n Empirische Arbeit Psychologie in Erziehung und Unterricht, 2024, 71, Preprint Online DOI 10.2378/ peu2024.art26d © Ernst Reinhardt Verlag Kita-Schließungen und kindliche Verhaltensprobleme in der Covid-19-Pandemie - Wen trafen sie, und wenn ja, wie viele? Franz Neuberger 1 , Hanna Lena Maly-Motta 1 , Mariana Grgic 1 , Susanne Kuger 1, 2 , Sabine Walper 1, 2 1 Deutsches Jugendinstitut e.V. 2 Ludwig-Maximilians-Universität, München Zusammenfassung: Die Lockdowns in der COVID-19-Pandemie führten dazu, dass neben Schulen auch Kindertageseinrichtungen von Schließungen betroffen waren. Dieser Beitrag untersucht anhand von Paneldaten von 4437 Müttern mit bis zu 10 Messzeitpunkten (Nov 2020 - Aug 2021), inwieweit sich die Lockdowns im Winter und Frühjahr 2021 auf kindliche Verhaltensprobleme ausgewirkt haben. Anhand einer latenten Klassenanalyse der Verläufe von Verhaltensproblemen können mehrere Gruppen von Kindern identifiziert werden. Mit ca. 10 % reagierte ein kleiner Teil der Kinder direkt mit einer Zunahme an Verhaltensproblemen auf die Kita-Schließungen und die damit fehlenden Bildungs- und Betreuungsangebote. Ca. 74 % kamen ohne erkennbare Veränderungen auf einem konstant niedrigen Niveau durch die Pandemie, weitere 16 % auf konstant hohem Niveau. Die Gruppe von Kindern mit einem hohen Niveau an Verhaltensproblemen lässt sich durch geringere Bildung und geringeres Einkommen der Eltern charakterisieren. Die Gruppe, welche auf die Lockdowns mit einem Anstieg an kindlichen Verhaltensproblemen reagierte, ist weniger eindeutig zu charakterisieren, weist jedoch besonders hohe Anteile an Kindern auf, die ihren Kita-Platz nur unregelmäßig besuchen konnten. Unsere Analysen quantifizieren erstmalig den Anteil vom Schließungsgeschehen betroffener Kinder, was dazu beitragen kann, zukünftig vulnerable Gruppen besser zu identifizieren und adäquate Ressourcen für frühzeitige Interventionen vorzuhalten. Schlüsselbegriffe: Kita-Schließungen, Lockdown, kindliche Verhaltensprobleme, COVID-19- Pandemie Daycare Closures and Child Behavior Problems in the Covid-19-Pandemic - Who did They Affect, and if so, how Many? Summary: The Covid-19-pandemic lockdowns affected not only schools but also resulted in day care center closures. This paper uses panel data from 4437 mothers at up to 10 time points (Nov 2020 - Aug 2021) to examine the extent to which the winter and spring 2021 lockdowns in Germany affected child behavior problems. Using a latent class analysis of trajectories of behavior problems, several groups of children can be formed. With approximately 10 %, a small proportion of children responded directly with an increase in behavior problems to the daycare closures and the resulting lack of childcare options. Approximately 74 % came through the pandemic with no discernible changes at a consistently low level, and another 16 % at a consistently high level. The consistently high-level group can be characterized by lower education and lower parental income. The group that responded to the lockdowns with an increase in child behavior problems is less clear-cut to characterize, but has particularly high proportions of children who could only attend their daycare irregularly. Our analyses quantify for the first time the proportion of children affected by the closure event, which may help to better identify vulnerable groups in the future and provide adequate resources for early intervention. Keywords: Daycare closures, lockdown, child behavior problems, COVID-19-pandemic 2 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper Schon kurz nach Beginn der COVID-19-Pandemie, markiert durch den ersten strengen Lockdown mit flächendeckenden Schul- und Kita-Schließungen ab dem Frühjahr 2020 (Autorengruppe Corona-KiTa-Studie 2020), wiesen verschiedene nationale und internationale Studien auf die starke Betroffenheit von Kindern und Jugendlichen durch die pandemiebedingten Einschränkungen hin. Die Ergebnisse zeigten einheitlich eine Zunahme psychischer und Verhaltensprobleme bei Schulkindern und Jugendlichen (Asbrand & Brinkmann, 2022; Döpfner, Adam, Habbel, Schulte & Schulze-Husmann, 2021; Marques de Miranda, Athanasio, Oliveira & Simoes-e-Silva, 2020; Ravens-Sieberer et al., 2021; Schlack et al., 2023; Tisborn, Pelz, Schneider & Seehagen, 2022). Das Hauptaugenmerk der sozialwissenschaftlichen Pandemieforschung lag daher auf den zentralen Einschränkungen und Umbrüchen im Leben von Kindern und Jugendlichen. Dazu gehörten die direkten Auswirkungen der strengen Lockdown-Maßnahmen (Dellagiulia et al., 2020; Mantovani et al., 2021; Mondragon, Snacho, Santamaria, Munitis, 2021), Schulschließungen (Blum & Dobrotić, 2021; Fickermann & Edelstein, 2020; Viner et al., 2022) sowie die Auswirkungen von SARS-CoV-2-Infektionen auf Heranwachsende (Sun et al., 2020; Liguoro et al., 2021). Bislang wurde jedoch noch wenig untersucht, welchen Einfluss die Pandemie auf Kleinkinder und Vorschulkinder hatte (Christner, Essler, Hazzam, Paulus & Slobodskaya, 2021; Buechel et al., 2022), da sich die meisten Studien hauptsächlich auf Kinder und Jugendliche im Schulalter konzentrierten. Dabei ist ein früher Einstieg in die Kindertagesbetreuung für viele Kinder in Deutschland längst zur Normalität geworden (Autor: innengruppe Bildungsberichterstattung, 2022; Bundesministerium für Familie, Senioren, Frauen und Jugend, 2021, 2023). 90 % der Kinder im Alter von drei Jahren und über 50 % der Zweijährigen besuchen eine Kindertagesbetreuung. Daher ist anzunehmen, dass das pandemiebedingte Öffnungs- und Schließgeschehen in der Kindertagesbetreuung einen maßgeblichen Einfluss auf den Alltag und damit auch auf das Wohlbefinden vieler Kinder hatte. Erste Ergebnisse deuten darauf hin, dass Kinder den Alltag in der Kindertagesbetreuung vermisst haben (Egan, Pope, Moloney, Hoyne & Beatty, 2021; Campos & Vieira, 2021) und dass der Wechsel zwischen Öffnung und Schließung Anpassungsleistungen von Kindern und Familien erforderte (Maly-Motta, Neuberger, Grgic, Fackler & Kuger, 2023). Kinder, die kontinuierlich betreut wurden und ihre gewohnte Betreuungseinrichtung besuchten, kamen offenbar besser mit der Pandemiesituation zurecht (Kuger et al., 2022; Koch, 2022). Wenn Ergebnisse für Kinder vor der Einschulung vorliegen, handelt es sich meist um Querschnittsperspektiven zu bestimmten Zeitpunkten der Pandemie und/ oder um regionale Studien mit nur wenigen Beobachtungen (Tettenborn et al., 2022; Holler et al., 2023; Maldei-Goring et al., 2022; Levickis et al., 2023). Diese stellen einen Anstieg von Verhaltensproblemen zu verschiedenen Zeitpunkten der Pandemie fest, wobei elterliche Belastung als Risikofaktor bzw. elterliche emotionale Kompetenz als Schutzfaktoren identifiziert wurden (Holler et al., 2023; Maldei-Goring et al., 2022; Levickis et al., 2023). Lediglich eine größere Längsschnittstudie hat bisher den Verlauf verschiedener Dimensionen des kindlichen Wohlbefindens bei Kindern in Deutschland im Alter von 3 bis 10 Jahren über vier Messzeitpunkte (Frühjahr 2020-März 2021) hinweg untersucht (Essler, Christner & Paulus, 2023). Die Ergebnisse zeigen, dass insbesondere problematisches Verhalten von Kindern und kindliches Wohlbefinden von Kindern eng mit der Pandemie und den Lockdown-Maßnahmen zusammenhingen, was sich auch in internationalen Studien bestätigt findet (z. B. Le, Mogle & Feinberg, 2023; Gruhn et al., 2023). Essler et al. (2023) zeigten, dass eine stärkere Belastung der Eltern die Auswirkungen der Lockdowns auf das kindliche Wohlbefinden verstärken kann. Allen genannten Studien ist