Browsing by Author "Krause, Thomas"

Now showing 1 - 5 of 5

Open Access
Die Angst vor dem Fremden : ein Vignettenexperiment zur Bedrohungswahrnehmung : Ergebnisse eines studentischen Projektseminars.
(Stuttgart : Universität Stuttgart, Institut für Sozialwissenschaften, Abt. f. Soziologie u. empirische Sozialforschung, 2017) Geisler, Alexander; Möck, Alexandra; Nell, Rebecca; Wiechmann, Svenja; Krause, Thomas
Dieser Arbeitsbericht fasst die Ergebnisse eines Vignettenexperiments zu Bedrohungswahrnehmungen in Alltagssituationen zusammen, das im Rahmen eines studentischen Forschungsprojekts durchgeführt wurde. Es wird der Frage nachgegangen, ob zugeschriebene äußere Charakteristika (z. B.Ethnizität und Geschlecht) von Fremdgruppen die Bedrohungswahrnehmung beeinflussen und ob diese Einflussbeziehung in Abhängigkeit von Kontextbedingungen oder in Abhängigkeit von Befragtenmerkmalen variiert. Die analysierten Daten basieren auf einer Primärerhebung einer studentischen Stichprobe im Rahmen einer Online-Befragung. Die dabei gewonnenen Daten werden anhand eines statistischen Mehrebenenmodells ausgewertet. Im Ergebnis zeigt sich, dass die aufgestellten Hypothesen bestätigt werden können, wobei jedoch weitere, nicht erhobene Einflussgrößen die Bedrohungswahrnehmung determinieren.
Open Access
Informationskriterien zur latenten Klassenidentifikation für Multiple Indicator Growth Mixture Models
(Stuttgart : Universität Stuttgart, Institut für Sozialwissenschaften, Abt. f. Soziologie u. empirische Sozialforschung, 2019) Krause, Thomas
In dieser Arbeit werden Informationskriterien für die Klassenidentifikation im Rahmen von Multiple Indicator Growth Mixture Modellen evaluiert. Diese Identifikation von latenten Verlaufsklassen wird unter den Simulationsbedingungen von fehlender Invarianz der Messung und unterschiedlichen Klassendistanzen bewertet. Die dabei verwendeten Daten basieren auf einer Monte-Carlo-Simulationsstudie. Dieses Paper erweitert bisherige Ergebnisse dahingehend, dass ein breiteres Spektrum an IC-Indizes evaluiert wird. Dabei werden alle bisher vorgeschlagenen IC-Maße auf ihre Fähigkeit zur Klassenidentifikation untersucht und mit neueren Vorschlägen in Bezug gesetzt. Darunter auch der Hierarchical BIC, welcher die latente Klassenstruktur explizit bei seiner Berechnung berücksichtigt. Die Auswertungen der Simulationsergebnisse zeigen, dass der Hierarchical BIC eine gänzlich andere Indentifikationsstruktur aufweist als alle anderen betrachten IC-Indizes und besonders bei geringer Distanz zwischen den Verlaufsklassen vergleichsweise gute Ergebnisse liefert.
Open Access
Machine Learning basierte Response Style Identifikation: eine simulations-statistische Pilotstudie
(Stuttgart : Universität Stuttgart, Institut für Sozialwissenschaften, Abt. f. Soziologie u. empirische Sozialforschung, 2020) Krause, Thomas
Response Styles stellen eine Herausforderung für die empirische Surveyforschung dar. Antwortverhalten, welches nicht mit dem Inhalt der Frage assoziiert ist, kann nicht nur Anteils- und Durchschnittswerte beeinflussen, sondern auch modellbasierte Parameterschätzung verzerren. In dieser Pilotstudie soll der Frage nachgegangen werden, ob sich über Machine Learning Verfahren ein empirisch basierter Ansatz zu einheitlichen Identifikation von den gängigsten Response Style Mustern konstruieren lässt. Dies soll aufwändige Kontrollverfahren, welche jeweils nur einzelne Muster finden können oder mit erheblichem Mehraufwand verbunden sind, ersetzen und somit eine universellere und praxistauglichere Option zu bisherigen Ansätzen darstellen. Der hier dargelegte Ansatz basiert auf der Kalibrierung des ML-Verfahrens anhand von synthetisierten Daten, welche der formalen Definition von Response Styles (RS) entsprechen und einem Anteil von empirischen Daten (European Social Survey), welche nicht von RS betroffen sind. Das hierauf trainierte Modell kann auf empirisch erhobene Daten angewendet werden, um RS-Muster in Survey-Daten zuverlässig entdecken und bearbeiten zu können. Die Ergebnisse der Studie legen mit Fehlerklassifikationsraten von 0.3 bis 3.5 % den ML-Ansatz als eine vielversprechende Alternative zu bisherigen Verfahren nahe.
