Lexikon

Cross-Lagged-Panel-Design

Ein Cross-Lagged-Panel-Design besteht aus zwei Variablen X und Y, die zu zwei verschiedenen Zeitpunkten erhoben wurden. Daraus resultieren vier Messungen: X1, X2 und Y1, Y2. Aus diesen vier Messungen können sechs Beziehungen zwischen den Variablen auftreten: zwei längsschnittige Beziehungen zwischen X1 und Y1 und zwischen X2 und Y2; zwei Stabilitätsbeziehungen zwischen X1 und X2 und zwischen Y1 und Y2; und zwei cross-lagged Beziehungen zwischen X1 und Y2 und zwischen Y1 und X2. Die statistische Auswertung erfolgt in der Regel durch (multiple) Regression, Partialkorrelation oder Strukturgleichungsmodelle.

Statistische Auswertung des Cross-Lagged-Panel-Design

Trotz der Einfachheit dieses Designs besteht kein wirklicher Konsens was die statistische Auswertung angeht. Für die Auswertung wird bei weitem am häufigsten die multiple lineare Regression verwendet. Jede Messung zum zweiten Zeitpunkt wird durch die Messungen zum ersten Zeitpunkt vorhergesagt (also Y2 = X1 + Y1 und X2 = X1 + Y1). Dadurch erhalten wir vier Koeffizienten, zwei für die Stabilitätsbeziehungen und zwei für die cross-lagged Beziehungen. Um die Regression durchführen zu können müssen allerdings drei Bedingungen erfüllt sein:

  1. Keine Variablen, die sowohl X als auch Y verursachen (und für die nicht kontrolliert wurde)
  2. Kein Messfehler bei den Messungen zum ersten Zeitpunkt
  3. Theoretische Begründung, warum in dem erfassten Zeitfenster Kausalität besteht

Eine andere Möglichkeit, mit der ersten Voraussetzung umzugehen, ist statt einer Regressionsanalyse ein Strukturgleichungsmodell zu verwenden. Allerdings sind die letzten beiden Voraussetzung wesentlich schwieriger zu überprüfen.

Einige Wissenschaftler (z.B. Singer & Willett, 2003) merken an, dass zwei Messzeitpunkte ungenügend sind, um kausale Schlüsse über die Beziehungen zweier Variablen zu ziehen. Daher: Auch wenn das Cross-Lagged-Panel-Design uns einige Einblicke zum Verhältnis der Variablen geben kann, ist es unzureichend, um die kausalen Zusammenhänge eindeutig zu erfassen.

Literaturverzeichnis

  1. Singer, J. D., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. Oxford: Oxford University Press.