gemein, dass sie aufgrund ihrer kleinen Stichproben nicht trennscharf zwischen Schul- und Kitakindern unterscheiden können und aufgrund ihrer geringen Kita-Schließungen und kindliche Verhaltensprobleme 3 Anzahl an Messzeitpunkten keine unterschiedlichen Verlaufsgruppen modellieren. So bleibt die Frage, ob und wie die Pandemie und das damit verbundene Öffnungs- und Schließgeschehen bestimmte Gruppen von Kita-Kindern besonders betroffen hat, offen. Theoretische Rahmenmodelle zum elterlichen und kindlichen Wohlbefinden im Verlauf der Pandemie (Prime, Wade & Browne, 2020; Wu & Xu, 2020; Benner & Mistry, 2020) gehen davon aus, dass primär pandemiebedingte Veränderungen in den proximalen Lebenskontexten von Kindern (Kindertagesbetreuung, Freunde, Familie) entwicklungsrelevante kurz- und langfristige Auswirkungen hatten. Diese Veränderungen wirkten sich auch indirekt über das elterliche Erziehungsverhalten, die elterliche Belastung oder das Familienklima auf die Kinder aus. Als direkte Gelingensfaktoren kindlichen Wohlbefindens gelten feste Alltagsroutinen (Fiese et al., 2002), tägliche Interaktionen mit anderen Kindern sowie der Zugang zu zuverlässiger Kindertagesbetreuung (Biggeri & Cuesta, 2021; Minkkinen, 2013). Kindliche Anpassungsreaktionen können jedoch unterschiedlich ausfallen, da Individuen auf tiefgreifende soziale oder kontextuelle Veränderungen unterschiedlich, ihren Persönlichkeitsdispositionen entsprechend, reagieren (z. B. mit Anpassung, Agressivität, vgl. Caspi & Moffitt, 1993). Die vorliegende Studie untersucht die Entwicklung von Verhaltensproblemen bei nullbis siebenjährigen Kita-Kindern in Deutschland. Ziel ist es, anhand umfangreicher Paneldaten von 4437 Befragten mit durchschnittlich 8.18 Messzeitpunkten mithilfe von Wachstumskurven für latente Klassen zu untersuchen, wie sich Verhaltensprobleme bei Kindern während der Pandemie entwickelt haben. Dabei kann erstmalig detailliert gezeigt werden, wie viele Kinder in welchem Ausmaß betroffen waren. Veränderungen und Unterschiede in den Verläufen kindlicher Verhaltensprobleme werden vor dem Hintergrund des Öffnungs- und Schließgeschehens im Kindertagesbetreuungssystem, der individuellen Kita-Nutzung sowie weiterer familialer Merkmale diskutiert. Das lockdownbedingte Öffnungs- und Schließgeschehen in der Kindertagesbetreuung in Deutschland sowie weitere Faktoren für Kita-Ausfälle Hinsichtlich der Öffnungen und Schließungen sind verschiedene Phasen und Gründe für Kita- Schließungen in Deutschland zu unterscheiden (vgl. Kuger et al., 2022, S. 86f.). Im gesamten Pandemieverlauf gab es drei Schließphasen der Kindertageseinrichtungen in Deutschland, in denen der Zugang für verschiedene Gruppen von Kindern unterschiedlich stark eingeschränkt war.Die erste Schließphase erfolgte vor dem Hintergrund des ersten bundesweiten Lockdowns ab März 2020. Anfangs waren nur ausgewählte Gruppen von Kindern, beispielsweise Kinder von Eltern in systemrelevanten Berufen, zugelassen. Im Laufe der stufenweisen Öffnung durften dann weitere Gruppen von Kindern die Kindertageseinrichtungen besuchen. Während dieser ersten Schließphase wurde eine strikte Notbetreuung eingeführt, sodass etwa 70 bis 90 % der Kita-Kinder teilweise mehrere Monate lang nicht in ihrer Kindertageseinrichtung betreut wurden (Autorengruppe Corona-KiTa- Studie, 2020). Nach einigen Monaten Regelbetrieb (unter Pandemiebedingungen) zwischen Spätsommer und Jahresende 2020 folgte aufgrund des zweiten bundesweiten Lockdowns eine zweite Schließphase ab Mitte Dezember 2020 bis Anfang März 2021. Diese betraf deutschlandweit etwas über 50 % der Kita-Kinder, jedoch aufgrund unterschiedlicher Zugangsregelungen mit deutlichen Schwankungen zwischen den Bundesländern. Während drei Bundesländer erneut eine strikte Notbetreuung einführten, führten vier Bundesländer eine Notbetreuung mit erweiterten Kriterien im Vergleich zur ersten Schließphase ein. Die restlichen neun Bundesländer hielten die Kindertageseinrichtungen geöffnet, appellierten aber an die Eltern, ihre Kinder nach Möglichkeit zu Hause zu betreuen. Einige Bundesländer wechselten im Verlauf zwischen Regelbetrieb mit Appell und Not- 4 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper betreuung (Kuger et al., 2022, S. 86f.). Die dritte Schließphase erfolgte im Rahmen der bundeseinheitlichen „Notbremse“. In der Zeit von Ende März bis Ende Mai 2021 erfolgte die Öffnung und Schließung von Einrichtungen je nach lokaler Inzidenz. Da diese Schließphase aufgrund der regionalen Unterschiede nicht flächendeckend war, waren nur etwa 25 bis 30 % der Kita-Kinder betroffen (Kuger et al., 2022, S. 86f.). Ab Juni 2021 wurden keine Kita-Schließungen aufgrund von Lockdowns mehr durchgeführt. Neben den lockdownbedingten, d. h. politisch auf Landesebene gesteuerten Kita- Schließungen traten während der gesamten Pandemie jedoch zusätzliche, in der Regel kürzere, Kita-Ausfälle auf, insbesondere aufgrund von infektionsbedingten Gruppen- und Einrichtungsschließungen sowie pandemiebedingten Personalausfällen. Diese Ausfälle waren auch in der Zeit nach Juni 2021 und bis über den Sommer 2022 hinaus weiterhin präsent, was dazu führte, dass die Auslastung der Kitas bei etwa 80 bis 85 % lag und bis zu 20 % der Kinder zeitweise zu Hause betreut werden mussten (ebd.; Neuberger et al., 2022 a). Diese weiteren Kita-Schließungen wirkten sich daher ebenfalls direkt auf die individuelle Kita-Nutzung der Kinder aus, weshalb in den folgenden Analysen beide Aspekte - die politische Steuerung der Schließung und die individuelle Betroffenheit von Kita-Ausfällen - untersucht werden. Verlaufsmuster kindlicher Verhaltensprobleme und erklärende Faktoren Angesichts der dynamischen Natur der Öffnungs- und Schließphasen sowie in Anlehnung an die existierende Literatur (Essler et al., 2023; Le et al., 2023; Gruhn et al., 2023) gehen wir davon aus, dass zeitliche Veränderungen in den Verhaltensschwierigkeiten von Kindern im Kita- Alter in Deutschland, die normalerweise eine Kindertageseinrichtung oder Kindertagespflege besuchen, eng mit dem Ausmaß der individuellen Betroffenheit von Kita-Schließungen zusammenhängen. Zudem gibt es bekannte familiale und kindliche Merkmale, die für das Wohlbefinden von Kindern und Eltern relevant sind und von denen wir annehmen, dass sie die Auswirkungen der Kita-Schließungen auf Kinder verstärken oder abfedern können (Essler et al., 2023). Dazu zählen das Einkommen, die Erwerbssituation, das Bildungsniveau und der Familienstand der Eltern sowie das Alter und das Geschlecht des Kindes (Maly-Motta, 2023). Studien basierend auf dem Family Stress Model (Conger & Donnellan, 2007) zeigen, dass schwierige finanzielle Umstände in der Familie in der Regel zu finanziellen Sorgen der Eltern führen können. Diese Belastungen beeinträchtigen verschiedene Aspekte des elterlichen Erziehungsverhaltens und können ungünstige Entwicklungsbedingungen für Kinder schaffen (Neppl, Senia & Donnellan, 2016; Shelleby, 2018). Auch das Bildungsniveau der Eltern hat Einfluss auf wichtige Lern- und Bildungsanreize, die Kinder zu Hause erhalten (Kluczniok, Lehrl, Kuger & Rossbach, 2013; Grgic & Rauschenbach, 2022). Darüber hinaus ist aus präpandemischer Forschung bekannt, dass Kinder mit niedrigerem sozialen Status tendenziell einem größeren Risiko für soziale, kognitive und gesundheitliche Entwicklungsprobleme ausgesetzt sind (Erhart, Hölling, Bettge, Ravens-Sieberer & Schlack, 2007; Lampert, Hoebel, Kuntz, Müters & Kroll, 2018; Ravens-Sieberer, Wille, Bettge & Erhart, 2007). Dies gilt insbesondere für Kinder alleinerziehender