Seite - 299 - in Wirkungsevaluation mobiler Jugendarbeit - Methodische Zugänge und empirische Ergebnisse

Wirkungsevaluation anhand von Daten des Sicherheitsmonitors 299 sche Vorgehensweise zur Analyse von Paneldaten soll im folgenden Kapitel kurz dargestellt werden. Paneldatenanalyse: Grundlagen Paneldaten zeichnen sich durch wiederholte Messungen einer oder mehrerer Variablen – hier: Deliktzahlen – in einer oder mehreren Regionen aus. Sie haben gegenüber Querschnittsdaten mehrere Vorteile: • Sie erlauben die Analyse von individuellen Entwicklungen, da es neben der Varianz zwischen den Regionen (vgl. beispielsweise Abb. 45) auch Varianzen innerhalb der Regionen gibt. • Sie enthalten Informationen zur zeitlichen Abfolge von Zuständen (hier: Deliktzahlen Jugendlicher und junger Erwachsener) und Ereignissen (hier: Interventionen durch die mobile Jugendarbeit). • Sie erlauben die Kontrolle unbeobachteter individueller (regionaler) Heterogenität. • Sie sind informativer (enthalten z.B. mehr Variabilität und Freiheitsgra- de). Der Hauptvorteil von Paneldaten besteht in der Erzeugung einer Varianz innerhalb von Regionen, sie ermöglichen damit Quasi-Experimente. Dabei wird untersucht, wie sich Regionen im Hinblick auf eine abhängige Variable (hier: Deliktzahlen) verändern, in denen ein Ereignis (hier: Einsatz der mobi- len Jugendarbeit) zu unterschiedlichen Zeitpunkten stattfindet („Experimen- talregion“) oder nicht („Vergleichsregion“). Im Rahmen von Panelanalysen, kann also – im Gegensatz zu Querschnittsdaten – der kausale Effekt eines treatments – eines Ereignisses – auf die Deliktzahl bestimmt werden. Entsprechend dieser Varianzquellen sind unterschiedliche Regressions- verfahren für Paneldaten entwickelt worden, die entweder nur die Varianz zwischen Regionen („between“), die Varianz innerhalb von Regionen („within“) oder beides nutzen. In dieser Untersuchung ist der kausale Effekt eines „treatments“ T (hier: Intervention) auf eine abhängige Variable y (hier: Deliktzahl) von besonderem Interesse. Wenn i die jeweilige Region bezeich- net, t einen Zeitindex und C für die Messung vor dem treatment steht, schät- zen wir mit Querschnittsdaten folgendes: , − , Geschätzt wird also die Differenz der abhängigen Variable zwischen Regio- nen, die das treatment zum Zeitpunkt t0 erlebt haben, und anderen Regionen, die es zum Zeitpunkt t0 noch nicht erlebt haben. Der tatsächliche kausale Effekt des treatments wird hier nur dann korrekt geschätzt, wenn sich die Regionen der Gruppen i und j nicht im Hinblick auf unbeobachtete Merkmale unterscheiden. Da es jedoch unrealistisch ist – wie oben ausgeführt – dass sich die Regionen bei den unbeobachteten Merkmalen nicht unterscheiden,