Characterizing the Life Course as Role Configurations and Pathways

Abstract

(ER) Die Autoren fordern eine Operationalisierung des oft vorgebrachten life-course-Konzepts, der Life Course sei eingebettet in Kontext und insofern sei die Person immer TrägerIn von Rollen/Teilhaberin in verschiedenen Kontexten ("multifaceted life course"). Insofern könnte der Lebenslauf als "interlocked trajectories, or pathways, of social roles over time" (530) gesehen werden. Also als Sequenz von Rollen. Forschung bisher würde aber immer nur einseitig operationalisieren und den LEbenslauf quasi sezieren "Such work ultimately dissects the life course into various components and focuses attention solely on these components." (530).^ich denke da an Erwerbsverläufe, Familienverläufe etc. Sie schlagen dagegen eine Operationalisierung vor, mit Hilfe derer man den Lebenslauf als "configurations of social roles over time" bzw. als "life paths that link these role configurations over the life course" , begreifen kann. (530, Herv.. jew. i. Orig) Methodologische Herausforderungen. 1. Ursachen und Folgen sind nicht so leicht auseinanderzudividieren. Verflochtenheit der Verläufe kann z.B. am breiteren Kontext liegen, in den sie wiederum eingebettet sind. 2.Außerdem gibt es ja die agency (Anticipation von Ereignissen, die dann nachher als Ursache gelten) Herkömmliche statistische Methoden sind beschränkt (z.B. Regresisonen, Pfadmodelle, Event-History..) bisherige Ansätze ihrer Meinung nach: - einen Verlauf betrachten, anderen als Einflussfaktor (z.B. Ausbildungsabschluss auf Familiengründung)- order und timing von social roles betrachten - Literatur noch anschauen!!fokus auf Heterogenität ihre Lösung: two-stage latent class model statistische Grundlagen Literatur noch besorgen! (siehe auch handgeschriebener Zettel beim Artikel): mein derzeitiges Verständnis. - es gibt neben der beobachtbaren Konstellation aus Rollen (bzw. den vorhandenen Variablen) eine darunterliegende, "latente" Klassenzugehörigkeit, die auf weiteren, unbeobachteten, Variablen basisert. Aus den latenten Konstellationen resultiert ein latenter life path (über die Altersstufen hinweg). Verschiedene Annahmen werden gemacht über die wechselseitige (Un)Abhängigkeit der beobachteten Konstellation, der latenten Konstellation, der Zusammenhänge zwischen verschiedenen Zeitpunkten, und dem "latenten Pfad". (vgl. Appendix 1). Komponenten des Modells sind also beobachtete Konstellation, latente Konstellation (jeweils zu allen Zeitpunkten) und latenter Pfad. im Querschnitt werden latent classes geschätzt auf Grundlage der beobachteten Konstellation (full maximum likelihood) - die dann mit einer Art random sampling im zweiten Schritt (deswegen two-stage Modeling) nochmal "verwischt" wird - damit wird die Schätzung unabhängiger von der gegebenen Stichprobe (und den gegebenen Variablen). - das nennt sich dann conditional maximum likelihood. Heraus kommen für jede Zeit eine bestimmte, best passende Anzahl von latent classes (Anzahl wird aufgrund von goodness-of-fit-Statistiken bestimmt; es müssen alle angenommenen Modell (d.h. Anzahlen von Klassen) getestet werden. Im Ergebnis sieht man dann für die jeweilige Anzahl Klassen Kennziffern (Wahrscheinlichkeit für bestimmten Status, Wahrscheinlichkeit für bestimmte Klasse . Beispiel S. 540 ^^ich verstehe noch nicht ganz, warum für unterschiedliche Alter unterschiedliche Anzahl Klassen plausibel gefunden wird autoren erklären das mit unterschiedlicher Rollenvariabilität zu unterschiedlichen Altersstufen. Mehr Variablität mit 16 (weiter zur Schule oder in Arbeitsmarkt?) oder Anfang 30 (Familie, Arbeit, etc.) als mit 24 (alle haben Schule beendet). In der zweiten Stufe wird dann getestet, inwiefern, die auf jeder Altersstufe identifizierten Gruppen zusammenhängen und wahrscheinlichen life paths folgen. Hier werden wieder goodness- of - fit-statistiken durchgeführt, die dann über die Anzahl der angenommenen Pfade entscheiden. beispiel S. 543 - Zugehörigkeit zu latent path wieder in Form von Wahrscheinlichkeiten für die einzelnen Latent role configurations. Darstellung der Wahrscheinlichkeiten für einzelne Rollen innerhalb eines gegebenen latent life paths möglich. (Bsp. S. 545) Wäre das für meine Fragestellung auch möglich? Hauptfrage: wäre das für die Paaranalyse möglich? Evtl. ja. Die Partner müssten dann als eigene Variablen in die Konstellationen eingeführt werden, man würde aber über die Zeit den Zusammenhang des Paarverlaufs verlieren - was ich aber will (denn das würde dann auch nur eine Wahrscheinlichkeit werden). Ebenso verliert man den Zusammenhang des Einzelverlaufs. (Das ist natürlich gewünscht, denn mit Hilfe der conditional maximum-likelihood-Schätzung soll ja genau erreicht werden, dass die Ergebnisse über die Stichprobe hinaus generalisierbarer sind). Allerdings stehen mir für meine Fragestellung, die dann, ausgeweitet, neben dem Engagement in der Erwerbstätigkeit auch das Engagement für Hausarbeit und Kinderbetreuung umfassen müsste, keine angemessenen Daten zur Verfügung. Es ist auch schwer zu entscheiden, welche Messzeitpunkte gewählt werden sollten (im Beispiel von hier war es nur alle vier Jahre). Ich finde jedenfalls meine Methode für meine Fragestellung (die erstmal qualitativer Art ist und auf Existenzaussagen abzielt) besser geeignet, weil sie sozusagen immer das Ganze im Blick behält.