www.wikidata.de-de.nina.az

Hierarchisch strukturierte Daten In der Statistik und in den Wirtschaftswissenschaften spricht man von hierarchisch stru

Hierarchisch strukturierte Daten

In der Statistik und in den Wirtschaftswissenschaften spricht man von hierarchisch strukturierten Daten (oder genesteten Daten; englisch nested data) wenn die Beobachtungen eines Datensatzes sich hierarchisch übergeordneten Einheiten zuordnen lassen. Solche Hierarchie-Zusammenhänge können mehrstufig sein.

Für die Analyse genesteter Daten sind spezielle Verfahren notwendig, die diese Datenstruktur berücksichtigen. Beispiele sind die Paneldatenanalyse und Mehrebenenanalyse. Auch robuste Schätzungen, die diese Datenstruktur berücksichtigen, werden angewandt.

Allgemeines Bearbeiten

In der Soziologie wird Wert darauf gelegt, dass soziales Handeln nicht nur von individuellen Merkmalen wie Geschlecht, Bildung oder Persönlichkeit abhängt, sondern auch vom sozialen Kontext, in den der Akteur eingebettet ist. Liegen Kontext-Informationen in sozialwissenschaftlichen Datensätzen vor, handelt es sich um hierarchisch strukturierte Daten. Von einer hierarchischen Datenstruktur wird ausgegangen, wenn sowohl Elemente der Mikroebene (Mikrodaten) jeweils genau einem Element der Makroebene (Makrodaten) zugeordnet sind als auch die Makroebene sich ausschließlich aus Elementen der Mikroebene zusammensetzt. Diese hierarchischen Datenstrukturen können mit der Mehrebenenanalyse ausgewertet werden.

Einteilung Bearbeiten

Je nach Fachgebiet können unter anderem folgende Mikro- und Makroebenen unterschieden werden:

Der einzelne Schüler gehört zur Mikroebene, seine Schulklasse zur Mesoebene und die Schule zur Makroebene. Besteht beispielsweise ein Datensatz aus Schülern und enthält Informationen zu den Schulen, so würde eine Schätzung, welche die genestete Struktur der Daten nicht berücksichtigt, die Streuung der Merkmale unterschätzen. Durch Berücksichtigung der genesteten Struktur wird die Schätzungenauigkeit berücksichtigt.

Beispiele Bearbeiten

Hierarchisch strukturierte Daten gibt es in den Sozialwissenschaften sehr häufig. So bilden einzelne Schüler die Mikroebene, darüber sind die Schulen als Makroebene angesiedelt. Unter dieser Voraussetzung lässt sich beispielsweise die Schulnote im Schulzeugnis eines einzelnen Schülers (Mikrodaten) zu einer Durchschnittsnote in der gesamten Schule, in einem Bundesland und in Deutschland (Makrodaten) aggregieren. Auf diese Weise ergibt sich beispielsweise der Abiturdurchschnitt, der für ein Studium an einer Universität von Bedeutung ist.

Die Analyse hierarchisch strukturierter Daten anhand einer einfachen Regression ohne Berücksichtigung der Mehrebenenstruktur ist statistisch und interpretatorisch oft problematisch.

Siehe auch Bearbeiten

Literatur Bearbeiten

  • M. K. Anand, S. Bowers, T. McPhillips, B. Ludäscher: Efficient provenance storage over nested data collections. In: Proceedings of the 12th International Conference on Extending Database Technology: Advances in Database Technology. ACM, New York, März 2009, S. 958–969.
  • A. Kawaguchi, D. Lieuwen, I. Mumick, K. Ross: Implementing incremental view maintenance in nested data models. In: Database Programming Languages. Springer, Berlin/ Heidelberg, August 1997, S. 202–221.
  • K. F. Widaman: Hierarchically nested covariance structure models for multitrait-multimethod data. In: Applied Psychological Measurement. 9(1), 1985, S. 1–26.

