Wiener Gesundheits- und Sozialsurvey Vienna Health and Social ...
Wiener Gesundheits- und Sozialsurvey Vienna Health and Social ...
Wiener Gesundheits- und Sozialsurvey Vienna Health and Social ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
I. THEORIE, STICHPROBE, METHODEN Datenanalyse/Methoden<br />
1.3 Statistisch-epidemiologische Datenanalyse − Methoden<br />
1.3.1 Epidemiologische Datenanalyse<br />
Bei Erhebungen in einfacher Zufallsauswahl entstehen<br />
in der Regel systematische Ausfälle, welche die Repräsentativität<br />
der Stichprobe bisweilen erheblich beeinträchtigen.<br />
Dies kann im Extremfall bis zur Wertlosigkeit<br />
einer Erhebung gehen. Sofern die Stichprobenverzerrung<br />
nicht zu gravierend ist, ermöglicht jedoch<br />
eine Gewichtung der Daten die nachträgliche rechnerische<br />
Herstellung einer befriedigenden Repräsentativität<br />
der Auswertungsergebnisse.<br />
In allen durchgeführten Auswertungen wurden die erhobenen<br />
Daten zur Erzielung von weitgehender Repräsentativität<br />
der Ergebnisse statistisch gewichtet.<br />
Dies war notwendig, da die Rohdaten der Erhebung in<br />
den meisten soziodemographischen Variablen leichte<br />
bis moderate Abweichungen von den tatsächlichen<br />
Verteilungen in der <strong>Wiener</strong> Bevölkerung aufwiesen.<br />
Die Gewichtung erfolgte unter Verwendung der aktuellsten<br />
Mikrozensusdaten vom 2. Quartal 2000 (MZ<br />
2000/2) <strong>und</strong> passt die Merkmale Geschlecht, Alter,<br />
Schulbildung, Teilnahme am Erwerbsleben, Staatsbürgerschaft,<br />
Bezirk, Haushaltsgröße <strong>und</strong> Familienst<strong>and</strong><br />
an dessen „SOLL“-Verteilungen an.<br />
Um den Einfluss von statistischen Störvariablen, insbesondere<br />
der Variablen Geschlecht <strong>und</strong> Alter, auszuschließen,<br />
wählten wir als vorrangige statistische Methode<br />
die Stratifizierung nach diesen Variablen. Dies<br />
ist bei ausreichender Fallzahl die Korrekturmethode<br />
der Wahl, da sie vergleichsweise die meiste Information<br />
liefert <strong>und</strong> keinerlei einschränkende Zusatzannahmen<br />
benötigt. Alle statistischen Analysen wurden nach<br />
Geschlecht stratifiziert, wo sinnvoll <strong>und</strong> möglich auch<br />
nach Altersgruppen. Bei der komplexen Modellbildung<br />
wurden die Effekte der Störvariablen mittels Verfahren<br />
der Regressionsanalyse korrigiert.<br />
1.3.2 Generierung der <strong>Ges<strong>und</strong>heits</strong>indikatoren<br />
In diesem Survey wurden, mittels persönlicher Interviews<br />
oder Fragenkomplexe, so genannte Skalen erhoben,<br />
die aus mehreren inhaltlich eindeutig zusammengehörigen<br />
Einzelfragen bestehen. Diese Fragenkomple-<br />
58<br />
xe wurden zu so genannten Indikatoren zusammengefasst,<br />
die es erlauben, Ges<strong>und</strong>heit <strong>und</strong> damit verb<strong>und</strong>ene<br />
Einflussgrößen zu erfassen <strong>und</strong> die dazu<br />
herangezogen werden können, <strong>Ges<strong>und</strong>heits</strong>zustände<br />
in vielfältigster Art zu beschreiben.<br />
Um Indikatoren zu bilden, wurden die hypothetisch zu<br />
Skalen zusammengestellten Items auf interne Konsistenz<br />
(Cronbach's Alpha) geprüft. Interne Konsistenzen<br />
mit α>0.50 wurden noch als angemessen akzeptiert.<br />
Waren das inhaltliche Konstrukt plausibel <strong>und</strong> die internen<br />
Konsistenzen statistisch für die jeweilige Dimension<br />
akzeptabel, wurden die Indikatoren additiv<br />
gebildet. Der sich ergebende Wert wurde durch die Anzahl<br />
der verwendeten Items dividiert, um so eine bessere<br />
Einschätzung im Verhältnis zur Einzelskala zu gewährleisten.<br />
Einige Indikatoren wurden a priori als Summenindizes<br />
gebildet, d. h. es wurden eindeutig zusammengehörige<br />
Quantitäten aufsummiert: z. B. ergibt die Anzahl der<br />
chronischen Krankheiten den dazugehörigen Summenindikator.<br />
1.3.3 Regressionsanalysen − Modellbildung<br />
Die gebildeten Indikatoren <strong>und</strong> die komplexen Modellbildungen<br />
wurden unter Verwendung linearer Regressionsmodelle<br />
analysiert <strong>und</strong> auf ihre Anpassungsgüte<br />
überprüft. In allen Regressionsmodellen wurde nach<br />
dem Alter (in Jahren), dem Einkommen <strong>und</strong> der Bildung<br />
korrigiert <strong>und</strong> nach Geschlecht stratifiziert. Zur<br />
Einschätzung der durch die Prädiktoren aufgeklärten<br />
Varianz einer Zielvariablen wird bei allen Regressionsmodellen<br />
der R 2 -Wert angegeben. Je kleiner der R 2 -Wert<br />
ist, desto kleiner ist in der Regel die Anzahl der signifikanten<br />
Prädiktoren <strong>und</strong> um so weniger wird die Zielvariable<br />
durch die untersuchten Prädiktoren „erklärt“, d. h.<br />
um so weniger kann sie auf die Prädiktoren (in Form eines<br />
linearen Zusammenhanges) zurückgeführt werden.<br />
Die Gültigkeit der Schätzwerte der Regressionsparameter<br />
wird durch Angabe der Signifikanzen beurteilt.<br />
Die berechneten <strong>und</strong> statistisch abgesicherten<br />
Zusammenhänge zwischen den Prädiktoren <strong>und</strong> den<br />
WIENER GESUNDHEITS- UND SOZIALSURVEY