Fortgeschrittene Regressionsverfahren und ihre Anwendung auf die Analyse kriminologischer Dunkelfelddaten

Bei der Analyse von Daten aus Dunkelfeldbefragungen ist man oft mit der Tatsache konfrontiert, dass die lineare Regression (OLS) auf Grund der Beschaffenheit der Daten nicht angewendet werden kann. Dies ist der Fall, wenn die abhängige Variable nicht metrisch sondern nur nominalskaliert ist, wie etwa die Angabe, ob eine Person in einem bestimmten Zeitraum Täter geworden ist. Auch kann die abhängige Variable sehr stark von der Normalverteilung abweichen, dies trifft beispielweise auf die Häufigkeit der Täterschaft zu. Darüber hinaus kann eine hierarchische Datenstruktur vorliegen, d.h., die Befragten sind Teil von übergeordneten Kontexten, etwa Schüler in Schulklassen. Im Rahmen des Seminars sollen Regressionsverfahren (logistische Regression, Zähldatenmodelle, Multilevelanalysen) vorgestellt werden, die diese Komplikation bei der Analyse berücksichtigen und unverzerrte Schätzer liefern. Die Verfahren sollen von den Studierenden am Beispiel kriminologischer Fragestellungen im Hinblick auf die Erklärung von Täter- und Opferschaft eingeübt werden. Den Ausgangspunkt des methodischen Teils bildet eine Einführung in die fortgeschrittenen Regressionsverfahren und deren Einübung/ Anwendung in STATA. Daran schließt sich eine Diskussion der zentralen kriminologischen Theorien zur Erklärung abweichenden Verhaltens an. Die Studierenden sollen nach einer Einübung der Verfahren und der Diskussion der kriminologischen Grundlagen in der Lage sein, eigene kriminalsoziologische Fragestellungen an den Daten (Befragung von Schülern zu Viktimisierung und abweichendem Verhalten) zu untersuchen. Daneben liegt ein Schwerpunkt des Seminars auch auf der praktischen Arbeit mit STATA (Skalenbildung, Grafiken, Tabellen) und der adäquaten mündlichen und schriftlichen Präsentation der Forschungsergebnisse. Dadurch sollen vertiefende Kenntnisse im Hinblick auf die Erstellung von Abschlussarbeiten mit quantitativen Daten erworben werden. Grundlegende Kenntnisse in Statistik und in SPSS oder STATA sind erforderlich. Best, H., & Wolf, C. (2010). Logistische Regression. In C. Wolf & H. Best (Hrsg.), Handbuch der sozialwissenschaftlichen Datenanalyse (S. 827–854). Wiesbaden: VS Verlag. Eifler, S. (2002): Kriminalsoziologie. Bielefeld: Transcript Verlag. Kohler, U. & Kreuter, F. (2008). Datenanalyse mit STATA. Allgemeine Konzepte der Datenanalyse und ihre praktische Anwendung (3. Auflage). München/Wien: Oldenbourg Verlag. Snijders, T. A. B., & Bosker, R. J. (2012). Multilevel Analysis. An Introduction to Basic and Advanced Multilevel Modeling (2. Edition.). London: Sage. Windzio, M. (2013). Regressionsmodelle für Zustände und Ereignisse. Eine Einführung. Wiesbaden: VS Verlag. Hanslmaier, Michael, Dr. Universität Hannover SoSe 2015 Bergmann Marie Christine