Eltern. Diese werden - unabhängig von der Pandemie - mit einer höheren Wahrscheinlichkeit mit verschiedenen Belastungen wie Vereinbarkeitsproblemen oder Rollenkonflikten konfrontiert (Avison, Ali & Walters, 2007). Die Erwerbstätigkeit der Eltern kann neben finanziellen Aspekten auch die zeitlichen Ressourcen, über die Mütter und Väter für ihre Kinder verfügen, beeinflussen (Heinrich, 2014). Sowohl lange Arbeitszeiten als auch fehlende mütterliche Erwerbstätigkeit wurden mit ungünstigem Erziehungsverhalten und erhöhten Verhaltensproblemen bei Kindern in Verbindung gebracht (Hadzic, Magee & Robinson, 2013). Zudem Kita-Schließungen und kindliche Verhaltensprobleme 5 kann durch die gleichzeitigen Anforderungen der Kinderbetreuung, des Homeoffice und des Mangels an Ausweichmöglichkeiten Platzmangel entstehen, was wiederum problematisches Verhalten von Kindern begünstigen kann (Maly- Motta et al. 2023). Bezüglich räumlicher Disparitäten zeigen aktuelle Studien, dass Kinder in städtischen Gebieten durch geringere Möglichkeiten der Bewegung im Freien größere Schwierigkeiten während Hochphasen der Pandemie erlebten (Maly-Motta, Fackler, Grgic & Neuberger, 2024). Bekannt ist auch, dass bei Verhaltensschwierigkeiten Geschlechts- und Altersunterschiede der Kinder eine Rolle spielen können (Hölling, Erhart, Ravens-Sieberer & Schlack, 2007; Chen, 2010; Else-Quest, Hyde, Goldsmith & Van Hulle, 2006). Geschwisterkinder hingegen können gerade in Zeiten größerer sozialer Isolation eine Ressource darstellen (Langmeyer, Guglhör-Rudan, Naab, Urlen & Winklhofer, 2020). Die hier genannten Merkmale sollen im Folgenden bei der Charakterisierung der zu identifizierenden Gruppen berücksichtigt werden. Die Pandemie traf somit auf eine bereits bestehende komplexe Ausgangslage für die Aufwachsensbedingungen von Kindern und Jugendlichen. Zu Beginn der Pandemie ging man davon aus, dass sie sozial, psychisch und familial vorbelastete Kinder und Jugendliche mit besonderer Schwere trifft, da die ohnehin nachteiligen Vorbedingungen verstärkt würden (z. B. Asbrand & Brinkmann, 2022; Dimmel & Schweiger, 2023; Hahlweg et al., 2020). Fragestellung Die vorliegende Studie identifiziert Gruppen von Kindern anhand unterschiedlicher Verläufe kindlicher Verhaltensprobleme. Dafür werden Verhaltensprobleme bei Kindern über 10 Messzeitpunkte von November 2020 bis Juli 2021 analysiert und mithilfe latenter Klassenanalyse Klassen mit distinkten Verläufen identifiziert. Verwendet werden Informationen über 4437 Kinder mit durchschnittlich 8.18 Messzeitpunkten. In einem zweiten Schritt wird untersucht, ob und wie die Zugangsregelungen in der Kindertagesbetreuung, der individuelle Kita-Ausfall pro Kind und die oben genannten Merkmale mit den verschiedenen Verläufen kindlicher Verhaltensprobleme assoziiert sind. Methode Stichprobe Die vorliegende Untersuchung stützt sich auf eine repräsentative Elternbefragung, die auf der Haupterhebung 2020 der DJI-Kinderbetreuungsstudie (KiBS, Einwohnermeldeamtsstichprobe, vgl. Wieschke & Kuger, 2023) aufbaut und im Rahmen des Teilmoduls CoKiss „Herausforderungen und Lösungen vor Ort“ der Corona-KiTa-Studie durchgeführt wurde (vgl. Kuger et al. 2022). In der Erhebungsphase von November 2020 bis Ende August 2021 beantworteten N = 3711 - 8917 Eltern von Kindern im Alter von null Jahren bis zum Schuleintritt nach anfänglicher postalischer Einladung im Abstand von vier Wochen wiederholt einen Online-Fragebogen zur Betreuungssituation des Kindes sowie zur familialen Situation während der Pandemie (ebd.). Für den Befragungszeitraum liegen insgesamt bis zu 10 Messzeitpunkte (MZP) vor, die für die vorliegenden Analysen berücksichtigt werden. Die analysierten Daten umfassen nur Mütter mit Kindern bis zum Schuleintritt. Angaben von Vätern (ca. 20 %) wurden aufgrund der geringen Fallzahl und um statistisch relevante Verzerrungen durch den Wechsel von Antwortpersonen zu vermeiden ausgeschlossen. Für die Analyse wurden nur Mütter berücksichtigt, die gültige Werte für kindliche Verhaltensprobleme an mindestens 4 oder mehr Messzeitpunkten inklusive MZP 1 sowie gültige Werte für die weiteren verwendeten Indikatoren an MZP 1 haben (N = 4437 in Messzeitpunkt 1, durchschnittliche Teilnahme in 8.18 MZP, SD = 2.13). 1 Die Kinder hatten zu MZP 1 ein Durchschnittsalter von 3 Jahren (SD = 1.43). 41 % der Kinder waren unter 3 Jahre alt. Die Stichprobe bestand zu 49 % aus Mädchen. Die befragten Mütter waren im Schnitt 37 Jahre alt und lebten durchschnittlich mit 1.9 Kindern unter 14 Jahren im Haushalt. Aufgrund 1 Vgl. hierzu die Gesamtstichprobe: Durchschnittl. N = 5798 Beobachtungen pro MZP, durchschnittliche Teilnahme an 8.47 MZP, SD = 2.69, Siehe Kuger et al. (2022) S. 19ff. 6 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper der wiederholten Befragung befinden sich in der vorliegenden Stichprobe tendenziell höher gebildete Mütter (mindestens Abitur/ Fachhochschulreife, 72 %), die vorwiegend in urbanen Gegenden wohnen (73 %), da deren Teilnahmebereitschaft tendenziell höher ist. 12 % der befragten Mütter gaben an, einen Migrationshintergrund zu haben. Über die Partnerschaft ist bekannt, ob diese im gesamten beobachteten Verlauf stabil war (93 %) oder ob die Befragte keinen oder wechselnde Partner hat (7 %). Im Monatsdurchschnitt stand den Familien ein Nettoäquivalenzeinkommen von 2536 € (SD = 1.543) zur Verfügung. Indikatoren Zur Erfassung kindlicher Verhaltensprobleme bewerteten Mütter eine im DJI-Survey „Aufwachsen in Deutschland: Alltagswelten“ (AID: A, Kuger, Walper & Rauschenbach, 2021) enthaltene Kurzskala zu kindlichem Verhalten (Items: „Mein Kind ist ausgeglichen und ruhig“, „Mein Kind weint häufig“, „Mein Kind ist leicht reizbar“ und „Mein Kind ist schwer zu trösten“). Die Items wurden auf einer fünfstufigen Likertskala von 1 „Trifft überhaupt nicht zu“ bis 5 „Trifft voll und ganz zu“ erfasst. Die so gebildete Skala (Mittelwert) hat mit einem Cronbach’s alpha von .85 eine hohe interne Konsistenz. Die Items stammen aus den zwei Kurzskalen „Activity und Affect“ aus dem SOEP (Sozio-oekonomisches Panel Deutschland, Richter et al., 2017), die dort auf Basis des „Infant Behavior Questionnaire“ (Rothbart 1981) entwickelt wurden. Höhere Ausprägungen der Skala deuten problematischeres Verhalten an. Zu MZP 1 ist der Durchschnitt kindlicher Verhaltensprobleme bei 2.10 (SD = 0.78). Zur Abbildung der Situation des aktuellen Kita- Besuchs wurden mehrere Variablen zum Öffnungs- und Schließgeschehen in der Pandemiesituation gebildet. Zur Erfassung der individuellen Nutzung von KiTa-Einrichtungen wurde erhoben, ob und wenn ja wie oft im Befragungszeitraum ein Kind seinen Kita-Platz genutzt hat. Dabei gaben 6 % der Befragten an, dass ihr Kind generell (noch) keine Kita besucht. Von den restlichen 94 % der Befragten gaben 39 % an, dass ihr Kind im Verlauf des zehnmonatigen Befragungszeitraums zu 100 bis 80 % der Zeit seinen Kita-Platz auch genutzt hat, 42 % der Kinder nutzten ihren Kita-Platz 79 - 50 % der Zeit, und 12 % der Kitakinder besuchten an weniger als 50 % der Befragungszeitpunkte ihre Kita. Zur Abbildung der Steuerung auf Bundeslandebene wurden die zum jeweiligen Befragungszeitpunkt geltenden Regelungen zu lockdownbedingten Schließungen operationalisiert. In der zweiten Kita- Schließphase zum Jahreswechsel 2020/ 21 gab es in Brandenburg, Hessen, Mecklenburg-Vorpommern, Nordrhein-Westfalen, Rheinland-Pfalz und dem Saarland den sog. Regelbetrieb mit Appell (betraf 35 % der Befragten), d. h. die Kindertageseinrichtungen blieben grundsätzlich offen, aber es wurde