230070 UE Specific Multivariate Methods of Analysis in the Social Sciences (2020S)

Quantitative Forschungsmethoden befassen sich mit der Messung und Modellierung von (sozialen) Phänomenen. Die soziale Realität ist komplex und das Quantifizieren/Messen und Analysieren/Modellieren von Phänomenen geht immer mit einer starken Vereinfachung einher. Herausforderung ist es, die Komplexität der Phänomene und der Zusammenhänge sowohl bei der Erhebung und Messung, als auch bei der Analyse quantitativer Daten so weit wie (praktisch) möglich zu berücksichtigen. Komplexe soziale Phänomene lassen sich meist nicht einfach messen und sie haben meist nicht eine einzelne Ursache. Speziell für die Analyse von Daten aus nicht-experimentellen Untersuchungen ist der Einsatz multivariater Verfahren, in denen mehrere oder auch eine Vielzahl von Variablen zur Beschreibung und Modellierung eingesetzt werden, unerlässlich.

In multiplen Regressionsanalysen werden die Effekte der einzelnen Merkmale gemeinsam und kontrolliert für den Einfluss der anderen Variablen im Modell geschätzt und getestet. Die Wahl des Regressionsverfahrens ist dabei vom Skalenniveau und der Verteilung des zu erklärenden Merkmals abhängig. Multivariate Verfahren können auch eingesetzt werden um Zusammenhänge zw. Merkmalen und Objekten zu entdecken: mittels explorativer Faktorenanalyse kann eine Menge von korrelierenden Variablen auf eine kleinere Anzahl von Faktoren verdichtet werden, was z.B. bei der Messung komplexer Phänomene mittels mehrerer Indikatoren von Nutzen ist. Mittels Clusteranalyse wiederum ist es möglich Objekte (z.B. Befragten) nach ihrer Ähnlichkeit bei einer Reihe von Merkmalen (z.B. Einstellungsdimensionen) zu Gruppen zusammenzufassen.

Durch die Anwendung von Statistiksoftware ist es sehr einfach zu Ergebnissen zu kommen - allerdings: um gültige Ergebnisse zu erhalten und diese auch korrekt interpretieren und berichten zu können, benötigen die AnwenderInnen fundiertes Wissen über die Idee, die Einsatzmöglichkeiten, die Voraussetzungen und die Rechen- und Funktionsweise der Verfahren, sowie über die Interpretierbarkeit und Interpretation der Ergebnisse, die möglichen Aussagen (und die Aussagereichweite), und jene Teile der Analyse und der Ergebnisse, die zu berichten sind, damit die KollegInnen der "scientific community" die Qualität der Untersuchung einschätzen können.

In der LV wird eine Auswahl multivariater Analyseverfahren besprochen und praktisch angewendet. Der Schwerpunkt der LV liegt auf unterschiedlichen regressionsanalytischen Verfahren (lineare, logistische Regression), deren Grundlagen und deren praktischer Anwendung. Behandelt werden weiters Hauptkomponenten- und Faktorenanalyse, sowie Reliabilitätsanalysen für die Skalierung - und, sofern dann noch Zeit bleibt, auch Grundlagen der Clusteranalyse.

Datengrundlage sind unterschiedliche, für wissenschaftliche Zwecke frei verfügbare Datensätze wie z.B. der European Social Survey (ESS). Um die Reproduzierbarkeit der Ergebnisse sicherzustellen wird, wie in der (guten) Praxis üblich, nicht mit Maus und Menü, sondern mittels Programmierung gearbeitet: so erfolgt der Vortrag anhand von Beispielen, die per Programmcode ausgeführt werden, und bei den Übungsaufgaben ist auch der entsprechende Programmcode abzugeben. Eine Einführung in diese Arbeitsweise ist Inhalt der ersten Einheiten. Die praktische Arbeit erfolgt mit der Statistiksoftware R, die im Vergleich mit anderer Statistiksoftware eine Reihe von Vorteilen aufweist, aber auch einen höheren Einarbeitungsaufwand. Die Benutzung wird im Laufe der LV an Beispielen erklärt und in Übungen und im Selbststudium außerhalb der LV-Einheiten vertieft.

Ziel der LV ist es, die TeilnehmerInnen in die Lage zu versetzen zu einer Fragestellung das jeweils passende Verfahren auszuwählen, korrekt und nachvollziehbar anzuwenden, und die Ergebnisse inhaltlich und formal korrekt sowie hinreichend genau zu berichten. Die TeilnehmerInnen sollen nach der LV auch in der Lage sein, die Anwendung der vorgestellten Verfahren in der Fachliteratur zu beurteilen