Fachgruppe für Methoden und Evaluation - Universität Bamberg

Fr., 23.09., Klassifikationen, 16.10-16.30 Uhr, Kapelle M3/126N (K)
Clusteranalyse oder Latent-Class-Analyse? Ein Vergleich der Verfahren
am Beispiel von Alkoholkonsummustern Jugendlicher in Europa
Astrid-Britta Bräker
Stefan Huber
Renate Soellner
Universität Hildesheim
Institut für Psychologie
Marienburger Platz 22
31141 Hildesheim
braeker@uni-hildesheim.de
Hintergrund: Jugendliche trinken heute nicht nur früher Alkohol,
ihr Konsum nimmt auch immer exzessivere Ausmaße
an. Im Rahmen des von der Europäischen Kommission
finanzierten Projektes Alcohol Abuse among Adolescents
in Europe (AAA-Prevent) wird eine Teilstichprobe der International
Self-Report Study of Delinquency (ISRD-2) von
57.771 zwölf- bis sechszehnjährigen Jugendlichen aus 25
europäischen Ländern erneut analysiert. Ziel ist es, den Alkoholkonsum
der Siebt- bis Neuntklässler über die Länder
hinweg zu beschreiben, Faktoren für riskanten Konsum sowohl
auf individueller als auch auf Länderebene zu identifizieren
und deren Einfluss auf den Alkoholkonsum zwischen
den Ländern zu vergleichen, um schließlich effektive Präventionsstrategien zu empfehlen.
Um nicht über einzelne Konsumvariablen, sondern über Konsummuster Aussagen
treffen zu können, sollen Konsumentenprofile aufgedeckt werden.
Methode: Zur Identifikation von Konsummustern wurden einerseits Clusteranalysen
(Ward, k-means), andererseits latente Profil-Analysen als Variante der Latent-Class-
Analyse durchgeführt. Hierbei wurden Angaben hinsichtlich der Häufigkeit und Menge
des Bier-, Wein- und Spirituosenkonsums von insgesamt N = 27.653 Jugendlichen im
Alter von 12 bis 16 Jahren einbezogen, die in ihrem Leben bereits Alkohol getrunken
haben. Beide Methoden und ihre Befunde werden beschrieben, miteinander verglichen
und diskutiert.
Ergebnisse: Mithilfe von Clusteranalysen in SPSS 18.0 konnten folgende vier Konsumentengruppen
identifiziert werden: 1. sehr selten und sehr wenig Konsumierende
(73.6%), 2. moderat häufig und moderat viel Konsumierende (19.9%), 3. moderat häufig
und sehr viel Konsumierende (3.8%) und 4. sehr häufig und moderat viel Konsumierende
(2.7%). Diese Lösung wird verglichen mit den Ergebnissen unterschiedlich restriktiver
konfirmatorischer Latent-Profile Analysen, die mit MPlus 5.1 ermittelt wurden. Hier
kann die Lösung der CA bei vorgegebenen Antwortmustern repliziert werden und stellt
mit einem Entropy-Wert von .90 eine zufriedenstellende Klassifikation dar, obwohl der
explorative Vergleich verschiedener Modelle ohne Parameter-Vorgaben eine Sechs-
Klassen-Lösung nahe legt. Diese Lösung ist jedoch schwer interpretierbar und zeigt
deutlich ungleich verteilte Klassengrößen (0.2 – 89%).
Diskussion: Trotz der aktuellen Popularität der latenten Klassen- bzw. Profile-Analyse
scheint das explorative Verfahren der Clusteranalyse für die hier angestrebte Fragestellung
eine inhaltlich besser interpretierbare Lösung bereit zu stellen. Implikationen für die
weitere Anwendung der Methoden werden besprochen.
90