Daniel Lois

Forschungsmethoden und Designs in der Familiensoziologie

Der Beitrag behandelt methodische Designaspekte, die fur die Familiensoziologie von besonderer Relevanz sind. Der erste Schwerpunkt liegt auf dem sogenannten Multi-Actor-Design. Dieses zeichnet sich dadurch aus, dass unabhangige Daten zu verschiedenen Familienmitgliedern, z. B. zu beiden Partnern oder zu Eltern und ihren Kindern, erhoben werden. Der Beitrag geht auf einige methodische Probleme ein, die im Zusammenhang mit diesem Design zu beachten sind. Dazu zahlen die Zuverlassigkeit sogenannter Proxy-Interviews, Anwesenheitseff ekte bei Befragungen und spezielle Probleme bei der Befragung von Jugendlichen und alteren Menschen. Zudem werden Potentiale und praktische Schwierigkeiten einer Multi-Actor-Erhebung anhand eines empirischen Beispiels demonstriert. Der zweite Schwerpunkt des Beitrags liegt auf Quasi-Experimenten in der Familiensoziologie. Hier wird zunahst auf die Potentiale eingegangen, die Paneldaten bei der Identifizierung von kausalen Effekten bieten. Im Mittelpunkt steht dabei ein empirisches Beispiel, in dem der Effekt der Heirat auf die allgemeine Lebenszufriedenheit einerseits auf der Basis eines Querschnittdesigns und andererseits im Rahmen einer Fixed-Effects-Panelanalyse geschatzt wird. Daruber hinaus wird auf die Evaluation familienpolitischer Masnahmen und auf den faktoriellen Survey eingegangen, die ebenfalls quasi-experimentell ausgerichtet sind. Im letzten Teilabschnitt wird exemplarisch aufgezeigt, wie quantitativ-standardisierte Methoden in der Familiensoziologie durch gering standardisierte, qualitative Ansatze sinnvoll erganzt werden konnen. Eingegangen wird dabei auf qualitative Formen des Interviews, nichtstandardisierte Beobachtungsverfahren sowie die qualitative Dokumentenanalyse im Rahmen der fallrekonstruktiven Familienforschung.

Quantitative Auswertungsverfahren in der Familiensoziologie

Das Kapitel gibt einen praxisorientierten Uberblick uber ausgewahlte neuere Methodenentwicklungen in der Familienforschung, mit einem Fokus auf Ereignisanalysen und dyadischen Analyseverfahren. Im ersten Teil zur Ereignisdatenanalyse (EDA) liegt der Schwerpunkt auf zeitdiskreten Verfahren, welche fur die Modellierung von Zustandswechseln anhand von Paneldaten geeignet sind. Nach der Erlauterung zentraler Grundbegriffe der EDA werden Datenformate und Moglichkeiten der Parametrisierung von Ubergangsraten diskutiert. Anschliesend werden anhand von Beispielen spezielle Fragestellungen wie die Differenzierung von Niveauund Timingeffekten sowie der Umgang mit konkurrierenden Zielzustanden erlautert. Schlieslich werden die Implikationen einiger Besonderheiten von Paneldaten – insbesondere Linksstutzung und begrenzte Beobachtungszeitraume – geschildert. Der zweite Teil geht auf dyadische Analyseverfahren ein, die insbesondere in den vergangenen zehn Jahren entscheidend (weiter-)entwickelt worden sind. Liegen Angaben von mehr als einer Person pro Dyade oder Familie vor, sind diese Ansatze haufig angemessener als herkommliche Regressionsverfahren. Gegenseitige soziale Einflussprozesse fuhren dazu, dass (1) in der Regel eine uberzufallige (Un-)Ahnlichkeit von Merkmalen innerhalb von Familien und damit (2) soziale Interdependenz vorliegt, die in der Analyse sichtbar gemacht werden kann und sollte. Dyadische Analysen ermoglichen die simultane Modellierung von Merkmalszusammenhangen zwischen zwei oder mehreren zusammengehorigen Personen, wobei die Schatzung entweder durch Mehrebenenregression oder durch Strukturgleichungsmodelle erfolgen kann.

