Variable
Variablen sind die gemessenen Merkmale bzw. Eigenschaften von Beobachtungseinheiten. Variablen haben verschiedene Merkmalsausprägungen. Beispielsweise kann die Variable Wohnort die Merkmalsausprägungen Gießen, Frankfurt oder Wetterau annehmen. Wie viele Ausprägungen eine Variable hat, hängt von der Definition des theoretischen Begriffs und der Entscheidung der Messung ab. So kann die Variable Wohnort alle Ortschaften Deutschlands umfassen, wenn diese nicht eingegrenzt wird oder keine Sammelkategorie sonstige geschaffen wird.
Mikro- & Makroebene
Die Beobachtungseinheiten sind die Merkmalsträger bzw. die Objekte, an denen etwas beobachtet wird. In den Sozialwissenschaften werden zwei Analyseebenen unterschieden, auf denen Variablen gemessen werden: Die Mikro- und die Makroebene.
Auf der Mikroebene werden Individualdaten gemessen, auf der Makroebene aggregierte Daten (z.B. auf der Ebene des Stadtteiles, des Bundeslandes, oder des Staates). Auf der Mikroebene betrachtet man Beziehungen zwischen Individualmerkmalen und auf der Makroebene Beziehungen zwischen Systemeigenschaften (vom Individuum losgelöste Merkmale).
Ein Beispiel einer quantitativen Untersuchung auf der Mikroebene sind Wahlstudien wie die German Longitudinal Election Study. Die Datenerhebung des V-Dem Projekts stellt eine quantitative Untersuchung auf der Makroebene dar: Hier werden zu einzelnen Ländern aggregierte Systemeigenschaften anhand sieben demokratischen Prinzipien gesammelt.
In Abhängigkeit der Analyseebene kann zwischen Individual- (Mikroebene) und Kollektivvariable (Makroebene) unterschieden werden. Bei einer Individualvariable bezieht sich die Variable auf ein Individualmerkmal. Bei einer Kollektivvariable bezieht sich die Variable auf ein Kollektivmerkmal.
Variablen werden nicht nur auf ihrer Merkmalsebene hin unterschieden, sondern können aufgrund weiterer Eigenschaften unterschieden werden. Grundsätzlich wird zwischen dichotomen und polytomen, zwischen diskreten und stetigen Variablen, zwischen latenten und manifesten Variablen sowie zwischen abhängiger und unabhängiger Variable unterschieden. Diese Unterscheidungen werden nun im Folgenden vorgestellt.
Dichotom & polytom, stetig & diskret
Dichotome Variablen beinhalten nur zwei Merkmalsausprägungen. So erfolgt z.B. die Abfrage des Geschlechts in Umfragen meist dichotom: Als Antwortmöglichkeiten werden oft nur „männlich“ und „weiblich“ genutzt. Dies stellt eine dichotome Variable dar.
Polytome Variablen nehmen dagegen mehr als zwei Ausprägungen an. So ist z.B. die Variable „Beruf“ eine polytome Variable, denn hier werden in der Regel verschiedene Merkmalsausprägungen abgefragt: z.B. „Angestellte“, „Arbeiter:in“, „Selbstständiger Beruf“, oder „Freiberufler:in“.
Stetige (oder auch kontinuierliche) Variablen können jeden beliebigen Wert eines bestimmten Intervalls annehmen. Dies gilt z.B. für die Körpergröße: Wenn in einer Umfrage die Körpergröße abgefragt wird, gibt es ein Minimum (1,56m) und ein Maximum (2,14m) in den erhobenen Daten, dazwischen ist aber jeder Wert (z.B. 1,69 oder 1,87m) annehmbar. Auch zwischen zwei Werten von 1,69 und 1,70 ist ein weiterer Wert theoretisch annehmbar: 1,691 oder 1,697. Dafür wäre eine hinreichend genaue Messung nötig, allerdings ist hier viel mehr die theoretische Feststellung der Eigenschaft wichtig.
Bei diskreten Variablen ist dies dagegen eingeschränkt, da nur endlich viele Werte eingenommen werden können. Ein Beispiel ist die Augenzahl beim Würfel: Wir wissen, dass es nur 6 Merkmalsausprägungen gibt (1, 2, 3, 4, 5, 6) und nur eine dieser Ausprägungen zutreffen kann. Bei diskreten Variablen steht also die Anzahl der Merkmalsausprägungen im vornhinein fest, bei stetigen Variablen erst nach der Datenerhebung mit der Anzahl der verschiedenen gemessenen Merkmalsausprägungen.