an die Eltern appelliert, nach Möglichkeit auf eine Kita-Nutzung zu verzichten. In Baden-Württemberg, Bayern, Berlin und Thüringen gab es eine erweiterte Notbetreuung mit Appell, d. h. erweiterte Kriterien des Zugangs mit einem gleichzeitigen Appell zur temporären Nicht-Nutzung (betraf 26 % der Befragten). In Sachsen, Sachsen-Anhalt und Schleswig-Holstein (betraf 20 % der Befragten) gab es eine strikte Notbetreuung mit engen Kriterien. Dazu gab es Bundesländer, die erst im Regelbetrieb mit Appell starteten, dann aber auf eine erweiterte Notbetreuung mit Appell (Hamburg, Niedersachsen) oder auf eine Notbetreuung (Bremen) wechselten (betraf 18 % der Befragten). Der Migrationshintergrund der Mütter wurde anhand von Angaben zum Geburtsland auf Haushaltsebene erfasst (Mindestens ein Elternteil im Ausland geboren). Das Netto-Einkommen des Haushalts wurde anhand von freien Nennungen erfasst. Diese Angaben wurden entsprechend der Haushaltszusammensetzung gewichtet und so in das Netto-Äquivalenzeinkommen transformiert. Dieses wurde anhand von Quartilen in drei Gruppen geteilt (höchste 25 % [5000 € und mehr], mittlere 50 % [von 2900 bis 5000] und untere 25 % [kleiner 2900 €]). Aufgrund der vorliegenden Verteilung fallen 59 % der Befragten in die mittlere Kategorie, 15 % in die niedrige und 26 % in die hohe Kategorie. Zudem liegen detaillierte Informationen über das Erwerbsverhalten vor. Erhoben wurde, ob der Haushalt einen männlichen (33 %) oder weiblichen Alleinverdiener (6 %) hat, ein Partner Vollzeit und der andere in Teilzeit arbeitet (Mann Vollzeit, Frau Teilzeit 33 %, Mann Teilzeit, Frau Vollzeit 4,5 %), oder ob beide Partner 34 Stunden und mehr (12 %) oder weniger als 34 Stunden arbeiten (17 %). Zudem ist zumindest über die Mutter bekannt, ob sie ganz im Homeoffice (10 %) arbeitet oder nur zeitweise (16 %). Beobachtungen mit fehlenden Werten bei einer der verwendeten Variablen am ersten Messzeitpunkt wurden ausgeschlossen. Eine Übersicht über sämtliche Kennzahlen findet sich in Tabelle A1 im Appendix. Kita-Schließungen und kindliche Verhaltensprobleme 7 Analysemethode Um Klassen disjunkter Verlaufsmuster kindlicher Verhaltensprobleme im Pandemieverlauf ermitteln zu können, wurden mit dem Statistik Paket lcmm (Proust- Lima, Philipps & Liquet, 2017) in R (R Core Team 2021, Version 4.3.1) latente Klassen von Individuen auf Basis ähnlicher Wachstumskurven im Zeitverlauf (Wardenaar, 2020; van der Nest, Lima Passos, Candel & van Breukelen, 2020) ermittelt. Die Modelle lassen sowohl die Identifizierung mehrerer Klassen als auch die Modellierung von Random-Effekten - und damit individuelle Abweichungen von klassenspezifischen Trends - zu. 2 Da vorangegangene Studien (Essler et al., 2023) von unterschiedlichen Verlaufsformen familialer und kindlicher Belastungsindikatoren berichten, wurden in einem ersten Schritt mehrere Modelle für unterschiedliche Klassenlösungen (Ein-, Zwei-, Drei- und Vier-Klassenlösung) geschätzt. Dabei wurde jeweils ein linearer (Formel 1) und ein kurvilinearer, d. h. u- oder umgekehrt u-förmiger Verlauf kindlicher Verhaltensprobleme (Formel 2) modelliert. Die Modelle für lineares Wachstum entsprechen Formel 1: Die Modelle für quadratisches Wachstum entsprechen Formel 2: wobei k die Anzahl der Klassen, i Individuen und t die Zeit indiziert. ( β k 0 + b k 0i ) und ( β k 1 + b k 1i ) X it entsprechen jeweils Intercept und Slope des Modells, wobei sich beide in einen fixen Teil β k und einen individuellen Teil b k i aufteilen. In Formel 2 ist zudem ein quadratischer Term enthalten, der allerdings nicht für alle i variiert, sondern nur über die Klassen k. Zudem enthalten beide Terme einen Fehler ε it . Auf Basis von grafischer Inspektion sowie empirischer Gütekriterien (Loglikelihood, SABIC, entropy) wurde diejenige Klassenlösung gewählt, die die Daten mit den wenigsten zu schätzenden Parametern (Parsimonie) inhaltlich am besten abbildet. Hierzu wurden jeweils lineare und quadratische Modelle mit klassenspezifischen Effekten für Intercept und Slope und bis zu vier Klassen geschätzt und die entsprechenden Modelle miteinander verglichen. Es gibt bisher keine Herangehensweise oder Kennzahl, die eine eindeutige Auswahl der Klassenanzahl ermöglicht (Nylund, Asparouhov & Muthén, 2007). Entscheidend sind neben der Interpretation einer Reihe von Kennzahlen substanzielle Unterschiede zwischen den Klassen und vor allem die Möglichkeit einer inhaltlichen Interpretation (van de Schoot, Sijbrandij, Winter, Depaoli & Vermunt, 2017). Sogenannte degenerierte Lösungen mit leeren Klassen legen eine Vereinfachung des Modells nahe (van der Nest et al., 2020). In einem zweiten Schritt wurde analysiert, ob es bei den oben genannten Merkmalen signifikante Unterschiede zwischen den Klassen gibt. Hierzu wurde zunächst überprüft, ob sich die entsprechenden Kennzahlen über die gebildeten Klassen signifikant unterscheiden. Zudem wurde anhand eines multinomialen Logit-Modells überprüft, ob die entsprechenden Kennzahlen auch unter Kontrolle von Drittvariablen signifikant die Zuordnung zu einer der gebildeten Klassen bestimmen. Ergebnisse Klassenbildung Tabelle 1 gibt einen Überblick über mögliche Modellierungen und vergleicht die Lösungen für 1, 2, 3 und 4 Klassen entsprechend den oben genannten Formeln. Beim Vergleich dieser Lösungen zeigt sich, dass die quadratische Modellierung der linearen in allen vier Fällen überlegen ist (kleinerer Stichproben-adjustierter BIC, höhere entropy und niedrigere ICL1, siehe Anmerkungen zu Tabelle 1). Zudem weisen die linearen Modelle mit 3 und 4 Klassen Klassen mit 0 % Fällen, d. h. degenerierte Klassen, auf. Vergleicht man die quadratischen Lösungen untereinander, so zeigt die Vier-Klassenlösung zwar die höchste entropy und den niedrigsten SABIC, allerdings einen höheren ICL1 als die Drei-Klassenlösung. Zudem ist in der Vier-Klassenlösung die erste Klasse mit nur 0,87 % der Befragten sehr schwach besetzt. Vergleicht man die Zwei- und Drei-Klassenlösung, so hat die Drei-Klassenlösung zwar den niedrigeren SABIC, allerdings eine 2 Sämtliche Modelle wurden auch ohne Random-Effekte geschätzt, allerdings erzielten diese i. d. R. schlechtere Fitstatistiken, Ergebnisse dazu auf Anfrage. 8 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper schlechtere entropy und einen höheren ICL1. Eine eindeutige Identifizierung einer besten Lösung anhand der Kennzahlen erscheint demnach schwierig. Darum erfolgt zudem eine inhaltliche Analyse der Klassenlösungen in Abbildung 1. Abb. 1 a zeigt den zeitlichen Verlauf der abhängigen Variable nach unterschiedlichen Klassenlösungen. Auf der x-Achse sind die 10 Messzeitpunkte (MZP) dargestellt, während auf der y-Achse der jeweilige Mittelwert des oben beschriebenen Index für kindliche Verhaltensprobleme zu finden ist. Höhere Werte spiegeln problematischeres bzw. negativeres Verhalten wider. Die Kurven in Abb. 1 b - 1 d zeigen jeweils pro Klasse eine Kurve, die den mittleren empirischen Verlauf an Verhaltensproblemen der jeweils gebildeten Klassen anzeigt. Die Prozentzahlen (gerundet) an jeder Linie geben an, wie viel Prozent der Fälle (N in MZP 1, siehe Tabelle 2 für Abb.1 c) jeweils der jeweiligen Klasse zugeordnet werden. Die hellgrau eingefärbten Bereiche in Abb. 1 a zeigen in etwa den zeitlichen Geltungsbereich der oben genannten Zugangsregelungen, zusätzlich sind im Hintergrund die durchschnittlichen 7-Tage-Inzidenzen pro Messzeitpunkt eingezeichnet, um den Verlauf der zweiten und dritten Welle der Pandemie anzudeuten. Hierbei handelt es sich um Daten des Robert Koch-Instituts (Robert Koch-Institut, 2022; vgl. Kuger et al. 2022, S. 28ff.). Zu erkennen ist hier deutlich die zweite Welle vor und nach dem Jahreswechsel 2020/ 2021 zwischen MZP 2 und 3, die dritte Welle beginnend im Frühjahr 2021 um MZP 4 und 5 und der Beginn der vierten Welle um MZP 10. Die Ein-Klassen-Lösung (Abb. 1 a) zeigt einen flachen Verlauf mit zwei geringen Ausschlägen nach oben, welche zeitlich mit den jeweiligen Schließphasen (hellgrau) zusammenfallen. Betrachtet man die Zwei-Klassen-Lösung (Abb. 1 b), so zeigt sich, dass ein Großteil der Kinder einer Klasse ohne nennenswerte Veränderungen zugeteilt wird (N = 3881 in MZP 1, 87,42 %). 