VCE + CA: Die Struktur von Stimmung?

Inhalt

1. Einleitung

2. Theoretischer Hintergrund und Forschungsstand
2.1. Warum Mehrebenenfaktorenanalysen?
2.2. Wie kann Stimmung konzeptualisiert und gemessen werden?

3. Methode
3.1 Teilnehmer
3.2 Durchführung
3.3 Messungen
3.4. Statistische Analysen
3.4.1. Modelle
3.4.2 Modellgüteindizes

4. Ergebnisse
4.1 Deskriptive Ergebnisse und Voranalysen
4.2 KMFA – 4-Dimensionales Modell
4.3 KMFA – 1-Dimensionales Modell
4.4 EFA

5. Diskussion und Grenzen der Ergebnisse

6. Literatur

Anhang A: Mplus Input Instructions

Anhang B: Standardisierte Parameterschätzungen

Anhang C: EMFA - Faktorladungen

1.Einleitung

In vielen psychologischen Studien stößt man auf die Untersuchung von Emotionen und Stimmungen, etwa wenn es um die Beeinflussung dieser durch andere Variablen oder Personenmerkmale geht. Solche analytischen Betrachtungen von Stimmungen können als gängig angesehen werden. Jedoch ist das Verständnis der Struktur von Stimmungen eine bedeutsame Voraussetzung, wenn man diese messen oder Veränderungen in diesen deuten möchte. In der Forschungsliteratur bestehen allerdings keine einheitlichen Ansichten zur Struktur von Stimmungen, sondern es existieren verschiedene Ansätze und Konzepte hierzu (vgl. Russell & Barett, 1999).

Eine Vielzahl der Studien nutzt zur Erhebung der Stimmung wiederholte Messungen dieser, etwa täglich oder sogar mehrfach am Tag. Um den Aufwand der Teilnehmer möglichst gering und deren Motivation möglichst hoch zu halten und somit Abbrüche zu vermeiden, sollten solche Messungen kurz gehalten werden, die Items also gut ausgewählt und erprobt sein, so dass diese ein gutes Abbild von der Stimmung der Personen liefern (vgl. Wilhelm & Schoebi, 2007). Die in Studien hierfür verwendeten Itemskalen reichen dabei von einem Item pro Stimmungsfacette, bis hin zu verschiedensten Skalen mit unterschiedlicher Itemanzahl. Die Faktorenstruktur solch eines Messinstruments zu analysieren, spielt eine bedeutsame Rolle für Aussagen zur Konstruktvalidität solcher Skalen, aber auch für die Interpretation der Skalenwerte der Personen.

Vor diesem Hintergrund ist es Ziel dieser Arbeit, solch eine Itemskala zur Stimmungsmessung, die acht Items zur Erfassung verschiedener Stimmungsfacetten beinhaltete, bezüglich ihrer latenten Faktorenstruktur zu untersuchen. Hierbei gilt es, die Fragestellung zu beantworten, ob sich die theoretisch erwartete vierdimensionale Faktorenstruktur zur Abbildung der Facetten von Stimmung anhand der Daten nachweisen lässt, oder die Skala eine eindimensionale Struktur von Stimmung abbildet. Um diese Fragen zu beantworten, wurden anhand eines Datensatzes von Studenten und Studentinnen der Erziehungswissenschaft an der Universität Potsdam, der mit der Skala gemessene Werte zu deren täglicher Stimmung enthielt, verschiedene Analysen durchgeführt. Dabei war zu berücksichtigen, dass solche Personendaten oft hierarchisch strukturiert sind. Im vorliegenden Fall waren die täglich erhobenen Stimmungsangaben innerhalb der Personen ‚genestet‘, also zusammengefasst und von den Merkmalen der Personen beeinflusst. Es handelte sich also um eine geschachtelte Datenstruktur mit zwei Ebenen: die der täglichen Stimmungsmessungen innerhalb der Personen und die zwischen den Personen. Sind solche hierarchischen Datenstrukturen auch häufig gegeben, so wurden den Daten angemessene Verfahren erst Mitte der 80er Jahre entscheidend weiter entwickelt und verbreitet. Jedoch werden bis heute Daten mit solcher Struktur unangemessen analysiert (vgl. Ditton, 1998). Ein geeignetes Analyseverfahren stellen Mehrebenenanalysen dar, bei denen die Gegenstände der verschiedenen Ebenen simultan verrechnet werden.

