Hierarchisch strukturierte Daten

In der Statistik spricht man von Hierarchisch strukturierten Daten, oder genesteten Daten (englisch nested data) wenn die Beobachtungen eines Datensatzes sich hierarchisch übergeordneten Einheiten zuordnen lassen. Solche Hierarchiezusammenhänge können mehrstufig sein.[1]

Für die Analyse genesteter Daten sind spezielle Verfahren notwendig, die diese Datenstruktur berücksichtigen. Beispiele sind die Paneldatenanalyse und Mehrebenenanalyse.[2][3] Auch robuste Schätzer, die diese Datenstruktur berücksichtigen, werden angewandt.

Beispiele für genestete Daten sind etwa Schüler in Schulklassen, die wiederum in Schulen und Bundesländern liegen. Besteht beispielsweise ein Datensatz aus Schülern und enthält Informationen zu den Schulen, so würde eine Schätzung, die die genestete Struktur der Daten nicht berücksichtigt, die Streuung der Merkmale unterschätzen. Durch Berücksichtigung der genesteten Struktur wird die Schätzungenauigkeit berücksichtigt.[4]

Siehe auchBearbeiten

LiteraturBearbeiten

  • M. K. Anand, S. Bowers, T. McPhillips, B. Ludäscher: Efficient provenance storage over nested data collections. In: Proceedings of the 12th International Conference on Extending Database Technology: Advances in Database Technology. ACM, New York, März 2009, S. 958–969.
  • A. Kawaguchi, D. Lieuwen, I. Mumick, K. Ross: Implementing incremental view maintenance in nested data models. In: Database Programming Languages. Springer, Berlin/ Heidelberg, August 1997, S. 202–221.
  • K. F. Widaman: Hierarchically nested covariance structure models for multitrait-multimethod data. In: Applied Psychological Measurement. 9(1), 1985, S. 1–26.

EinzelnachweiseBearbeiten

  1. I. G. Kreft: Multilevel models for hierarchically nested data: Potential applications in substance abuse prevention research. In: NIDA research monograph. 142, 1994, S. 140ff.
  2. G. Rudinger: Analyse von Daten aus Längsschnittstudien: Eine Einführung. In: Forschung und Beratung-das Zentrum für Evaluation und Methoden. 3, 2009, S. 285.
  3. G. A. Tasca, V. Illing, A. S. Joyce, J. S. Ogrodniczuk: Three-level multilevel growth models for nested change data: A guide for group treatment researchers. In: Psychotherapy Research. 19(4-5), 2009, S. 453–461.
  4. C. Gräsel: I Was ist Empirische Bildungsforschung? In: Empirische Bildungsforschung. Springer Fachmedien, Wiesbaden 2015, S. 15–30.