Seite - 309 - in Wirkungsevaluation mobiler Jugendarbeit - Methodische Zugänge und empirische Ergebnisse

Wirkungsevaluation anhand von Daten des Sicherheitsmonitors 309 einen Ausreißer in einer der Einsatzregionen der mobilen Jugendarbeit zu- rückzuführen. Abschließend ist nochmals darauf hinzuweisen, dass sich diese Ergebnis- se auf Delikte mit bekannten Tatverdächtigen beziehen. Nicht berücksichtigt werden konnten hingegen solche Delikte, für die keine tatverdächtige Person festgestellt wurde, da es hier nicht möglich ist, auf die Zielgruppen mobiler Jugendarbeit einzuschränken. Die Ergebnisse sind aufgrund der sehr komple- xen Wirkzusammenhänge auch eher als starke Indizien für die Wirksamkeit mobiler Jugendarbeit zu interpretieren und weniger als sichere Beweise. Solche Berechnungen können zugleich keine Erkenntnisse darüber anbieten, WIE mobile Jugendarbeit wirkt, hierzu braucht es andere methodische Zu- gänge, wie sie im Projekt JA_SICHER auch umgesetzt wurden. Die wir- kungsbezogenen Analysen der Daten des Sicherheitsmonitors stellen in die- sem Sinne eine gewinnbringende Ergänzung des breiten Methodenspektrums des Forschungsdesigns dar. Modelldiagose Da Regressionen auf zahlreichen Annahmen basieren, müssen diese einer Prüfung standhalten. Der Wald-Test weist in allen Modellen in Tabelle 11 auf Heteroskedastie52 hin (vgl. Tabelle 20), daher wurden bei allen Modellen heteroskedastie-robuste Standardfehler der Regressionskoeffizienten ausge- wiesen (vgl. Tabelle 11). Zusätzlich weisen viele Modelle eine Autokorrela- tion53 der standardisierten Residuen erster Ordnung auf (vgl. Tabelle 22). Dieser Umstand wurde durch die Berechnung heteroskedastie- und autokor- relationsrobuster Schätzer berücksichtigt. Mittels Breusch-Pagan LM Tests (vgl. Tabelle 24) und Pesaran Tests (vgl. Tabelle 25) wurde überprüft, ob die Fehlertermen mit den Regionen korrelieren. Da längere Zeitreihen vorliegen, ______________________ 52 In der Statistik bezieht sich dieser Begriff auf eine ungleiche Streuung (Varianz) der Stör- terme. Vor allem in älteren Lehrbüchern wird häufig der Eindruck erweckt, dass Homoske- dastizität der Normalfall und Heteroskedastizität eine unangenehme Ausnahmeerscheinung sei. Diese Sichtweise ist irreführend, heteroskedastische Störterme dürften eher den Normal- fall als die Ausnahme darstellen. Das Vorliegen von Heteroskedastizität stellt eine Verlet- zung der Annahmen des klassischen Modells der linearen Regression dar und führt zu einem Effizienzverlust der OLS-Schätzer (Kleinstquadratemethode, gewöhnliche) und falsch er- mittelten Standardfehlern, die dazu führen, dass Standardtests an Aussagekraft verlieren. Ei- ne Verzerrung der OLS-Schätzer folgt nicht. 53 Autokorrelation bedeutet „mit sich selbst korreliert“, das heißt, verschiedene Beobachtungen einer Variable sind untereinander korreliert. Wenn in der Ökonometrie einfach von Autokor- relation gesprochen wird, bezieht sich dies fast immer auf eine Autokorrelation der Störter- me. Im einfachsten Fall ist jeder Störterm mit dem Störterm der Vorperiode korreliert. Die durch Autokorrelation verursachten Probleme ähneln in mehrerlei Hinsicht denen bei Hete- roskedastizität.