Page - 121 - in Soziale Netzwerke und gesundheitliche Ungleichheiten - Eine neue Perspektive für die Forschung

121Netzwerkanalyse – eine methodische Annäherung die Kanten, während die unabhängigen Variablen sowohl Attribute (z. B. Alter, Geschlecht) als auch Beziehungen (z. B. strong oder weak ties) sein können. Die Basis der ERGMs ist ein Markov-Chain-Monte-Carlo-Schätzprozess, mit dem eine Sequenz an Zufallsnetzwerken generiert wird, die schrittweise kleine Ände- rungen von unterschiedlichen Parametern beinhalten. SIENA wurde für longitudinale Daten konstruiert und ist ein dynamisches Ver- fahren (Snijders et al. 2010). Hierbei werden Einfluss- oder auch Selektionseffekte (siehe Kap. „Netzwerktheorie(n)“) untersucht und getestet. Anders ausgedrückt: Inwieweit haben Attribute einen Effekt auf Relationen (Selektion), Relationen auf Relationen (Reziprozität), Attribute auf Attribute (Kontrollvariable) oder auch Relationen auf Attribute (Einfluss). Das Modell beruht auf vier Annahmen: Akteure haben Einfluss auf ausgehende Beziehungen, die Veränderung von Beziehungen erfolgt in sog. Microsteps (Akteure haben die Möglichkeit, eine Beziehung aufzulösen, einzugehen oder beizubehalten), die Änderung wird so erfolgen, dass die Änderung einen Nutzenanstieg für den Akteur beinhaltet (Rational-Choice-Ansatz) und die Nutzenfunktion beinhaltet neben einzelnen Effekten und ihren Parametern (objective function) eine Zufallskomponente. Anzumerken ist noch, dass nicht alle Maßzahlen für egozentrierte und Gesamtnetzwerke in gleicher Weise Anwendungen finden. Zu nennen wären hier z. B. die unterschiedlichen Zentralitätsmaße, da diese erst bei einer großen Anzahl von Akteuren anwendbar sind. Egonetzwerke haben dafür oft zu wenige Akteure. Auch die Blockmodellanalyse, bei der Cluster vor dem Hintergrund der Beziehungsstruktur gebildet werden, findet man bei der egozentrierten Netzwerk- analyse so nicht. Als Beispiel für eine quantitative Netzwerkstudie soll hier die Framingham Heart Study angeführt werden. Ab dem Jahr 1948 wurden in der Stadt Framing- ham in den USA regelmäßig Daten erhoben, um beispielsweise Ursachen und Gefahren von Herzerkrankungen sowie Arteriosklerose zu eruieren. Seit 1983 wurden auch Netzwerkdaten aufgenommen, auf die Fowler und Christakis (2008) zurückgreifen, um den Zusammenhang von „Glücklich-Sein“ und Einbettung in Netzwerken mithilfe einer Regression zu ergründen. Hierbei wurden von 1983 bis 2003 4739 Personen medizinisch begleitet. Die Ergebnisse zeigen, dass glück- liche Menschen sich besonders im Zentrum des Netzwerkes befinden, also zentral sind und Cluster bilden (Abb. 3): Wer von vielen glücklichen Menschen umgeben ist, bei dem ist die Wahrscheinlichkeit hoch, dass er auch glücklich wird. Unglücklichere Akteure befinden sich eher in der Peripherie des Netzwerkes. Ferner zeigt sich, dass glückliche Menschen im Netzwerk einen großen Einfluss auf das Glücksgefühl von Ego besitzen, und dass sich dieser Einfluss über drei Kanten verbreiten kann.