3 3 Die Prozentzahlen unterscheiden sich marginal von denen in Tabelle 1, da hier jedes Kind nur einmal gezählt wird (N in MZP 1), in Tabelle 1 allerdings sämtliche Beobachtungen eines Kindes in die Prozentwerte einfließen. G loglik npm SABIC entropy ICL1 Klasse 1 Klasse 2 Klasse 3 Klasse 4 A1: 1 Klasse, Formel 1 (linear) A2: 1 Klasse, Formel 2 (quadr.) B1: 2 Klassen, Formel 1 (linear) B2: 2 Klassen, Formel 2 (quadr.) C1: 3 Klassen, Formel 1 (linear) C2: 3 Klassen, Formel 2 (quadr.) D1: 4 Klassen, Formel 1 (linear) D2: 4 Klassen, Formel 2 (quadr.) 1.00 1.00 2.00 2.00 3.00 3.00 4.00 4.00 -30821.23 -30531.29 -30710.67 -30072.96 -30710.67 -29952.89 -30710.67 -29903.30 6.00 7.00 9.00 11.00 12.00 15.00 15.00 19.00 61673.84 61099.18 61468.40 60203.43 61484.09 59984.20 61499.77 59905.95 1.00 1.00 0.59 0.72 0.27 0.69 0.20 0.73 61692.91 61121.42 62763.24 61113.69 65126.14 61543.68 66530.41 61662.54 100.00 100.00 20.98 87.42 27.53 15.93 0.00 0.87 79.02 12.58 72.47 9.65 67.35 16.34 0.00 74.41 32.65 10.66 0.00 72.13 Tab. 1: Growth mixture Modellierung (GMM) für 2, 3 oder 4 Klassen mit und ohne quadratischen Term Quelle: CoKiss-Daten, Corona-KiTa-Studie, eigene Berechnungen. „G“ gibt dabei die Anzahl der ermittelten Klassen an, „loglik“ die Log-Likelihood, „npm“ die Nummer der geschätzten Parameter, „SABIC“ ist ein likelihood-basiertes, um die Nummer der Parameter und der Fallzahl korrigiertes Gütekriterium (je kleiner, desto besser), „entropy“ ist ein auf der Wahrscheinlichkeit der richtigen individuellen Zuordnung basierendes Maß (je näher an 1, desto besser), und der „ICL1“ (je kleiner, desto besser) ist ebenfalls likelihood basiert, berücksichtigt aber zusätzlich die entropy (siehe Proust-Lima, Philipps und Liquet 2017). Die Spalte Klasse 1 bis Klasse 4 gibt jeweils den Prozentwert der der jeweiligen Klasse zugeordneten Beobachtungen pro Messzeitpunkt an. Kita-Schließungen und kindliche Verhaltensprobleme 9 Nur eine kleine Gruppe („steigend“, N = 556 in MZP 1, 12,53 %) berichtet einen Anstieg und verharrt dann über mehrere Monate hinweg auf erhöhtem Niveau. Diese Gruppe berichtet einen deutlichen Anstieg der kindlichen Verhaltensprobleme während der Lockdown-Phase um den Jahreswechsel 2020/ 21 (MZP 2, 3 und 4), der sich über das Frühjahr 2021 bis zum Abklingen der Infektionen im Sommer hinzieht und danach wieder abnimmt. Kindliche Verhaltensprobleme 5 4 3 2 1 1 2 3 4 5 6 7 8 9 10 Messzeitpunkt 100 % (a) 1 Klasse Kindliche Verhaltensprobleme 5 4 3 2 1 12,5 % 87,5 % 1 2 3 4 5 6 7 8 9 10 Messzeitpunkt niedrig steigend (b) 2 Klassen (B2) Kindliche Verhaltensprobleme 5 4 3 2 1 1 2 3 4 5 6 7 8 9 10 Messzeitpunkt niedrig steigend (c) 3 Klassen (C2) 15,9 % 9,7 % 74,4 % hoch Kindliche Verhaltensprobleme 5 4 3 2 1 1 2 3 4 5 6 7 8 9 10 Messzeitpunkt (d) 4 Klassen (D2) niedrig steigend hoch stark st. 16,1 % 10,7 % 0,8 % 72,4 % Quelle: CoKiss-Daten, Corona-KiTa-Studie, eigene Berechnungen. Abb. 1 a zeigt den empirischen Verlauf der durchschnittlichen kindlichen Verhaltensprobleme (durchgezogene schwarze Linie) über die einzelnen Messzeitpunkte, die einzelnen Datenpunkte sind dabei als graue Punkte angegeben. Die beiden hellgrau gefärbten Flächen geben die Zeit der Lock-Down- Phasen/ Corona-Wellen in Deutschland wieder. Die grauen Balken im Hintergrund spiegeln (ohne Skala) die Höhe der durchschnittlichen COVID-19-7-Tageinzidenz wieder, um den Pandemieverlauf zu illustrieren. Abb. 1 b bis 1 d geben jeweils den empirischen Verlauf der durchschnittlichen kindlichen Verhaltensprobleme der Zwei-, Drei- und Vier-Klassen-Lösungen (Modelle B2, C2 und D2 aus Tab. 1) sowie die entsprechenden Datenpunkte wieder. Die Prozentzahl (gerundet) an jeder Linie gibt an, wie viel Prozent der Fälle (N in MZP 1, siehe Tab. 2 für Abb. 1 c) der jeweiligen Klasse zugeordnet werden. Abb. 1: Empirische Verläufe kindlicher Verhaltensprobleme nach unterschiedlichen Klassenlösungen 10 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper In der Drei-Klassen-Lösung (Abb. 1 c) findet sich ebenfalls eine Gruppe mit steigenden und dann wieder sinkenden Verhaltensproblemen, allerdings werden hier etwas weniger (N = 429 in MZP 1, 9,7 %) Kinder zugeordnet. Zudem findet sich eine dritte Klasse mit konstant hohen Verhaltensproblemen („hoch“), d. h. ein Teil der Eltern schätzt das Verhalten ihrer Kinder konstant als problematisch ein (N = 706 in MZP 1, 15,9 %). Den größten Anteil hat allerdings auch hier die Gruppe, für die durchgängig kaum Verhaltensprobleme berichtet werden (N = 3302 in MZP 1, 74,4 %). Die Vier-Klassen-Lösung (Abb. 1 d) entspricht weitestgehend der Drei-Klassen-Lösung, erweitert um eine Klasse mit unter 1 % der Kinder, die einen besonders stark steigenden Anstieg an Verhaltensproblemen („stark steigend“, N = 37 in MZP 1, 0,83 %) verzeichnet. Mit der „steigenden“ Klasse identifizieren alle Lösungen eine Gruppe, die über einen deutlichen Anstieg kindlicher Verhaltensprobleme während der Lockdown-Phase im Winter 2020/ 21 berichtet. Diese Gruppe umfasst je nach Klassenlösung zwischen 9,7 % und 12,6 % der Befragten (N = 429 - 556). Gleichzeitig identifizieren alle Lösungen eine große Gruppe (zwischen 72 % und 87 %), die konstant niedrige Verhaltensprobleme berichtet. Zudem identifizieren die Lösungen mit 3 und 4 Klassen noch eine weitere Klasse mit konstant hohen Werten, der 15 - 16 % aller Kinder zugeordnet werden. Diese Kinder scheinen unabhängig von pandemischen Einflüssen durchwegs mehr Verhaltensprobleme zu zeigen. Die stark steigende Klasse in Abb. 1 d ist mit nur 37 Befragten zu klein, um substanziell inhaltlich interpretiert zu werden. Klassenmerkmale Aufgrund der besten Kombination der Kriterien Modellsparsamkeit, inhaltliche Interpretierbarkeit und statistische Fitindices wird die Drei- Klassen-Lösung (Abb. 1 c) in den folgenden Analysen weiter untersucht. Tabelle 2 zeigt Mittelwerte, Standardabweichung, Minima und Maxima der oben genannten Merkmale für die drei Klassen aus Abb. 1 c in den Spalten „niedrig“, „steigend“ und „hoch“. Zudem ist in der letzten Spalte das Ergebnis eines F oder Chi 2 Tests festgehalten, welches angibt, ob sich die Verteilung der jeweiligen Variable zwischen den Klassen bivariat (overall-Test) signifikant unterscheidet oder nicht. Die Ergebnisse wurden zudem multivariat anhand einer multinomialen Logit-Analyse abgesichert. 