Beschreibung der statistischen Werkzeuge

Möchte man quantitative Daten statistisch Auswerten, reicht es nicht aus, diese lediglich theoretisch zu begründen, zu operationalisieren und schließlich zu erheben. Um jegliche Aussagen über einen empirischen Sachverhalt generieren zu können, ist es zudem notwendig, die erhobenen Daten korrekt und planmäßig zu verarbeiten. Dabei wurde in der vorliegenden Arbeit so vorgegangen, dass die retournierten und in diesem Sinne auch validen Fragebögen manuell in eine neu angelegte SPSS-Datei übertragen wurden. Dabei wurde so vorgegangen,

dass jene Items²⁸, die eine fünfstufige Merkmalsskala aufweisen mit den Zahlen 1 bis 5 codiert wurden, wobei R=1 die geringste und R=5 die größte Zustimmung zum entsprechenden Item darstellt. Je nach Höhe des R-Wertes eines Probanden bzw. einer Probandin zu einem Item wurde die entsprechende Zahl in SPSS bei der entsprechenden Variable bzw. Item eingetragen.

Dieser Vorgang wurde sodann für alle Bögen und Items wiederholt, bis letztlich sämtliche Ergebnisse für jeden Bogen in SPSS eingetragen waren. In Bezug auf Items, die als Mehrfachantworten ausgelegt waren, konnte nicht mit der Ordinalskala vorgegangen werden, sondern wie dies bei dichotomen Variablen üblich, musste auf die Nominalskala zurückgegriffen werden.²⁹ Demzufolge wurde bei Mehrfachantwortfragen so vorgegangen, dass stellvertretend in SPSS für jedes dieser Items sämtliche damit verbundene Antwortmöglichkeiten angelegt wurden, unabhängig davon, ob diese Antworten dann tatsächlich angekreuzt wurden. Diese Antworten wurden in SPSS demnach dichotom angelegt, wobei ein gegebenes Kreuz bei einer Antwortkategorie mit 1 (Ja) und kein Kreuz mit 2 (Nein) codiert wurde. Items, bei denen keine vorgefertigten Antwortmöglichkeiten vorgegeben waren, konnten von den Befragten eigenständig ausgefüllt werden. Auf der Grundlage dieser Operationalisierungs-bedingungen konnten dann in einem nächsten Schritt die entsprechenden Korrelations- und Rechenoperationen durchgeführt werden, um die gestellten Fragen zu beantworten.

Da es sich bei den Merkmalsausprägungen wie in der hier vorliegenden Arbeit, wie bereits erwähnt, neben den dichotomen Variablen (Ja/Nein) überwiegend um ordinal-skalierte Merkmale (R=1 bis R=5) handelt (also Werte, die sich hierarchisch nur durch ihren Rang voneinander unterscheiden lassen, aber in ihrer Stärke, im Sinne von Intervallen keine nennbaren Ausprägungen aufweisen)³⁰, kann demnach zur Korrelationsrechnung auch nicht wie allgemein üblich der Bravais-pearson-Koeffizient herangezogen werden. Dieser Korrelationskoeffizient fordert nämlich die Bedingungen, dass für „die beiden kardinalskalierten Merkmale X und Y […] weder alle xi – Werte noch alle yi – Werte gleich“³¹ (Bamberg et al. 2011: 33) sind, sowohl benötigt man zur Berechnung dieses Koeffizienten das

28All jene Items, die als Aussagen formuliert wurden, denen die Proband_innen von R= 1 (Stimme gar nicht zu) bis R=5 (Stimme völlig zu), ihre entsprechende Zustimmung erteilen mussten.

29Vgl. Bamberg et al. ebd.

30Die Ordinalskala findet allgemein Anwendung bei Rangfolgen, wie zum Beispiel bei Schulnoten, wo eine 1 besser ist als eine 2, jedoch nichts bekannt ist über den Abstand zwischen diesen beiden Werten. Dahingegen kann mit der Intervallskala zwar ein Abstand zwischen den Werten genau gemessen werden, dabei gibt es aber keinen absoluten Nullpunkt. Zum Beispiel kann beim Intelligenzquotienten ein Abstand zwischen den Werten gemessen werden, jedoch gibt es nur einen relativen Nullpunkt, da kein Mensch einen IQ von 0 hat.

31xi bzw. yi sind alle gesammelten Daten, die zu der jeweiligen Variabel erhoben wurden. Dabei stellt (i) einen Platzhalter für den entsprechenden Wert dar. Waren zum Beispiel bei einer Befragung 50 Personen beteiligt würden diese Werte fortlaufend festgehalten werden bis für x alle Werte eingetragen wurden.

arithmetische Mittel. Auch dieses lässt sich für ordinal-skalierte Daten nur bedingt bestimmen.

