Evaluation der Maßnahmen zur Umsetzung der Vorschläge ... - Infas
Evaluation der Maßnahmen zur Umsetzung der Vorschläge ... - Infas
Evaluation der Maßnahmen zur Umsetzung der Vorschläge ... - Infas
- TAGS
- evaluation
- infas
- www.infas.de
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
197<br />
le wird mit steigendem Wert <strong>der</strong> unabhängigen Variablen kleiner), ein positiver Koeffizient<br />
zeigt einen positiven Zusammenhang an (<strong>der</strong> Wert <strong>der</strong> abhängigen Variable<br />
wird mit steigendem Wert <strong>der</strong> unabhängigen Variablen höher). Je größer Beta<br />
(bei positivem Zusammenhang) bzw. je kleiner Beta (bei negativem Zusammenhang),<br />
desto stärker ist <strong>der</strong> Einfluss <strong>der</strong> unabhängigen Variable auf die abhängige<br />
Variable. Die standardisierten Werte liegen dabei immer zwischen 0 und 1 bzw. 0<br />
und –1, wobei ein Beta von 1 bzw. –1 eine vollkommene, 100-prozentige Übereinstimmung<br />
anzeigt, während ein Beta von 0 anzeigt, dass die unabhängige Variable<br />
keinerlei Wirkung auf die abhängige Variable ausübt. Der p-Wert gibt die Wahrscheinlichkeit<br />
an, dass die Nullhypothese - es bestehe kein Zusammenhang zwischen<br />
zwei Merkmalen – nicht fälschlich verworfen wird. Wenn <strong>der</strong> p-Wert klein genug<br />
ist (üblicherweise wird ein Signifikanzniveau kleiner als 0,05 gewählt), wird die<br />
Nullhypothese abgelehnt und <strong>der</strong> beobachtete Effekt als statistisch signifikant bezeichnet.<br />
Die unabhängigen Merkmale wurden z.T. als Indikatorvariablen aufbereitet („dummysiert“),<br />
d.h. es wurden 0/1 kodierte Variablen jeweils für die einzelnen Merkmalsausprägungen<br />
gebildet. Eine dieser Dummyvariablen wird dann als sog. Referenzkategorie<br />
(Bezugsgruppe) nicht in das Modell aufgenommen. Bei den Indikatorvariablen<br />
ist die Stärke des Zusammenhangs (<strong>der</strong> Wert <strong>der</strong> Beta-Koeffizienten)<br />
immer im Verhältnis <strong>zur</strong> jeweiligen dargestellten Referenzkategorie zu interpretieren.<br />
Die Regression auf Dummy-Variablen erlaubt es zum einen, kategoriale Merkmale<br />
in das Modell aufzunehmen. Zum an<strong>der</strong>en können intervallskalierten Merkmale<br />
wie beispielsweise das Alter kategorisiert werden, was wie<strong>der</strong>um den Vorteil hat,<br />
dass keine lineare Beziehung zwischen dem jeweiligen Merkmal und <strong>der</strong> abhängigen<br />
Variable unterstellt werden muss.<br />
So wurde beispielsweise das Alter bei <strong>der</strong> Wahrnehmung <strong>der</strong> BA als mo<strong>der</strong>ner<br />
Dienstleister in fünf Altersgruppen (18-24 Jahre, 25-34 Jahre, 35-44 Jahre, 45-54<br />
Jahre und 55-64 Jahre) kategorisiert und die 18- bis 24-Jährigen als Referenzkategorie<br />
gewählt. Für die älteren Altersgruppen ergeben sich statistisch signifikante<br />
Nettoeffekte (p < 0.05), die durchgängig negativ sind. In allen älteren Altersgruppen<br />
wird die BA also im Vergleich zu den 18- bis 24-Jährigen seltener als mo<strong>der</strong>ner<br />
Dienstleister wahrgenommen. Es handelt sich aber offenbar nicht um einen linearen<br />
Effekt, bei dem die Stärke des negativen Zusammenhangs mit dem Alter zunehmen<br />
würde. Vielmehr zeigt sich, dass in <strong>der</strong> Altersgruppe <strong>der</strong> 45- bis 54-Jährigen <strong>der</strong><br />
Wert des Dienstleistungswahrnehmungsindexes am niedrigsten ist (ß = -0,13) und<br />
dann in <strong>der</strong> höchsten Altersgruppen wie<strong>der</strong> ansteigt (55-64 Jahre: ß = -0,09).<br />
In den Tabellen ist zudem das adjustierte R 2 für die Modelle wie<strong>der</strong>gegeben. Dieses<br />
Maß gibt an, wie viel <strong>der</strong> gesamten Variabilität <strong>der</strong> abhängigen Variablen durch das