4 Bei den berichteten kindlichen Verhaltensproblemen unterscheiden sich die Klassen deutlich, was nicht überrascht, beruht die Klassifikation ja auf deren Verläufen. Die niedrige Klasse beinhaltet die Kinder, deren Mütter die geringsten Verhaltensprobleme (M = 1.85) zum ersten Messzeitpunkt berichten, die steigende Klasse beginnt etwas höher mit einem Mittelwert von 2.05 und die hohe Klasse liegt zu Beginn deutlich über den anderen beiden Klassen (M = 3.25). Zu den MZP 4 bis 7 übersteigt die „steigende“ Klasse die Werte der „hohen“ Klasse, sinkt dann aber bei MZP 8 bis 10 wieder unter den Wert der „hohen“ Klasse, siehe Abb. 1 c. Die Phase mit den hohen Werten liegt dabei in der Zeit der lockdownbedingten zweiten und dritten Kita-Schließphase (Dezember 2020 bis Juni 2021, MZP 3 - 7) sowie im kurzen Zeitraum dazwischen, in dem die Kitas wieder öffneten. Erst mit Abschluss der dritten und letzten Kita-Schließphase (Juni 2021, MZP 8) berichteten Eltern dieser Gruppe von einer Verbesserung der Verhaltensprobleme. Bei den bundeslandbzw. regelungsabhängigen Schließungen und individuellen Gründen für Kita-Ausfälle zeigen sich hochsignifikante Unterschiede zwischen den Verlaufstypen. In der konstant niedrigen Klasse findet sich der höchste Anteil an Kindern, die grundsätzlich keine Kita besuchen. Der Anteil dieser Kinder, die (noch) keine Kita besuchen, ist mit 7 % an 4 Im Anhang des Papiers findet sich ein multinomiales Logit-Modell (Tabelle A2), welches Aussagen darüber erlaubt, inwieweit die Unterschiede auch multivariat, d. h. unter Berücksichtigung anderer Variablen, signifikant sind. Kita-Schließungen und kindliche Verhaltensprobleme 11 3 Klassenlösung niedrig steigend hoch Test Variable MW Sd Min Max MW Sd Min Max MW Sd Min Max N 3302 (74,42 %) 429 (9,67 %) 706 (15,91 %) Kindliche Verhaltensprobleme 1.85 0.59 1 4.5 2.05 0.6 1 4 3.25 0.57 1.5 5 F = 1621.101*** Kinderbetreung 3302 429 706 χ 2 = 35.063*** … Kind besucht generell keine Kita 242 7 % 15 3 % 28 4 % … Kind besucht Kita 100 bis 80 % 1321 40 % 142 33 % 271 38 % … Kind besucht Kita 79 bis 50 % 1337 40 % 215 50 % 331 47 % … Kind besucht Kita weniger als 50 % 402 12 % 57 13 % 76 11 % Zugangsregelungen 3302 429 706 χ 2 = 16.414** … Regelbetrieb mit Appell 1176 36 % 137 32 % 261 37 % … Erweiterte Notbetreuung mit Appell 867 26 % 124 29 % 167 24 % … Notbetreuung 688 21 % 73 17 % 131 19 % … Regelbetrieb mit Appell, danach (erw.) Notbetreuung 571 17 % 95 22 % 147 21 % Zielkind: Alter in Jahren 2.9 1.44 0 6 3.28 1.36 0 6 3.28 1.38 0 6 F = 30.705*** Zielkind: unter 3 Jahre alt 0.45 0.5 0 1 0.31 0.46 0 1 0.32 0.47 0 1 F = 29.052*** Zielkind: Mädchen (ref. Junge) 0.5 0.5 0 1 0.47 0.5 0 1 0.45 0.5 0 1 F = 3.219** Auskunftsperson: Alter in Jahren 36.89 4.41 22 57 36.74 4.46 25 54 36.55 4.31 24 51 F = 1.761 Anzahl Kinder unter 14 im HH. 1.87 0.76 1 7 1.94 0.69 1 4 1.97 0.73 1 5 F = 6.055*** Bildung: Hoch (Ref. Mittel/ Niedrig) 0.73 0.44 0 1 0.7 0.46 0 1 0.69 0.46 0 1 F = 2.881* Gebiet: Städtisch (Ref. Ländlich) 0.73 0.44 0 1 0.69 0.46 0 1 0.73 0.45 0 1 F = 1.97 Migrationshintergrund 0.12 0.32 0 1 0.15 0.36 0 1 0.14 0.34 0 1 F = 2.672* Partnerschaft 3302 429 706 χ 2 = 6.63** … Partnerschaft: Mit Partner 3085 93 % 387 90 % 651 92 % … Partnerschaft: Ohne Partner/ Wechselnd 217 7 % 42 10 % 55 8 % Einkommen (levels.) 3302 429 706 χ 2 = 5.776 … Mittel 1980 60 % 255 59 % 403 57 % … Niedrig 460 14 % 62 14 % 123 17 % … Hoch 862 26 % 112 26 % 180 25 % Haushaltstyp: Männl. Alleinverdiener 0.31 0.46 0 1 0.37 0.48 0 1 0.39 0.49 0 1 F = 8.794*** Haushaltstyp: Weibl. Alleinverdiener 0.06 0.23 0 1 0.07 0.25 0 1 0.07 0.26 0 1 F = 1.532 Haushaltstyp: Mann Vollzeit, Frau Teilzeit 0.33 0.47 0 1 0.29 0.45 0 1 0.32 0.47 0 1 F = 1.811 Haushaltstyp: Mann Teilzeit, Frau Vollzeit 0.05 0.21 0 1 0.04 0.2 0 1 0.03 0.17 0 1 F = 1.94 Haushaltstyp: Beide arbeiten 34 Stunden und mehr 0.12 0.33 0 1 0.12 0.32 0 1 0.1 0.3 0 1 F = 1.987 Haushaltstyp: Beide arbeiten unter 34 Stunden 0.18 0.38 0 1 0.17 0.37 0 1 0.16 0.37 0 1 F = 0.58 Arbeitssituation: Homeoffice 0.09 0.29 0 1 0.11 0.32 0 1 0.09 0.29 0 1 F = 0.784 Arbeitssituation: Blockweise im Homeoffice 0.15 0.36 0 1 0.15 0.36 0 1 0.16 0.37 0 1 F = 0.056 Quelle: CoKiss-Daten, Corona-KiTa-Studie, eigene Berechnungen. Die Tabelle enthält Kennzahlen und ihre Verteilung über die in Abb. 1 c dargestellte Klassenlösung. Die Spalte Test enthält jeweils einen F- (metrische Variablen) bzw. einen χ 2 -Wert (kategoriale Variablen), welcher angibt, ob sich die Verteilung der Variable statistisch signifikant über die gebildeten Klassen unterscheidet. * p < 0.1; ** p < 0.05; *** p < 0.01. MW bezeichnet das arithmetische Mittel, Sd die Standardabweichung, Min und Max jeweils den Wertebereich metrischer Variablen. Dummyvariablen sind als 0/ 1 codiert, die Mittelwerte können dementsprechend als Prozentwerte gelesen werden. Tab. 2: Variablen in Welle 1 nach Drei-Klassen-Lösung, Modell C2 12 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper allen Kindern in der Stichprobe zwar sehr klein, allerdings fällt der Unterschied zwischen den Verlaufstypen auch multivariat, d. h. auch unter Kontrolle des Alters der Kinder, signifikant aus (vgl. Tab. A3). Unterschiede zeigen sich zudem in der Besuchsintensität. So konnten in der Klasse mit steigenden Verhaltensproblemen nur 33 % der Kinder ihren Kita-Platz zwischen 100 und 80 % ihres Befragungszeitraums nutzen, verglichen mit 40 % in der Klasse mit Kindern mit konstant niedrigen Werten und 38 % in derjenigen mit konstant hohen Werten. 50 % der Kinder in der steigenden Klasse und 47 % der Kinder in der konstant hohen Klasse konnten ihren Kita-Platz sogar nur zwischen 79 und 50 % des betrachteten Zeitraums nutzen. Die Klassen unterscheiden sich demnach deutlich in ihrer Kita-Nutzung, und diese Unterschiede bleiben auch multivariat bestehen: Insbesondere Kinder, die ihren Kita-Platz nur zwischen 79 und 50 % der Zeit nutzen konnten, sind überdurchschnittlich häufig in der Klasse an Kindern mit ansteigenden Verhaltensauffälligkeiten zu finden. Die Zuordnung von Kindern in der hohen Klasse ist unter Kontrolle von Drittvariablen hingegen nicht von der Nutzungsintensität abhängig. Auch bei den Zugangsregeln zeigen sich signifikante Unterschiede. Kinder in der Klasse mit ansteigenden Verhaltensauffälligkeiten leben - auch unter Kontrolle anderer Faktoren - signifikant häufiger in einem Bundesland, welches im betrachteten Zeitraum Regelbetrieb mit Elternappell und anschließender Notbetreuung einführte (Hamburg, Bremen und Niedersachsen). Bei den Merkmalen der Kinder zeigt sich, dass Eltern von älteren Kindern sowie von Jungen häufiger mehr Verhaltensprobleme berichten. So sind nur 31 bzw. 32 % der Kinder in den Klassen „steigend“ und „hoch“ unter 3 Jahre alt, in der Klasse niedrig jedoch 45 %. Die Altersunterschiede bei Kindern sind auch unter Kontrolle auf andere Variablen signifikant. Zudem befinden sich signifikant weniger Mädchen in der Klasse „hoch“. Beim Alter der Mutter zeigen sich im Vergleich der drei Klassen keine Unterschiede. Multivariat wird deutlich, dass in der „hohen“ Gruppe tendenziell jüngere Mütter sind als in der niedrigen. Sowohl in der steigenden als auch in der konstant hohen Klasse leben signifikant mehr Kinder im Haushalt als in der Gruppe mit den konstant eher niedrigen Werten. Auch dieser Unterschied bleibt unter Kontrolle auf andere Variablen signifikant. Die höchsten Bildungsabschlüsse der Mütter finden sich in der Klasse mit konstant niedrigen Verhaltensproblemen, insbesondere der Bildungsunterschied zwischen den Klassen „hoch“ und „niedrig“ bleibt auch im multivariaten Modell signifikant, die steigende Klasse unterscheidet sich hier jedoch nicht signifikant von der niedrigen. In Bezug auf die Urbanität der Lebensräume gibt es keine signifikanten Unterschiede, allerdings zeigen die multivariaten Analysen, dass der steigenden Gruppe etwas weniger Befragte aus urbanen Gebieten zugeordnet werden. Betrachtet man den Migrationshintergrund, so werden ebenfalls signifikante Unterschiede deutlich. 