Daher ist es notwendig, dass man in diesem Falle auf den Spearman-Rangkorrelationskoeffizienten zurückgreift. Günter Bamberg et al. halten in diesem Zusammenhang fest: „Der Rangkorrelationskoeffizient von Spearman basiert statt auf den direkten Merkmalsausprägungen xi bzw. yi auf den zugeordneten Rangnummern Ri bzw. R´i. Ist beispielsweise x5 die größte Ausprägung, so wird R5 = 1 gesetzt; dem zweitgrößten x – Wert wird die Rangnummer 2 zugeordnet usw.“ (Hervorhebung im Original, ebd.: 35). Dabei erhält der Wert, der am ehesten auf die einzelne Aussage zutrifft, den höchsten Rang. Durch eine mathematische Umformung des Bravais-Pearson-Rangkorrelationskoeffizienten auf die statistischen Bedürfnisse bzw. Notwendigkeiten ordinal-skalierter Merkmale erhält man schließlich einen „auf die „pseudokardinalen“ Ausprägungen Ri bzw. R´i angewandte[n]

Bravais-Pearson-korrelationskoeffizient“ (ebd.: 36). Wobei steigende Werte auf der x – bzw. y – Achse als positive Korrelation (+1), steigende x – aber fallende y – Werte als negative Korrelation (-1) und „Wolkenbildung“ als schwache Korrelation zu interpretieren sind. Für den Spearman-Rangkorrelationskoeffizienten gilt wie für den Bravais-Pearson-Korrelationskoeffizienten auch -1 =< rsp =< +1. Das bedeutet, dass sich die Korrelation je nach Ausprägung zwischen -1 und +1 befinden muss.

Darüber hinaus wird in der vorliegenden Arbeit vor allem mit Häufigkeitstabellen gearbeitet, mit denen eine prozentuelle Verteilung der Merkmale erhoben werden kann. Auch wenn sich für ordinal-skalierte Daten zwar ein Mittelwert erheben lässt, muss an dieser Stelle erwähnt werden, dass auf Grund des Fehlens von messbaren Abständen zwischen diesen Rängen häufig auf den Median als Lageparameter zurückgegriffen wird. (siehe Bamberg et al, 2011). Dennoch soll der Mittelwert für die hier vorliegende Forschung zum Einsatz kommen.

Und zwar dort, wo es darum geht, statistisch zu überprüfen, um welchen Wert sich die meisten gegebenen Antworten zum jeweiligen Item verteilen und wie weit sich diese Antworten um diesen Mittelwert streuen. Auch wenn diese Vorgehensweise im strengen Sinne die Regeln der Statistik überspannt, können aus den Mittelwerten dennoch interessante und aussagekräftige Ergebnisse geschlossen werden. Zudem sollen einige der statistischen Berechnungen mittels Kreuztabellen erfolgen. Dieses statistische Werkzeug kommt vor allem dort zum Einsatz, wo es darum geht, das gemeinsame Auftreten zweier Merkmale zu überprüfen.³²

32Möchte im Sinne der Forschung zum Beispiel überprüft werden, ob sich bei jenen Proband_innen, die in Bezug auf ein bestimmtes Merkmal hohe Ausprägungen aufweisen auch in Bezug auf ein anderes Merkmal entsprechend hohe Werte finden lassen können, kann dies mit Hilfe der Kreuztabelle sichtbar gemacht werden.

8 Präsentation der Ergebnisse

Die Anzahl der insgesamt ausgesendeten Fragebögen betrug n= 309. Dabei wurden nur Familien ausgewählt, die sich in einem derzeit aktiven Betreuungsverhältnis befanden.

Familien, die sich am Beginn oder Abschluss einer Betreuung befanden, wurden von Seiten der HPF vorab aus der Befragung ausgespart. Dies macht insofern Sinn, als dass sich dadurch eine homogenere Gruppe an Proband_innen ergibt, die ihre Antworten in diesem Sinne auf Erfahrungswerte, die aus der Zusammenarbeit mit der HPF entstanden sind, stützen können.

Die Zahl der insgesamt retournierten Fragebögen betrug mit dem Stichtag der Beendigung der Erhebung n1= 120³³ oder 38,83 % aller ausgesandten Bögen. Davon mussten 3 (2,5 %) aus der Auswertung ausgeschlossen werden, da diese entweder gar nicht ausgefüllt wurden oder die Betreuungsperson beim Ausfüllen geholfen hat. Damit bleibt eine Gesamtzahl von 117 Bögen, auf deren Grundlage die Auswertung erfolgte. Dabei gilt jedoch zu beachten, dass auch bei den gültigen Bögen einige Fragen bzw. Items zum Teil nicht angekreuzt oder nur unvollständig ausgefüllt wurden. Im Folgenden werden die einzelnen Items analysiert und im Sinne der leitenden Fragestellungen statistisch ausgewertet. Manche Items werden im Sinne einer Häufigkeitsverteilung einzeln ausgewertet und deren Ergebnisse statistisch dargestellt. Die einzelnen Antworten der Items bzw. Merkmale werden als Merkmalsausprägung bezeichnet.

Fragen, die mit einer fünf-stufigen Skala versehen sind, weisen in diesem Sinne eine numerischer Merkmalsausprägung von R >=1 und <=5 auf. Items, in denen Antworten in schriftlicher Form angegeben werden konnten, weisen die Ausprägungen in schriftlicher Form auf.

8.1 Häufigkeitsverteilungen in Bezug auf die demographischen Daten,