Validität der Daten und Analyseverfahren Assoziationsmasse, die auf der Vorhersagbarkeit (anstatt auf der Ab­ weichung) beruhen, haben den Vorteil, dass sie einfache und klare Inter­ pretationen aufweisen. Das Konzept der prädiktiven Assoziation beruht darauf, dass die Vorhersagbarkeit von abhängigen Variablen verbessert werden kann, wenn nicht auf die eigene Verteilung, sondern auf die gemeinsame Verteilung der X- und Y-Variablen abgestützt wird. Diese Assoziationsmasse werden als PRE-Masse 
(proportional reduction in error measures) bezeichnet. Gebräuchlich ist das von 
Goodman und Kruskal, aufbauend auf Vorarbeiten von 
Guttmann, entwickelte Asso- ziationsmass Lambda 
X. Lambda ist für nominale Variablen konzipiert und kennt keine Restriktion in der Tabellengrösse. Lambda ist ein asym­ metrisches Mass und kann daher separat für die Spaltenvariable (Ac) und für die Zeilenvariable (kr) 
berechnet werden. Lassen sich abhängige und unabhängige Variablen nicht definieren, kann auch das symmetrische Assoziationsmass (As) berechnet werden. Das Assoziationsmass Lambda ist insbesondere für nominale Variablen (d.h. das schwächste Skalen­ niveau) geeignet.377 Eine Schwäche von Lambda liegt jedoch darin, dass der Wert - d.h. die Vorhersagbarkeit einer Variablen aufgrund einer an­ deren Variablen - auch 0 sein kann, wenn andere Assoziationsmasse die Unabhängigkeit von zwei Variablen widerlegen und somit eine Bezie­ hung gegeben ist. Aufgrund regelmässig schwacher Assoziationen in unseren bivariaten Beziehungen tendiert der Lambda-Wert tatsächlich in den meisten Fällen gegen 0, weshalb er für unsere Analysen ungeeignet ist.378 Wir verwenden daher das chi-quadrat-basierte Assoziationsmass Cramer's V in den bivariaten Analysen. Stehen ordinale Werte379 zur Verfügung, können auch andere Asso­ ziationsmasse verwendet werden 
(Kendalls Tau Ta, Tb, Tc; 
Goodman und Kruskals Gamma 7; 
Somers dyx 
und dxy 
für assymetrische und ds 
für symmetrische Beziehungen). Wir operieren in dieser Arbeit bei Kreuz­ 377 Zu den PRE-Massen Benninghaus 1996: 218 ff. Das nominale Skalenniveau bezeichnet vollständige und sich gegenseitig ausschliessende, in Kategorien klassifizierte Daten, die keine Rangordnung ausdrücken (Bsp. Berufsstatus, Geschlecht, 218 ff. usw.). 378 Bei den Issue-Fragen ergibt sich nur einmal ein Lambda-Wert von 0.04 (Aussenpolitik), während alle anderen Werte 0 betragen. Bei den soziologischen Variablen schlagen die Kirchgangshäufigkeit mit 0.02 und die Bildung mit 0.01 an, während alle anderen Variablen ebenfalls 0-Werte ergeben. 379 Das ordinale Skalenniveau zeigt Werte, die in einer Rangordnung stehen (Bsp. Bil­ dungsgrad), aber keinen Aufschluss über die Grösse der Differenz zwischen den 
Wer- 171