Für die vorliegenden Daten waren daher konfirmatorische beziehungsweise explorative Mehrebenenfaktorenanalysen die Verfahren der Wahl, um die Struktur der Stimmungsskala zu untersuchen.

Um den Rahmen der nachfolgenden Analysen zur Faktorenstruktur des Stimmungsinstruments abzustecken, sei zunächst ein kurzer Einblick in die Thematik der Mehrebenenfaktorenanalyse und zum bisherigen Forschungsstand zur Erfassung von Stimmung gegeben. Anschließend wird genauer auf die Teilnehmer, die Durchführung, das verwendete Instrument sowie das methodische Vorgehen und die präzisen Modelle, die den Analysen zugrunde liegen, eingegangen, bevor im Ergebnisteil die einzelnen Ergebnisse der KMFA und EFA vorgestellt werden und abschließend diskutiert werden.

2.Theoretischer Hintergrund und Forschungsstand

2.1. Warum Mehrebenenfaktorenanalysen?

Wie bereits einleitend erwähnt, wiesen die erhobenen Daten eine geschachtelte Struktur mit zwei Ebenen auf: die der täglichen Stimmungsangaben innerhalb der einzelnen Personen, nachfolgend auch als Individualebene oder Within-Level bezeichnet und die übergeordnete Ebene der verschiedenen Teilnehmer mit deren unterschiedlichen Merkmalen, nachfolgend auch als Kontextebene oder Between-Level bezeichnet. Innerhalb der Personen waren somit die individuellen Messzeitpunkte genestet. Die Varianz in der Stimmung der Personen konnte zum Teil auf die Person zurückgeführt werden und zum Teil auf den jeweiligen Tag. Die verschiedenen Ebenen gingen simultan in die Analysen ein (vgl. ebd.).

In vielen Untersuchungen werden Daten erhoben, die solch eine Mehrebenenstruktur aufweisen. Bei der Stichprobenziehung werden keine unabhängigen individuellen Einheiten ausgewählt, sondern zusammengehörige Cluster, häufig auch um die Beziehungsstrukturen und Wirkfaktoren auf den einzelnen Ebenen und des gemeinsamen Kontextes genauer zu untersuchen. Jedoch führt diese Datenstruktur bei der Anwendung klassischer Analyseverfahren zu statistischen Problemen (vgl. ebd.). So setzen viele Verfahren die Unabhängigkeit der Beobachtungseinheiten voraus. Diese Annahme wird jedoch bei Daten mit Mehrebenenstruktur verletzt, bei denen die Beobachtungen innerhalb eines Clusters, in unserem Fall die tageweisen Stimmungsmessungen innerhalb einer Person, aufgrund der gemeinsamen Einflüsse und Merkmale die für die Person charakteristisch sind, einander ähnlicher sind, als bei einer Zufallsstichprobe von Teilnehmern zu erwarten wäre (vgl. ebd.; Longford & Muthén, 1992; Muthén, 1990). In herkömmlichen Analyseverfahren kann diese Verletzung zu einer Unterschätzung des Standardfehlers der Modellparameter und der Konfidenzintervalle führen, so dass der Signifikanztest schneller signifikante Ergebnisse aufweist und es zu einer Alpha-Fehler-Inflation kommt (vgl. Geiser, 2010; Ditton, 1998; Byrne, 2011). Mehrebenenanalysen berücksichtigen jedoch die Abhängigkeiten in den Daten und vermeiden solche Irreführungen.

Neben solchen statistischen Problemen sollte die Mehrebenenstruktur der Daten auch aus inhaltlichem Interesse heraus berücksichtigt werden, wenn etwa Variablen auf den verschiedenen Ebenen zur Vorhersage der abhängigen Variable von Interesse sind. Wird nur eine der Ebenen betrachtet, gehen interessante Daten verloren und die Beziehungen zwischen oder innerhalb von Personen können nicht näher im Zusammenhang untersucht werden (vgl. Geiser, 2010).