Open Access
Multiple Indicator Growth Mixture Models: eine statistische Simulation zur Performanzevaluation für sozialwissenschaftliche Analysen
(2019) Krause, Thomas; Urban, Dieter (Prof. Dr.)
Multiple Indicator Growth Mixture Modelle (MIGMM) kombinieren die Konstruktionsprinzipien von latenten Messmodellen, Wachstumskurvenmodellen und der latenten Klassenanalyse. MIGMMs sind somit analytische Werkzeuge für die empirische Sozialforschung, welche es ermöglichen eine Post-hoc-Identifikation und Beschreibung von Gruppenunterschieden hinsichtlich des zeitlichen Wandels durchzuführen und gleichzeitig die Messungen als latente Konstrukte zu berücksichtigen. Durch die Identifikation von unbeobachteten Subpopulationen lassen sich soziale Veränderungsprozesse und deren Unterschiede zwischen und innerhalb der unbeobachteten Subpopulationen untersuchen. Während einfache Growth Mixture Modelle schon anhand von zahlreichen Monte Carlo Studien evaluiert wurden, steht eine systematische Analyse der Leistungsfähigkeit von Multiple-Indicator-GMMs noch weitestgehend aus. Diese Simulationsstudie zielt darauf ab, die Performanz von MIGMMs unter verschiedenen Datensituationen systematisch zu evaluieren, wobei insbesondere zeitliche, gruppenspezifische und kombinierte Invarianzverletzungen der latenten Messmodelle im Fokus sind. Dazu wurden folgende Bedingungen manipuliert: Messinvarianz der latenten Konstrukte, Klassendistanz, Klassenanteilsverhältnisse und die Fallzahl. Es zeigt sich, dass insbesondere die Klassendistanz zwischen den latenten Verlaufsgruppen sowie die Verletzungen der Messinvarianz zwischen den latenten Gruppen einen Einfluss auf die Performanz von MIGMMs hinsichtlich Klassenidentifikation, Koeffizienten-Schätzungen und der Standardfehlerschätzungen haben. Auf Grundlage dieser Ergebnisse wird empfohlen, MIGMMs ausschließlich bei großen und klaren Unterschieden der Verlaufsmuster und nur für latente Konstrukte mit bereits etablierter Zuverlässigkeit hinsichtlich Gruppendifferenzen einzusetzen. Die Ergebnisse dieser Untersuchung sollen dazu dienen, die Forschungspraxis der empirischen Sozialforschung anzuleiten und Empfehlungen zum Einsatz dieser neuen Analysewerkzeuge für längsschnittliche Untersuchungen zu geben.
Open Access
Panelanalyse mit Mehrebenenmodellen : eine anwendungsorientierte Einführung
(2013) Krause, Thomas; Urban, Dieter
Dieser Beitrag beschreibt, wie Mehrebenenmodelle zur Längsschnittanalyse mit Panel-Daten eingesetzt werden können. Besondere Aufmerksamkeit wird dabei sog. Hybridmodellierungen geschenkt, welche einige Vorteile von Fixed-Effect- und Random-Effects-Panelregressionen miteinander kombinieren. Es werden grundlegende Konzepte von Mehrebenenanalyse (MLA) und Panelanalyse vorgestellt, aber auch Besonderheiten wie z.B. die Variablenzentrierung in Längsschnittuntersuchungen verdeutlicht. Der konkrete Analyseablauf einer solchen Analyse wird schrittweise anhand eines Beispiels mit den Daten des Sozio-oekonomischen Panels und der SPSS-MIXED-Software aufgezeigt. Jede/-r Sozialforscher/-in sollte nach der Lektüre dieses Beitrags dazu befähigt sein, seine/ihre erste eigene Längsschnittanalyse unter Zuhilfenahme einer Mehrebenenmodellierung durchzuführen.