Primärerhebung oder Reanalyse? Überlegungen und Beispiele für die Optimierung des Ressourceneinsatzes durch Sekundäranalysen

Zusammenfassung

Reanalysen vorhandener Datensätze sind insbesondere bei komplexen Untersuchungsdesigns wie Längsschnittstudien wesentlich kostengünstiger durchzuführen als Primärerhebungen. Voraussetzung dafür ist, dass bei der Primärerhebung, der Datenablage und der verwendeten Analysemethodik auf die Möglichkeit von Sekundäranalysen Rücksicht genommen und ein leicht erhöhter Aufwand in Kauf genommen wurde. Die Datenerhebung muss breit genug angelegt sein, d.h. relevante unabhängige Variablen zur Erschließung des jeweiligen Themas aus unterschiedlichen Gesichtspunkten enthalten. Die Daten müssen sorgfältig und ausreichend dokumentiert, leicht verfügbar und leicht distribuierbar sein. Die Stichprobenauswahl und Beschreibung muss adäquat sein. Das implizierte Datenmodell bei der Reanalyse sollte messtheoretisch ausgerichtet und nicht zu eng sein, die Analyse, selbst eines einzelnen Datensatzes, sollte Prinzipien der Metaanalyse berücksichtigen und einsetzen. Sind diese Voraussetzungen gegeben, sind Reanalysen eine hervorragende Möglichkeit, auch mit einem beschränkten Budget up to date-Forschung durchzuführen. Insbesondere die Prinzipien der Datenerhebung, Datenablage und Verfügbarkeit sowie einige Probleme der Datenanalyse werden an Beispielen der Aufbereitung von Datensätzen des ehemaligen Zentralinstituts für Jugendforschung in Leipzig demonstriert.

Abstract

Reanalysis of secondary data is less expensive than data collecting especially within complex designs such as longitudinal studies. Preconditions are, that data collection, data storing and methods of analysis are optimised for secondary analysis. This means that optimised data needs somewhat more resources than using stand alone data. Data collection should include all relevant items for the specific topic. Data must be stored with enough information to understand the context and the data should be easily accesible. The sample construction should be adequate to the field and should be well described. The implicit data model used in secondary analysis needs to be adequate and not too idiosyncratic. The analysis should use principles of meta analysis. Given these conditions reanalysis allows up-to-day research even with a small budget. In this article some principles for data collection, data storing, and analysis are discussed with the example of data sets from the former German Democratic Republic central institute for youth research.