Bevor geeignete Verfahren und vor allem Software für die Analyse von geschachtelten Daten entwickelt wurden, waren die Forscher teilweise gezwungen, die potenziellen Informationen in den Daten zu ignorieren und ihre Untersuchungen auf einzelne Ebenen zu beschränken (vgl. Byrne, 2011). Die praktische Umsetzung stand bis zum Ende der 80er Jahre hinter den theoretischen Erkenntnissen zur Mehrebenenstruktur von Daten zurück. Ignorierten Forscher die hierarchische Datenstruktur und setzten die traditionellen Analyseverfahren dennoch ein, riskierten sie die oben beschriebenen Fehlberechnungen.

Die ersten faktorenanalytischen Arbeiten, in denen auf die Problematik der Mehrebenenstruktur Rücksicht genommen wurde, führten auf Individual- und Kontextebene jeweils eine getrennte Faktorenanalyse mit den Individualdaten und den auf der Kontextebene aggregierten Daten durch (vgl. Lüdtke, Trautwein, Schnyder & Niggli, 2007). Erst mit den Arbeiten von McDonald & Goldstein (1989), Longford & Muthén (1992) und McDonald (1993), sowie der Umsetzung der methodologischen Verfahren in entsprechende Software, wurde es möglich den hierarchischen Daten angemessene Faktorenanalysen durchzuführen (vgl. Zimprich, Perren & Hornung, 2007). Gängig ist hierbei die Verwendung des von Muthén entwickelten Ansatzes, der in dem Programm Mplus (Muthén & Muthén, 1998–2011) verfügbar ist. Dabei werden die in den Mehrebenenmodellen auftretenden zufälligen Effekte als latente Variablen interpretiert, was wiederum eine Integration mehrebenenanalytischer Verfahren und des Strukturgleichungsansatzes möglich macht (vgl. Lüdtke et al., 2007). Auf diesen Ansatz der Mehrebenenfaktorenanalyse soll für die Beantwortung der Fragestellung anhand der vorliegenden Daten zurückgegriffen werden. Dabei sind sowohl konfirmatorische Mehrebenenfaktorenanalysen (nachfolgend auch kurz als KMFA bezeichnet), als auch explorative Mehrebenenfaktorenanalysen (nachfolgend kurz EMFA) durchführbar. Auf das methodische Vorgehen wird in Abschnitt 3.4 noch genauer eingegangen.

2.2. Wie kann Stimmung konzeptualisiert und gemessen werden?

Stimmungen sind relativ unscharfe affektive Zustände, die subtil Einfluss auf unser Erleben, Denken und Verhalten nehmen. Sie wirken kontinuierlich und liefern den affektiven Hintergrund für alle unsere Handlungen (vgl. Davidson 1944, S.52 zit. nach Wilhelm & Schoebi, 2007, S. 259). Stimmungen können bewusst wahr genommen werden, sobald sie im Fokus unserer Aufmerksamkeit stehen und sind dann charakterisiert durch die Prädominanz von bestimmten subjektiven Gefühlen. Dabei muss ihnen kein offensichtlicher Grund oder Auslöser zugrunde liegen. Ebenso erfordern sie keine unmittelbaren Reaktionen oder das Unterbrechen des laufenden Verhaltens. Für gewöhnlich sind Stimmungen von geringer bis mittlerer Intensität und können über Stunden und Tage andauern (vgl. ebd.).

Wie bereits erwähnt herrscht hinsichtlich der Struktur von Stimmung kein Konsens. In der Forschungsliteratur der letzten Jahre finden sich verschiedene konkurrierende Ansätze mit unterschiedlich vielen Dimensionen. Aufgrund des begrenzten Umfangs, kann im Rahmen dieser Arbeit nur auf die, den verwendeten Messungen zugrunde liegenden, Ansätze eingegangen werden.