Lernvideo zu den Eigenschaften
Im folgenden Lernvideo werden Ihnen anhand zweier Beispiele (auf der Mikro- und Makroebene) die Begriffspaare dichotom & polytom sowie stetig & diskret vorgestellt. Alternativ können Sie auch zum Text unterhalb des Lernvideos scrollen.
Latent & manifest
Neben diesen zwei Unterscheidungen wird zusätzlich zwischen direkt beobachtbarer, manifester, und nicht direkt beobachtbarer, latenter Variable, unterschieden.
Manifeste Variablen sind messbar und haben somit einen direkten empirischen Bezug. Sowohl die Wochenarbeitszeit als auch das Alter sind direkt messbare Variablen, die durch Zahlenwerte eindeutig ausgedrückt werden können. Beide sind somit manifeste Variablen.
Latente Variablen hingegen sind nicht direkt beobachtbar und müssen über mehrere Variablen bestimmt werden. Ein Beispiel für eine latente Variable ist z. B. Stress. Dies kann nicht über eine einzelne Abfrage wie „Wie hoch ist ihr Stress gerade?“ gemessen werden. Stress könnte sich äußern über folgende Merkmale: höhere Herzfrequenz, hoher Blutdruck, verschnellerte Atmung oder einem erhöhten Adrenalinspiegel. Es müssen bei latenten Variablen in der Regel mehrere empirisch beobachtbare Größen zusammengefasst werden.
Abhängig & unabhängig
Wichtig in der empirischen Sozialforschung ist die Unterscheidung zwischen abhängiger und unabhängiger Variable. Wir gehen in der Sozialwissenschaft von einer Ursache-Wirkungs-Relation zwischen zwei Variablen aus: Die abhängige Variable ist diejenige, die beeinflusst wird (Wirkung) und die unabhängige Variable ist die Variable, die die Wirkung auslöst (Ursache). Die unabhängige Variable wird zumeist mit \(X\) bezeichnet und die abhängige Variable mit \(Y\).
Die abhängige Variable wird manchmal auch als Zielvariable oder zu erklärende Variable bezeichnet. Die unabhängige Variable wird als Prädiktor-Variable oder erklärende Variable bezeichnet.
Die abhängige Variable (aV) wird also durch die unabhängigen Variable(n) (uV) bedingt.
In der Regel schreiben wir diese Beziehungen wie folgt auf:
Nehmen wir an es gilt: „Je höher das politische Interesse ist, desto eher nimmt eine Person an einer Wahl teil (Wahlteilnahme).“
Ein anderes Beispiel wäre, wenn wir annehmen, dass „je höher die Lernmotivation einer Schüler*in ist, desto besser ist die Schulleistung“.
Abhängige und unabhängige Variablen werden also in empirischen Hypothesen genutzt. In Abhängigkeit der Analyseebene können Hypothesen dann zwischen Individual-, Kollektiv- und Kontexthypothese unterschieden werden.
Bei einer Individualhypothese beziehen sich sowohl abhängige als auch unabhängige Variable auf ein Individualmerkmal (beide Beispiele oben).
Bei einer Kollektivhypothese beziehen sich sowohl abhängige als auch unabhängige Variable auf Kollektivmerkmale.
Beispiel: Je größer der Anteil an Arbeiter*innen im Bezirk, desto höher der Anteil für die SPD im Bezirk.
Bei einer Kontexthypothese bezieht sich die abhängige Variable auf ein Individualmerkmal und die unabhängige Variable auf ein Kollektivmerkmal. Beispiel: Je höher die Arbeitslosenquote innerhalb eines Bezirks, desto niedriger ist die Zufriedenheit mit der Regierung jeder Person in diesem Bezirk (gleich ob arbeitslos oder nicht).
Wichtig ist hierbei, dass Kollektiv- und Individualhypothese nicht gleichgesetzt werden können. Aus dem Beispiel der Kollektivhypothese können wir nicht den Individualschluss ziehen, dass Arbeiter:innen die SPD wählen. Denn eine Individualhypothese folgt nicht automatisch aus einer Kollektivhypothese. Die (ungeprüfte) Gleichsetzung von Kollektiv- und Individualhypothese bezeichnet man als ökologischen Fehlschluss.