15 % der Kinder in der Klasse „steigend“ und 14 % der Kinder in der Klasse „hoch“ haben einen Migrationshintergrund, aber nur 12 % in der niedrigen Klasse. Diese Unterschiede sind aber im multivariaten Modell nicht mehr signifikant. In der steigenden Klasse sind zudem signifikant mehr Kinder alleinerziehender Mütter (10 % vs. 7 % in der niedrigen Klasse und 8 % in der konstant hohen). Multivariat signifikant ist hier der Unterschied zwischen der steigenden und der niedrigen Klasse. Einkommensunterschiede zeigen sich in der bivariaten Analyse in Tabelle 2 nicht, allerdings finden sich multivariat signifikante Unterschiede zwischen der „hohen“ und der „niedrigen“ Gruppe, erstere enthält mehr Befragte mit niedrigem Einkommen. Beim Haushaltstyp zeigt sich, dass in der steigenden und insbesondere in der konstant hohen Klasse überdurchschnittlich viele Haushalte ein männliches Ein-Ernährer-Modell leben. Auch multivariat zeigt sich, dass Familien mit Kita-Schließungen und kindliche Verhaltensprobleme 13 Ein-Ernährer-Modell tendenziell häufiger den beiden Klassen mit hohen und steigenden Verhaltensschwierigkeiten zugeordnet werden. Familien mit dem „Haushaltstyp: Mann Vollzeit, Frau Teilzeit“ und „Beide arbeiten unter 34 Stunden“ werden seltener der Klasse steigend zugeordnet. Sämtliche Konstellationen an Doppelverdiener-Paaren werden signifikant seltener der Klasse mit „hohen“ Problemen zugeordnet. In Bezug auf die Nutzung von Homeoffice oder das zeitweise Arbeiten von Zuhause (verglichen mit Präsenzarbeit) finden sich jedoch keine signifikanten Unterschiede zwischen den Gruppen. Diskussion Die vorliegende Studie hatte das Ziel, die Entwicklung kindlicher Verhaltensprobleme bei nullbis siebenjährigen Kita-Kindern in Deutschland während der Pandemie zu untersuchen. Mithilfe der latenten Klassenanalyse können wir mit der „steigenden“ Gruppe erstmals mit ca. 10 % den Anteil an Kita-Kindern quantifizieren, die während der Schließphasen einen deutlichen Anstieg an Verhaltensproblemen zeigten und demnach massiv betroffen waren. Die berichteten Verhaltensprobleme gingen nach den Schließphasen aber wieder deutlich zurück. Die Pandemie und die damit einhergehenden Schließphasen erweisen sich damit entsprechend den Erwartungen als ein bedeutender, aber temporärer Einschnitt im kindlichen Entwicklungskontext (Essler et al., 2022; Le et al., 2023; Gruhn et al., 2023). Zudem können wir mit der „hohen“ Gruppe ca. 16 % der Kinder einer Gruppe zuordnen, über die unabhängig vom pandemischen Geschehen ein konstant hohes Maß an Verhaltensproblemen berichtet wird. Die große Mehrheit der Kinder wird jedoch der „niedrigen“ Gruppe zugeordnet (ca. 75 %). Die Eltern dieser Kinder berichten konstant niedrige Werte bei den kindlichen Verhaltensproblemen. Insgesamt konnte mit ca. 26 % das in kleineren Studien berichtete Ausmaß an Verhaltensproblemen (ca. 35 %, Maldei-Goring et al., 2022) bei Kindern im Vorschulalter in der Pandemiezeit tendenziell bestätigt werden, allerdings legen unsere Analysen nahe, dass das Ausmaß eher geringer ist als bisher berichtet. Die gefundenen Gruppen lassen sich sowohl anhand von Unterschieden in der Kita- Nutzung als auch anhand von Unterschieden in kindlichen und familialen Merkmalen charakterisieren. Bezüglich der Kita-Nutzung hatten die Kinder der „steigenden“ Gruppe zwar häufiger einen Kita-Platz, konnten diesen jedoch pandemiebedingt seltener nutzen. Darüber hinaus lebten sie überdurchschnittlich häufig in Bundesländern, in denen die Zugangsregelungen während des Lockdowns von Regelbetrieb auf (erweiterte) Notbetreuung umgestellt wurden, d. h. in denen viele der Kinder mit plötzlichen lockdownbedingten Kita-Schließungen und der Einführung von mehr oder weniger restriktiven Zugangskriterien konfrontiert waren. Dies lässt - auch im Einklang mit Ansätzen kindlichen Wohlbefindens (Biggeri und Cuesta, 2021; Minkkinen, 2013) - darauf schließen, dass der mangelnde Zugang zur gewohnten Kita-Betreuung für die Kinder mit Belastungen verbunden war bzw. das Risiko erhöhte, Verhaltensschwierigkeiten zu erleben. Zudem erwies sich der fehlende Kontakt zu Bezugspersonen in der Kita aus Sicht von Eltern als relevanter Faktor, der es den Kindern erschwerte, mit den Pandemiebedingungen zurechtzukommen (Langmeyer et al., 2020). Zu dieser Deutung passt der Befund, dass Kinder, die generell keine Kita besuchten, tendenziell seltener in der Gruppe mit hohen oder steigenden Werten vertreten sind. Dieser Unterschied ist auch unter Kontrolle des Alters der Kinder und anderer Merkmale signifikant, lässt sich also nicht ausschließlich durch Drittvariablen erklären. Dies entspricht der Erwartung, dass der Ausfall an institutionellen Betreuungsangeboten die Kinder in rein familialen Betreuungsverhältnissen wenig tangierte, sodass diese Kinder tendenziell unproblematischer durch die Pandemie kamen (vgl. Maly-Motta et al., 2023). Hier spielen vermutlich verschiedene Faktoren eine 14 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper Rolle, v. a. grundsätzlich größere Zeitressourcen des nicht erwerbstätigen, betreuenden Elternteils, keine Belastung durch Homeoffice-Tätigkeit mit Kind und die Möglichkeit, auch in der Pandemie an gewohnten Alltagsroutinen der Kinder festzuhalten, sodass diesen Kindern ggf. die Pandemiesituation weniger präsent war. Vergleicht man die weiteren kindlichen und familialen Merkmale, so zeigt sich, dass Kinder in der „steigenden“ Klasse tendenziell älter als 3 Jahre waren, d. h. auch häufiger die Kita besuchten, und etwas häufiger in Alleinerziehenden- Haushalten oder in Haushalten mit männlichem Alleinverdiener lebten. Insbesondere Haushalte, in denen der Mann Vollzeit und die Frau Teilzeit oder in denen beide Eltern Teilzeit arbeiten, sind hier seltener vertreten. Kinder der „steigenden“ Klasse unterscheiden sich jedoch weder hinsichtlich der elterlichen Bildung oder des Einkommens noch hinsichtlich ihres Geschlechts signifikant von der Gruppe mit niedrigen Werten. Die Kinder in der Klasse mit konstant „hohen“ Verhaltensauffälligkeiten sind im Durchschnitt etwas älter, häufiger männlich, haben mehr Geschwister, eine jüngere und tendenziell schlechter gebildete Mutter und leben in Haushalten mit niedrigerem Einkommen. Zudem leben die Kinder häufiger in Haushalten mit männlichem (oder weiblichem) Alleinverdiener, Doppelverdiener-Paare kommen hier signifikant seltener vor. Entsprechende generelle Geschlechtsunterschiede (Chen, 2010; Else-Quest et al., 2006) und Altersunterschiede (Maly-Motta et al., 2023; Hölling et al., 2007) in Bezug auf Verhaltensschwierigkeiten sind bekannt. Einzelne Studien aus der Pandemiezeit konnten bei Kindern im Vorschulalter allerdings keine Unterschiede in den Verhaltensproblemen von Kindern unterschiedlichen Alters feststellen (Holler et al. 2023). Da Kinder mit zunehmendem Alter aber auch häufiger eine Kita besuchen, kann es sich bei dem von uns gefundenen negativen Effekt auch um ein Artefakt handeln, allerdings könnte auch die geringe Fallzahl der genannten Studie dafür verantwortlich sein. Alleinerziehende stellten schon vor der Pandemie eine vulnerable Gruppe dar (Avison et al., 2007). Diese Elterngruppe hatte daher eine ohnehin schon schwierige Ausgangslage und erlebte in der Pandemie intensivierten Stress und Vereinbarkeitsprobleme bei gleichzeitiger massiver Einschränkung zentraler Unterstützungsnetzwerke (Le, Mogle & Feinberg, 2023; Fegert, Schuler-Harms & Spieß, 2021), was zu den hier berichteten steigenden Verhaltensauffälligkeiten der Kinder beigetragen haben kann. Dass Eltern in der „hohen“ Gruppe im Vergleich zur niedrigen Klasse signifikant häufiger ein niedrigeres Einkommen und eine niedrigere Bildung