Ein solcher relativ weit verbreiteter und gut untersuchter Ansatz zur Konzeptualisierung und Strukturierung von Stimmung ist der des Core Affects (CA). Dieser bezieht sich auf die elementarsten bewusst messbaren affektiven Gefühle. Der Core Affect muss sich nicht zwangläufig direkt auf etwas beziehen. Man befindet sich immer in einem Zustand des Core Affects, auch wenn dieser neutral ist. Er kann in der Intensität variieren, von gering, wenn er in den Hintergrund der bewussten Wahrnehmung tritt, bis überwältigend intensiv (vgl. Russell & Barrett, 1999 S. 806). Zumeist wird die Ansicht geteilt, dass zwei Dimensionen nötig sind, um den Core Affect zu beschreiben, wenn es hierzu auch unterschiedliche Untersuchungsergebnisse gibt. Russell & Barrett (1999) definieren den Core Affect als zweidimensional, wobei dieser immer durch die beiden Dimensionen Pleasentness und Activation beschrieben werden kann. Die beiden Dimensionen vermischen sich, so dass die Person subjektiv eher ein Gefühl empfindet. Des Weiteren weisen die Autoren darauf hin, dass ihr Ansatz von Core Affect verschiedene Parallelen zu anderen Ansätzen aufweist, in denen die gleichen theoretischen Gegenstände lediglich anders betitelt werden.

Ein anderer Ansatz ist ein dreidimensionales Modell von Stimmung, in dem Valence (V), Calmness (C) und Energetic Arousal (E) die Facetten von Stimmung bilden. Es existieren verschiedene Instrumente um die drei Stimmungsdimensionen zu erfassen. So entwickelten etwa Wilhelm & Schoebi (2007) eine Kurzskala, basierend auf dem Mehrdimensionalen Befindlichkeitsfragebogen (MDBF, siehe hierzu Steyer, Schwenkmezger, Notz & Eid, 1997) einer deutschsprachigen Stimmungsskala. Das aus sechs Items bestehende Instrument soll die drei Basisdimensionen VCE von Stimmung im Leben von Personen erfassen. Dabei wird jede Dimension mittels zwei bipolarer Items erfasst (V: zufrieden/unzufrieden & wohl/unwohl; C: ruhig/unruhig & entspannt/angespannt; E: wach/müde & energiegeladen/energielos). Eine Faktorenanalyse anhand mit dieser Skala erhobener Daten zeigte, dass sich die drei Faktoren innerhalb von Personen nachweisen ließen, Calmness und Valence jedoch auf dem Between-Level nicht mehr unterscheidbar waren (vgl. ebd.).

3.Methode

3.1 Teilnehmer

Bei den untersuchten Personen handelte es sich um eine Gelegenheitsstichprobe nach dem Schneeballprinzip. Ein wesentlicher Anteil der Stichprobe bestand aus Studenten zweier Jahrgänge des Masterstudiengangs Erziehungswissenschaft der Universität Potsdam, die 2011 und 2012 jeweils an einem Seminar mit methodischem Schwerpunkt teilnahmen. Die Teilnehmer wurden gebeten, weitere Probanden aus ihrem persönlichen Umfeld für die Untersuchung zu akquirieren. Die Teilnahme war für alle Befragten freiwillig. Somit entstand eine Stichprobe, die nicht zufallsbasiert und lediglich für diese Personengruppe repräsentativ war. Aufgrund der Zusammensetzung sind die Ergebnisse nicht über diese Gruppe hinaus generalisierbar.

Die Gesamtstichprobe bestand aus 50 Personen, von denen 849 tägliche Stimmungsmessungen vorlagen. Die Spanne an Tagen, an denen Angaben der einzelnen Teilnehmer vorlagen, reichte dabei von 1 bis 39 Tage. Die Anzahl der Beobachtungen und die Zeitabstände zwischen den Beobachtungen durften zwischen den Personen variieren.

Die Stichprobe wies aufgrund der Personenauswahl, die zum großen Anteil aus Studenten bestand, Besonderheiten in Geschlecht, Alter und vermutlich auch weiteren Faktoren, wie etwa Bildungsstand auf. So waren die Teilnehmer zwischen 1942 und 1995 geboren, knapp drei Viertel jedoch in den 80er Jahren und Frauen waren mit circa 63% wesentlich stärker vertreten.

[...]