Anwendungsseminar: Kausale Modellbildung

1. Anwendungsseminar: Kausale Modellbildung Datenanalyse mittels Effect Lite Projekt: Schulbasierte Einflüsse auf die soziale (In-)Toleranz von Jugendlichen Antje Arnold Karolin Rohrberg

2. Gliederung Hypothesen in Effect Lite unser Datensatz 3. Berechnung mit Effect Lite 4. Zusammenfassung

3. Effect Lite Erinnerung: Was kann man damit analysieren? Vorteile?

4. Hypothesen in Effect Lite a) dichotomes treatment Regressionsgleichung: daraus ergibt sich: Hypothese 1:

5. KG EG a) dichotomes treatment - Hypothese 1: • Ho: keine Unterschiede zwischen KG und EG bzgl. outcome

6. b) dichotomes treatment + dichotome Kovariate Regressionsgleichung: Hypothese 1: Hypothese 2: Hypothese 3:

7. KG EG b) - Hypothese 1: z =1 wahrer Effekt z =2 • Ho: keine Unterschiede zwischen KG und EG bzgl. outcome • wahrer Effekt ist 0

8. KG EG b) - Hypothese 2: . . z =1 z =2 • Ho: keine Unterschiede in den Kovariate-Ausprägungenin KG bzgl. outcome • d.h. es gibt keine Unterschiede von vorn herein (ohne treatment )

9. KG EG b) - Hypothese 3: z =1 • Interaktion z =2 • Ho: kein Interaktionseffekt zwischen Kovariate und treatment bzgl. outcome • d.h. in beiden Bedingungen wirkt treatment gleich

10. 2. unser Datensatz Quelle: Abteilung Pädagogische Psychologie Projekt: Schulbasierte Einflüsse auf die soziale (In-)Toleranz von Jugendlichen Ethik Teilstudie Untersuchungsgegenstand: explizite Erfassung von Vorurteilen bei Schülern treatment: Unterrichtseinheit „Urteilen“ im Ethikunterricht (Teil des Lehrplans)

11. 2. unser Datensatz • Gymnasium: 121 • Regelschule: 52 • EG: 81 • KG: 92 • Erhebung zu 2 Zeitpunkten N = 173 männlich: 91 weiblich: 82 Alter: 13 –16 JahreÆ13,9 Jahre Klasse 8

12. erhobene Konstrukte politische Einstellungen  Intoleranz  Toleranz  SDO  politische Partizipationsbereitschaft .... individuelle Variablen  Motivation zur Vorurteilsvermeidung  Empathie  Perspektivenübernahme  Offenheit .... Schulvariablen  Klassenklima  Strenge  Leistungsdruck  Ethikunterricht ...

13. relevante Konstrukte Intoleranz besteht aus 6 Items z.B. „Ausländer sollten grundsätzlich ihre Ehepartner unter ihren eigenen Landsleuten auswählen.“ „Zuwanderer erhöhen die Kriminalitätsrate.“ 4 stufige Ratingskala Bildung des MW (z_intol) korrekte Identifikation von Vorurteilen 6 Aussagen ja/nein z.B. „Im Allgemeinen haben Professoren mehr Bücher.“ „Im Allgemeinen sind Professoren vergesslicher.“  Summenscore gebildet (z_vu_jn )

14. 3. Berechnung a) mit Effect Lite Ho: Es gibt keine Unterschiede zwischen KG und EG bzgl. Intoleranz dichotomes treatment: UnterrichtKG = 0EG = 1 outcome:Intoleranz-Wert zu T2 Kovariate: ----

15. Berechnung a) mit Effect Lite  dichotomes treatment, ohne Kovariate

16. Berechnung a) mit Effect Lite

17. Berechnung a) mit Effect Lite Hypothese 1: p-Wert: 0.7033  nicht signifikant  kein Unterschied zwischen EG und KG hinsichtlich Intoleranz

18. Berechnung a) mit Effect Lite korrekte Identifikation von Vorurteilen

19. Berechnung b) mit Effect Lite dichotomestreatment: Unterricht outcome:Intoleranz-Wert zu T2 Kovariate:Geschlecht

20. b) - Hypothesen Hypothese 1 - Ho: Es gibt keine Unterschiede zwischen der KG und der EG hinsichtlich der Intoleranz. Hypothese 2 – Ho: Es gibt keine Unterschiede zwischen Mädchen und Jungs (Kovariate = Geschlecht) in der KG bzgl. Intoleranz. Hypothese 3 – Ho: Es gibt keinen Interaktionseffekt zwischen Geschlecht (Kovariate) und Unterricht (treatment) bzgl. Intoleranz.

21. Berechnung b) mit Effect Lite

22. Berechnung b) mit Effect Lite Ho 1: wahrer Effekt = 0  bestätigt Ho 2: keine Unterschiede zwischen Jungs und Mädchen in KG bzgl. Intoleranz  bestätigt Ho 3: keine Interaktion zwischen Geschlecht und treatment bzgl. Intoleranz  bestätigt

23. KG EG Berechnung b) mit Effect Lite z =1  Mädchen z =0  Jungs

24. Berechnung b) mit Effect Lite

25. Berechnung b) mit Effect Lite g0(z) = 2.277 – 0.046 z g1-0(z) =0.064 – 0.085 z

26. Berechnung b) mit Effect Lite Kovariate: Schultyp: Gymnasium – Regelschule keine signifikanten Ergebnisse

27. Berechnung b) mit Effect Lite • outcome: korrekte Identifikation der Vorurteile • Kovariate: Geschlecht • Ho 3: signifikantes Ergebnis • d.h. Interaktion zwischen Geschlecht und treatment bzgl. Identifikation

28. KG EG Berechnung b) mit Effect Lite z =1  Mädchen z =0  Jungs

29. Berechnung b) mit Effect Lite Koeffizient ist positiv  Mädchen (z=1) zeigen bessere Ergebnisse in EG, d.h. sie profitieren stärker als Jungs (z=0)

30. Berechnung b) mit Effect Lite • outcome: korrekte Identifikation der Vorurteile • Kovariate: Schultyp • Ho 2: Tendenz, dass es Gruppenunterschiede zwischen Schultyp bzgl. Identifikation in der KG gibt

31. Berechnung b) mit Effect Lite Koeffizient ist positiv  Gymnasiasten (z=1) zeigen höhere Werte bzgl. der Identifikation ggü. Regelschülern (z=0) in der KG

32. KG EG Berechnung b) mit Effect Lite . z =1  Gymnasium . z =0  Regelschule

33. 4. Zusammenfassung keine signifikanten Effekte des treatments bezogen auf Intoleranz und korrekte Identifikation der Vorurteile Intoleranz: keine Signifikanz bei Betrachtung der Kovariaten Geschlecht keine Unterschiede und Veränderung bei Jungs und Mädchen Schultyp keine Unterschiede und Veränderungen bei Gymnasiasten und Regelschülern

34. 4. Zusammenfassung korrekte Identifikation von Vorurteilen: Geschlecht: signifikante Interaktion  Mädchen können nach dem Training Vorurteile besser identifizieren Schultyp: Tendenz zu Unterschieden in KG  Gymnasiasten haben höhere Identifikationswerte als Regelschüler Gründe: .....

35. Danke für Eure Aufmerksamkeit !!!