Zur Aufgabe der empirischen Sozialforschung und der quantitativen Datenanalyse im soziologischen Forschungsprozess

Wenn man sich die Uberschrift dieses Kapitels als neutraler Beobachter betrachtet, so kann man sich berechtigter Weise fragen, wie ein derart komplexes Thema auf einem guten Dutzend Seiten auch nur annahernd sinnvoll behandelt werden soll und kann. Selbst wenn die institutionelle Verankerung der Wissenschaftstheorie zumindest an deutschen Universitaten bedauerlicher Weise immer schwacher wird, fullt die Behandlung der angerissenen Themen mehrere Regale in entsprechenden Bibliotheken und unzahlige Seiten in Fachzeitschriften. Hierbei finden sich auch viele Diskussionen, deren tieferer Sinngehalt nicht immer nachvollziehbar ist und die haufig Wissenschaft als reines Sprachspiel erscheinen lassen (vgl. dazu als klarenden Beitrag noch einmal die immer noch eindrucksvolle Darstellung einiger dieser Argumente in Sokal/Bricmont 1999).

Ein Ausblick auf fortgeschrittene statistische Analyseverfahren

Im folgenden Kapitel werden Grundkonzepte von funf fortgeschrittenen statistischen Verfahren vorgestellt, die in den Sozialwissenschaften mittlerweile weit verbreitet sind: die Ereignisdaten-, Mehrebenen-, Panel-, Pfad- und Metaanalyse. Nach der Lekture des Kapitels sollte der Leser einschatzen konnen, bei welchen Fragestellungen das jeweilige Verfahren eingesetzt werden kann und welche Auswertungsmoglichkeiten uberhaupt zur Verfugung stehen. Was versteht man im Zusammenhang mit Ereignisdatenanalysen zum Beispiel unter den Begriffen Ubergangsrate und Uberlebensfunktion? Warum mussen bei sogenannten hierarchisch strukturierten Daten spezielle Verfahren wie die Mehrebenenanalyse eingesetzt werden? Wann ist es sinnvoll, komplexe Pfadmodelle mit mehreren abhangigen (endogenen) Variablen zu berechnen? Was versteht man unter einer Metaanalyse und welche Formen sind hier zu unterscheiden? Das Kapitel enthalt auch Hinweise auf weiterfuhrende Literatur zum jeweiligen Verfahren.

Zur Datenlage: eigene Datenerhebungen oder Sekundäranalysen?

Die selbstandige Erhebung quantitativ-empirischer Daten ist fur Studierende und selbst fur Promovierende in den Sozialwissenschaften haufig aufgrund des damit verbundenen Aufwands nicht zu empfehlen. Stattdessen ist in der Regel die Analyse bereits vorhandener Daten, die sogenannte Sekundaranalyse, eine sinnvolle Option. Im folgenden Kapitel werden deshalb einige wichtige, gros angelegte quantitativ-empirische Befragungsprojekte fur Deutschland kurz vorgestellt: die Allgemeine Bevolkerungsumfrage in den Sozialwissenschaften (ALLBUS), das Familiensurvey, das Beziehungs- und Familienpanel (pairfam), das Sozio-oekonomische Panel (SOEP), der Generations and Gender Survey (GGS) und das Bildungspanel (NEPS). Fur die jeweilige Datenquelle wird erlautert, welche Themenschwerpunkte jeweils abgedeckt werden, welche Auswertungsmoglichkeiten zur Verfugung stehen und wie der Nutzer die Daten beziehen kann.

Zur Logik der Datenanalyse: Welche Auswertungsstrategie passt am besten zu meiner Fragestellung?

Bei der Berechnung von Regressionsmodellen, gleich welcher Art, muss der Anwender eine Reihe von Entscheidungen zur Modellbildung treffen: Werden die unabhangigen Variablen alle auf einmal in das Regressionsmodell aufgenommen oder in mehreren Schritten? Sollen Interaktionseffekte im Modell berucksichtigt werden? Das folgende Kapitel beschaftigt sich mit derartigen Grundfragen zur Logik der Datenanalyse, indem drei gangige Auswertungsstrategien vorgestellt werden: das Brutto-Netto-Modell, die schrittweise (hierarchische) Regression und die Moderationsanalyse. Mit diesen Modellierungsvarianten konnen verschiedene Formen von Einflussen sogenannter Drittvariablen untersucht werden: Warum reduziert oder verstarkt sich der Einfluss einer unabhangigen Variablen X auf eine abhangige Variable Y, wenn eine Drittvariable Z in das Modell aufgenommen wird? Wie interpretiert man Interaktionseffekte in Regressionsmodellen?