STATISTIK-FORUM.de

[lc1810]

Für meine Bachelorarbeit möchte ich untersuchen ob und inwiefern sich der Zusammenhang zwischen (rechts-)populistischer Ideologie europäischer Parteien und einer Anti-Haltung ggü. Frauenrechten, persönlichen Freiheiten (bspw. Scheidung) und bestimmten „Lebensweisen“ (bspw. Homosexualität), der qualitativ anhand vieler Beispiele schon belegt wurde, auch quantitativ nachweisen lässt. Zudem ist für mich noch interessant, wie groß der Effekt der Variablen der populistischen Ideologie und der Position auf dem politischen Spektrum (r/l) von Parteien jeweils auf die drei genannten Variablen ist. Inhaltlich hat meine Betreuerin das Thema schon durchgewunken. Ich stehe jetzt vor der Aufgabe, die für die Prüfung dieses Zusammenhangs korrekte statistische Methode zu finden.

Folgende Variablen UV/AV sind für mich also relevant:
Unabhängige Variablen: Populistische Ideologie, Position auf politischen Spektrum
Abhängige Variablen: Frauenrechte, persönliche Freiheiten, „Lebensweise“

Wahrscheinlich kommen noch einige Kontrollvariablen hinzu, ich bin mir aber noch nicht sicher welche.
Da es sich bei den abhängigen Variablen um Proxy-Variablen für ein Überthema handelt und diese nicht einfach zu einem Index zusammenführbar sind, soll ich für jede abhängige Variable ein einzelnes Modell „bauen“, hätte also immer mind. zwei unabhängige und eine abhängige Variablen.

Die zwei, von mir zu einem zusammengelegten, Datensätze sind aus „Expert Surveys“ entstanden, in denen politikwissenschaftliche Experten ihre Einschätzungen zu ideologischen Fragen, Einstellungen zu Policy etc. von Parteien abgeben (CHES2019, GPS). Der Datensatz umfasst also >200 Parteien, die jeweils Variablen zu den genannten Themen (populistische Ideologie, Frauenrechte etc) enthalten. Die Werte dieser Variablen stellen den Durchschnitt der Einschätzungen der Experten auf einer 0-10 Skala zu den verschiedenen Themen dar. Also bspw.: "Wie würden sie Partei xy auf dem politischen Spektrum einordnen? 0 linksextrem / 10 rechtsextrem". Die für mich relevanten Variablen wurden alle auf einer 0-10 Skala erfasst und somit (quasi-)metrisch skaliert.

Jetzt handelt es sich bei dem beschriebenen Datensatz ja um keine Zufallsstichprobe (?), da zum einen die befragten Politikwissenschaftler gezielt ausgewählt wurden und zum anderen nur zu den in Parlamenten vertretenen europäischen Parteien befragt wurden.

Mein ursprünglicher Plan, den geschilderten Zusammenhang mit einer Multiple Linearen Regression zu prüfen, müsste dadurch nicht durchführbar sein, oder?
Deshalb meine Frage: Welche Art der Regressionsanalyse eignet sich für mein Thema bzw. die beschriebenen Daten?
Oder eignet sich eine Regressionsanalyse überhaupt? Vielleicht eine Mehrebenenanalyse --> Ebene 1: Partei / Ebene 2: Land?

Ich danke euch jetzt schon mal fürs Lesen und würde mich sehr freuen, wenn jemand eine Idee hat oder mir weiterhelfen könnte!

Liebe Grüße
Leonard

[PonderStibbons]

Die Parteien sind länderweise geclustert, weswegen eine multilevel Regression in der Tat naheliegt.
Du solltest die Wechselwirkung Ausrichtung*Populismus überlegen hineinzunehmen.

Mit freundlichen Grüßen

PonderStibbons

[lc1810]

Danke vielmals für die schnelle Antwort!

In der Schätzung von Kovarianzparametern in SPSS kam heraus, dass die Länderebene nicht statistisch signifikant zur Varianzaufklärung der jeweils abhängigen Variable/ Kriteriumsvariable beiträgt. (p-Werte: 0,86; 0,287; 0,053)

Ich habe hier mal den SPSS Output für eine Abhängige Variable angehängt, ich hoff ich habe ihn richtig interpretiert. (ISO=Ländercode)
Sorry wegen der Formatierung, konnte keine Dateien anhängen.

Schätzungen von Kovarianzparametern (a)
Parameter: Schätzer / Std.-Fehler / Wald Z / Sig.
Residuum: 4.839858 / .492338 / 9.830 / .000
Konstanter Term [Subjekt = ISO] Varianz: .260667 / .244907 / 1.064 / .287
a Abhängige Variable: Issues: Party favors (0) or opposes (10) women's rights.


Könnte man als davon sprechen, dass die Daten zwar geclustert bzw gruppiert sind, dies jedoch keinen statistisch signifikanten Effekt hat und sich dadurch eine Weiterentwicklung des Mehrebenenmodells erübrigt? Obwohl sich im Datensatz zwei Ebenen (Partei+Land) befinden? Und könnte ich mit meinem ursprünglichen Plan der multiplen linearen Regressionsanalyse damit fortschreiten, auch wenn der Datensatz formell gesehen keine Zufallsstichprobe darstellt?

Beste Grüße
Leonard