Einzelnachweise Bearbeiten

  1. Ita G. G. Kreft: Multilevel models for hierarchically nested data: Potential applications in substance abuse prevention research, in: NIDA research monograph 142, 1994, S. 140 ff.
  2. Georg Rudinger: Analyse von Daten aus Längsschnittstudien: Eine Einführung, in: Forschung und Beratung-das Zentrum für Evaluation und Methoden 3, 2009, S. 285.
  3. Giorgio A. Tasca/Vanessa Illing/Anthony S. Joyce/John S. Ogrodniczuk: Three-level multilevel growth models for nested change data: A guide for group treatment researchers in: Psychotherapy Research 19(4-5), 2009, S. 453–461.
  4. Johannes Kopp/Daniel Lois, Sozialwissenschaftliche Datenanalyse, 2012, S. 191
  5. Andreas Herz, Strukturen transnationaler sozialer Unterstützung, 2012, S. 200
  6. Cornelia Gräsel: I Was ist Empirische Bildungsforschung?, in: Empirische Bildungsforschung. Springer Fachmedien, Wiesbaden, 2015, S. 15–30.
  7. Cornelia Frings, Soziales Vertrauen, 2010, S. 241
  8. in NRW zählen die Halbjahresnoten aus Grundkursen einfach, Halbjahresnoten aus Leistungskursen doppelt und aus Abiturprüfungen fünffach
  9. Irene Corvacho del Toro, Fachwissen von Grundschullehrkräften: Effekt auf die Rechtschreibleistung von Grundschülern, 2013, S. 189
wikipedia, wiki, deutsches, deutschland, buch, bücher, bibliothek artikel lesen, herunterladen kostenlos kostenloser herunterladen, MP3, Video, MP4, 3GP, JPG, JPEG, GIF, PNG, Bild, Musik, Lied, Film, Buch, Spiel, Spiele
Veröffentlichungsdatum:
In der Statistik und in den Wirtschaftswissenschaften spricht man von hierarchisch strukturierten Daten oder genesteten Daten englisch nested data wenn die Beobachtungen eines Datensatzes sich hierarchisch ubergeordneten Einheiten zuordnen lassen Solche Hierarchie Zusammenhange konnen mehrstufig sein 1 Fur die Analyse genesteter Daten sind spezielle Verfahren notwendig die diese Datenstruktur berucksichtigen Beispiele sind die Paneldatenanalyse und Mehrebenenanalyse 2 3 Auch robuste Schatzungen die diese Datenstruktur berucksichtigen werden angewandt Inhaltsverzeichnis 1 Allgemeines 2 Einteilung 3 Beispiele 4 Siehe auch 5 Literatur 6 EinzelnachweiseAllgemeines BearbeitenIn der Soziologie wird Wert darauf gelegt dass soziales Handeln nicht nur von individuellen Merkmalen wie Geschlecht Bildung oder Personlichkeit abhangt sondern auch vom sozialen Kontext in den der Akteur eingebettet ist 4 Liegen Kontext Informationen in sozialwissenschaftlichen Datensatzen vor handelt es sich um hierarchisch strukturierte Daten Von einer hierarchischen Datenstruktur wird ausgegangen wenn sowohl Elemente der Mikroebene Mikrodaten jeweils genau einem Element der Makroebene Makrodaten zugeordnet sind als auch die Makroebene sich ausschliesslich aus Elementen der Mikroebene zusammensetzt 5 Diese hierarchischen Datenstrukturen konnen mit der Mehrebenenanalyse ausgewertet werden Einteilung BearbeitenJe nach Fachgebiet konnen unter anderem folgende Mikro und Makroebenen unterschieden werden Fachgebiet Mikroebene MakroebeneBildungswesen Schuler SchuleDemografie Person Migrant Einwohnerzahl MigrationFinanzanalyse Aktienanalyse einer Aktie Kreditanalyse eines Kredits Portfolioanalyse Aktienmarkt Analyse eines KreditportfoliosSoziologie Individuum Gruppe Bevolkerung SchichtWirtschaft Beschaftigter Arbeitsentgelt Guter Arbeitsmarkt Volkseinkommen Gutermarkt WeltmarktDer einzelne Schuler gehort zur Mikroebene seine Schulklasse zur Mesoebene und die Schule zur Makroebene Besteht beispielsweise ein Datensatz aus Schulern und enthalt Informationen zu den Schulen so wurde eine Schatzung welche die genestete Struktur der Daten nicht berucksichtigt die Streuung der Merkmale unterschatzen Durch Berucksichtigung der genesteten Struktur wird die Schatzungenauigkeit berucksichtigt 6 Beispiele BearbeitenHierarchisch strukturierte Daten gibt es in den Sozialwissenschaften sehr haufig 7 So bilden einzelne Schuler die Mikroebene daruber sind die Schulen als Makroebene angesiedelt Unter dieser Voraussetzung lasst sich beispielsweise die Schulnote im Schulzeugnis eines einzelnen Schulers Mikrodaten zu einer Durchschnittsnote in der gesamten Schule in einem Bundesland und in Deutschland Makrodaten aggregieren Auf diese Weise ergibt sich beispielsweise der Abiturdurchschnitt 8 der fur ein Studium an einer Universitat von Bedeutung ist Die Analyse hierarchisch strukturierter Daten anhand einer einfachen Regression ohne Berucksichtigung der Mehrebenenstruktur ist statistisch und interpretatorisch oft problematisch 9 Siehe auch BearbeitenHierarchisches Datenbankmodell Gepoolte DatenLiteratur BearbeitenM K Anand S Bowers T McPhillips B Ludascher Efficient provenance storage over nested data collections In Proceedings of the 12th International Conference on Extending Database Technology Advances in Database Technology ACM New York Marz 2009 S 958 969 A Kawaguchi D Lieuwen I Mumick K Ross Implementing incremental view maintenance in nested data models In Database Programming Languages Springer Berlin Heidelberg August 1997 S 202 221 K F Widaman Hierarchically nested covariance structure models for multitrait multimethod data In Applied Psychological Measurement 9 1 1985 S 1 26 Einzelnachweise Bearbeiten Ita G G Kreft Multilevel models for hierarchically nested data Potential applications in substance abuse prevention research in NIDA research monograph 142 1994 S 140 ff Georg Rudinger Analyse von Daten aus Langsschnittstudien Eine Einfuhrung in Forschung und Beratung das Zentrum fur Evaluation und Methoden 3 2009 S 285 Giorgio A Tasca Vanessa Illing Anthony S Joyce John S Ogrodniczuk Three level multilevel growth models for nested change data A guide for group treatment researchers in Psychotherapy Research 19 4 5 2009 S 453 461 Johannes Kopp Daniel Lois Sozialwissenschaftliche Datenanalyse 2012 S 191 Andreas Herz Strukturen transnationaler sozialer Unterstutzung 2012 S 200 Cornelia Grasel I Was ist Empirische Bildungsforschung in Empirische Bildungsforschung Springer Fachmedien Wiesbaden 2015 S 15 30 Cornelia Frings Soziales Vertrauen 2010 S 241 in NRW zahlen die Halbjahresnoten aus Grundkursen einfach Halbjahresnoten aus Leistungskursen doppelt und aus Abiturprufungen funffach Irene Corvacho del Toro Fachwissen von Grundschullehrkraften Effekt auf die Rechtschreibleistung von Grundschulern 2013 S 189 Abgerufen von https de wikipedia org w index php title Hierarchisch strukturierte Daten amp oldid 228842788