12.12.2012 Aufrufe

Profile von Senioren mit Autounfällen (PROSA)

Profile von Senioren mit Autounfällen (PROSA)

Profile von Senioren mit Autounfällen (PROSA)

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.

Unschuldig<br />

vs.<br />

Schuldig<br />

Geschlecht/<br />

Altersklassen<br />

Allgemeine<br />

(Fach)Hochschulreife<br />

Höchster Schulabschluss<br />

Realschulabschluss <br />

Hauptschulabschluss<br />

Unschuldig weiblich Altersklassen<br />

65-69 4 3 1 8<br />

Jahre<br />

Ges.<br />

70-74<br />

Jahre<br />

1 2 1 4<br />

≥ 75<br />

Jahre<br />

1 1 1 3<br />

Gesamt<br />

männlich Alters­<br />

6 6 3 15<br />

klassen 65-69<br />

Jahre<br />

9 3 3 15<br />

70-74<br />

Jahre<br />

2 1 3 6<br />

≥ 75<br />

Jahre<br />

10 4 3 17<br />

Gesamt 21 8 9 38<br />

Schuldig weiblich Altersklassen<br />

65-69<br />

Jahre<br />

4 3 1 8<br />

70-74<br />

Jahre<br />

1 2 1 4<br />

≥ 75<br />

Jahre<br />

1 1 1 3<br />

Gesamt<br />

männlich Alters­<br />

6 6 3 15<br />

klassen 65-69<br />

Jahre<br />

9 3 3 15<br />

70-74<br />

Jahre<br />

2 1 3 6<br />

≥ 75<br />

Jahre<br />

10 4 3 17<br />

Gesamt 21<br />

8 9 38<br />

Tab. 14: Matching der Gruppen Schuldig vs. Unschuldig nach<br />

Altersklassen, Geschlecht und höchstem Schulabschluss<br />

10.1 Ergebnisse des Interviews<br />

Eine Diskriminanzanalyse soll zunächst zur Überprüfung<br />

herangezogen werden, ob wesentliche erhobene<br />

Variablen des Face-to-Face-Interviews<br />

gemeinsam einen Erklärungswert besitzen, die<br />

Gruppenzugehörigkeit Schuldig vs. Unschuldig<br />

post hoc vorherzusagen. Dazu sollen folgende<br />

Faktoren herangezogen werden, die einen potentiellen<br />

Einfluss auf ein aktuelles Unfallrisiko besitzen:<br />

Anzahl aller Unfälle über die Lebensspanne<br />

(unabhängig <strong>von</strong> der Schuldfrage), kompensatorisches<br />

Verhalten, verkehrsbezogene Risikowahrnehmung<br />

und aktuelle jährliche km-Leistung, Anzahl<br />

aller Einzelerkrankungen 8 , die Anzahl der Medikamente.<br />

In der Diskriminanzanalyse müssen aufgrund fehlender<br />

Werte vier Personen ausgeschlossen werden,<br />

so dass eine Gesamtstichprobengröße <strong>von</strong><br />

8 Die Anzahl der Einzelerkrankungen berücksichtigt,<br />

dass eine Person auch zwei verschiedene Erkrankungsarten,<br />

z.B. Rheuma und Arthrose, haben kann und zählt<br />

dies nicht nur als eine Erkrankung des Bewegungsapparates.<br />

59<br />

N=106 resultiert. Es zeigt sich, dass für die gleichzeitig<br />

aufgenommenen Variablen im Einschlussverfahren<br />

keine signifikante Diskriminanzfunktion<br />

zu er<strong>mit</strong>teln ist (p=0,255). So resultieren für Wilks-<br />

Lambda ein Wert <strong>von</strong> 0,923 und eine Kanonische<br />

Korrelation <strong>von</strong> 0,277. Die eingeschlossenen<br />

Merkmalsvariablen scheinen gemeinsam also keine<br />

ausreichende Trennkraft zu besitzen, zwischen<br />

Schuldigen und Unschuldigen des Hauptunfalls zu<br />

unterscheiden.<br />

Als nächstes soll nun geprüft werden, ob sich die<br />

Gruppen der schuldigen und der unschuldigen Unfallbeteiligten<br />

hinsichtlich dieser Faktoren unterscheiden,<br />

so dass man <strong>von</strong> monokausalen Erklärungswerten<br />

einzelner Variablen ausgehen könnte.<br />

Dafür werden nicht nur die potentiell risikomodulierenden<br />

Variablen der Diskriminanzanalyse, sondern<br />

auch weitere Faktoren, die <strong>mit</strong> dem Fahrverhalten<br />

zusammenhängen und im Interview erfragt<br />

wurden, untersucht. So werden zusätzlich noch die<br />

Variablen Fahrmotivation, subjektive Beurteilung<br />

der eigenen Gesundheit, subjektive Beurteilung<br />

des Gesundheitszustandes im Vergleich zu früher<br />

<strong>mit</strong> 45 Jahren, das Selbstbild als Autofahrer, wahrgenommene<br />

Fahrverhaltensfehler der letzten drei<br />

Monate sowie die Einstellung zu obligatorischen<br />

medizinischen Fahreignungsuntersuchungen herangezogen.<br />

Ausgehend <strong>von</strong> der Bonferroni-Holm-Korrektur<br />

über alle zu testenden abhängigen Variablen im<br />

Schuldig-Unschuldig-Vergleich wird ersichtlich,<br />

dass es keinen einzigen bedeutsamen Unterschied<br />

zwischen den Gruppen gibt (siehe auch Tabelle<br />

15).<br />

Variablen Prüfgröße df Signifikanz<br />

Medikamente<br />

5,582<br />

F=<br />

1 0,020<br />

Fahrverhaltensfehler<br />

3,727<br />

F=<br />

1 0,056<br />

Risikowahrnehmung<br />

2,672<br />

F=<br />

1 0,105<br />

Einzelerkrankungen<br />

2,659<br />

F=<br />

1 0,106<br />

Subjektiver Gesundheitszustand<br />

2,301<br />

F=<br />

1 0,132<br />

Selbstbild als Autofahrer<br />

0,644<br />

F=<br />

1 0,425<br />

Einstellung bzgl. Fahreignungsüberprüfung<br />

χ 2 = 1,686 2 0,430<br />

Fahrmotivation<br />

0,581<br />

F=<br />

1 0,448<br />

Gesundheit im Vergleich zu früher F= 0,579 1 0,449<br />

Kompensation<br />

0,398<br />

F=<br />

1 0,529<br />

Unfälle lifetime<br />

0,320<br />

F=<br />

1 0,573<br />

Augenerkrankung χ 2 = 0,161 1 0,689<br />

Jährliche km-Leistung F=<br />

0,036 1 0,851<br />

Tab. 15: Prüfgrößen, Freiheitsgrade und Signifikanzen der<br />

einzelnen Variablen; keine Signifikanz unter der Bonferroni-Holm-Korrektur

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!