.B. weder 15000 ¤ noch 300000 ¤als plausible Schätzung von irgendjemandem alsnationaler Durchschnitt angesehen werden könnte.Tatsächlich erkennen auch Greenberg et al. (1986)an, dass “Antworten an einem der Ende der Verteilung... höchstwahrscheinlich sehr sensible Antwortensind, und dies wird hellen Befragten schnell klarsein. Sie werden wahrscheinlich eine ausweichendeoder unehrliche an Stelle einer akuraten Antwort geben,die die Frage, auf die sie antworten, identifizierenwürde” (1971, S. 246). Aber dies widersprichtnatürlich dem beabsichtigten Zweck von RRS! EinAusweg dazu besteht darin, einfach eine einzige Frageüber Einkommen zu stellen, und einen Zufallsgeneratoreinzusetzen, um den Befragten in Stichprobe19
Seite 1: Entlockungen von Ehrlichkeit: Wie s

Entlockungen von Ehrlichkeit - Stochastik in der Schule

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?