berichten, überrascht angesichts der bekannten höheren Entwicklungsrisiken in sozial belasteten Haushalten nicht (Erhart et al., 2007; Lampert et al., 2018; Ravens-Sieberer et al., 2007; Maldei-Goring et al., 2022). Überraschend erscheint vielmehr, dass es sich bei den Kindern aus der steigenden Gruppe, welche auf den Kita-Ausfall mit einer Zunahme an Verhaltensproblemen reagierten, entgegen anfänglicher Einschätzungen (Asbrand & Brinkmann 2022; Dimmel & Schweiger 2023; Hahlweg et al., 2020) tendenziell nicht um Kinder aus ärmeren und weniger gebildeten Familien handelt, sondern eher um Kinder aus der Mittelschicht - diese Gruppe unterscheidet sich im Gegensatz zur hohen Gruppe nicht signifikant durch Einkommen oder Bildung von der niedrigen Gruppe. Obwohl Kitas mit einem höheren Anteil an Kindern aus sozial benachteiligten Familien in der Pandemie häufiger Infektionen und damit auch Betreuungsausfälle meldeten (Neuberger et al., 2022 a; 2022 b), werden Kinder aus den entsprechenden Familien tendenziell nicht aufgrund der Kita-Ausfälle der hohen Gruppe zugeordnet. Hier scheinen die Verhaltensprobleme bereits verfestigt und andere Merkmale spielen eine entscheidendere Rolle. Auffällig ist hier neben den Unterschieden in der Kita- Nutzung der Unterschied der Haushaltstypen. Insbesondere Familien mit männlichem Alleinverdiener sind bei ähnlichem Einkommen und Kita-Schließungen und kindliche Verhaltensprobleme 15 ähnlicher Bildung häufiger in der steigenden Gruppe, Familien mit Vollzeit beschäftigtem Mann und Teilzeit arbeitender Frau hingegen deutlich seltener. Familien mit einem Alleinverdiener nutzten die Angebote der Kindertagesbetreuung zwar etwas weniger, aber ebenfalls, vor allem ab dem Alter von drei Jahren. Ein männlicher Alleinverdiener kann also nicht gleichgesetzt werden mit rein familialer Betreuung. Auch Kinder in Alleinverdienerhaushalten mussten mit plötzlich veränderten Alltagsroutinen durch Kita-Ausfälle umgehen, was hier einen Anstieg oder konstant hohe Verhaltensprobleme erklären kann. Als zusätzliche Stressoren der Eltern können bei Alleinverdienerhaushalten die im Vergleich zum Doppelverdiener möglicherweise größeren finanziellen Sorgen durch ungeplante Freistellung und Kurzarbeit auftreten, welche indirekt das Auftreten von Verhaltensproblemen begünstigt haben könnten (siehe dazu Family Stress Model, Conger und Donnellan 2007). Zudem lastet in diesen Familien der Großteil der Betreuungs-, Pflege- und Sorgetätigkeiten auf den Schultern des nicht-erwerbstätigen Elternteils (Stichwort Gender Care Gap, z. B. Schäper, Schrenker & Wrohlich, 2023), der zusätzlich kurzfristige Betreuungsausfälle aufgrund des Schließgeschehens alleine auffangen musste. Familien mit männlichem Haupternährer und teilzeitbeschäftigter Mutter gelang es hingegen offenbar am besten, ihr Kind vor den durch die Pandemie entstehenden Problemen zu schützen. Dieses ebenfalls weit verbreitete Erwerbsmodell (vgl. Tab. A1) ist in der Regel darauf ausgelegt, dass der Elternteil mit geringerem Erwerbsumfang (zumeist Mütter) den größeren Pflege- und Betreuungsanteil übernimmt und so flexibler, z. B. mit Arbeitszeitreduktion (Crook, 2020), auf Betreuungsausfälle während der Pandemie reagieren konnte. Zudem hatten diese Familien aufgrund zweier Einkommen größere finanzielle Sicherheit als Alleinverdienerhaushalte. Die Aufteilung der Erwerbstätigkeit (Hadzic et al., 2013), d. h. Merkmale der familialen Lebensführung, spielt hier demnach ebenfalls eine entscheidende Rolle. Inwieweit insgesamt die erhöhten Anforderungen an die Eltern, ihr Betreuungsarrangement für die Kinder an die Pandemiebedingungen anzupassen, ursächlich für deren veränderte Verhaltensprobleme waren, lässt sich anhand dieser Daten nicht kausal sagen. Es liegt aber nahe, dass sich erhöhter Stress der Eltern - insbesondere derjenigen, die neben der Kinderbetreuung auch ihrer Erwerbstätigkeit nachgehen mussten (Geissler, Reim, Sawatzki & Walper, 2022) - auch auf das Verhalten der Kinder auswirkte. Wie aus der Familienstressforschung bekannt, übertragen sich hohe elterliche Belastungen z. B. über negatives Familienklima oder ungünstiges Erziehungsverhalten auf Kinder (Prime et al., 2020; Wu & Xu, 2020; Benner & Mistry, 2020). Familiale Spannungen und Stress konnten auch von anderen Studien in der Pandemie als Risikofaktoren für kindliche Verhaltensprobleme identifiziert werden (Maldei- Goring et al., 2022; Essler et al., 2023). Unsere Studie hat eine Reihe von Limitationen. Zunächst einmal sind die Befunde latenter Klassenanalysen explorativ und die Ergebnisse lassen keine kausalen Schlussfolgerungen zu. Unsere Daten enthalten zudem keine Informationen zum Stand vor der Pandemie, das heißt für das Frühjahr 2020. Daher können wir keine Aussagen darüber treffen, wie sich die identifizierten Gruppen vor der Pandemie verhielten und ob das Ausmaß an Verhaltensproblemen, das zum Zeitpunkt unserer Beobachtung ab November 2020 berichtet wurde, bereits vor der Pandemie vorhanden war oder ob es sich aus dem ersten Lockdown ergab. Zudem basieren unsere Aussagen zu kindlichen Verhaltensproblemen nur auf einer Einschätzung durch die Mütter, könnten also auch deren Belastungen reflektieren. Es ist zudem nicht auszuschließen, dass neben Belastungsaspekten auch nicht erfasste Unterschiede in den Persönlichkeitsdispositionen der Kinder (Caspi & Moffitt, 1993) sowie Aspekte der Emotionsregulation (Holler et al., 2023) zu unterschiedlichen Anpassungsreaktionen aufseiten der Kinder und damit zu einer Selektion in die Gruppen geführt haben könnten. Es ist weiterhin möglich, dass insbesondere unsere Ergebnisse zu den 16 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper Lockdown-Phasen z.T. auch durch den Ausfall weiterer Aktivitäten bedingt sind, gingen doch die Kitaschließungen aufgrund des Lockdowns mit weiteren Einschränkungen, z. B. bei Vereinsaktivitäten, Besuchen im Kino, im Schwimmbad, bei Freunden, Großeltern etc. einher, die das Verhalten v. a. bei älteren Kindern deutlich beeinträchtigen können. Festzuhalten bleibt, dass die Unsicherheiten und Einschränkungen, die mit Kita-Ausfällen auf individueller, familialer und bundespolitischer Ebene verbunden waren, für zumindest einen kleinen Teil der Kinder zeitlich begrenzte Auswirkungen auf ihr Verhalten hatten. Die Schließungsmaßnahmen im Winter 2020/ 21 gingen direkt mit einem Anstieg an Verhaltensproblemen einher, und die Verhaltensprobleme nahmen mit Beendigung der Maßnahmen auch wieder ab. Dies spricht zwar dafür, dass die Lockdown-Maßnahmen der primäre Wirkfaktor waren - aber auch dagegen, dass gravierende Langzeitfolgen durch die Kita-Schließungen zu erwarten sind. Der Großteil der Familien meisterte die Pandemie-Zeit aber auch in unserer Studie gut (Eales, Ferguson, Gillespie, Smoyer & Carlson, 2021). Einige Familien empfanden die wiederkehrenden Phasen der sozialen und öffentlichen Einschränkungen wohl sogar zunächst als entschleunigend und genossen die Zeit mit ihren Kindern (Andresen et al., 2020; Cohen, Oppermann & Anders 2020). Unbestreitbar ist jedoch, dass es mit ca. 16 % aller Kinder eine Gruppe gibt, die verfestigte Verhaltensprobleme aufweist und wohl auch weiterhin aufweisen wird - allerdings hauptsächlich aufgrund familialer Faktoren. Es handelt sich dabei um Kinder von Eltern mit niedriger Bildung und niedrigem Einkommen. Diese Gruppe muss langfristig im Fokus der politischen Maßnahmen stehen. Das groß angelegte längsschnittliche Untersuchungsdesign dieser Studie erlaubt es, eine detaillierte Unterscheidung zwischen der Gruppe mit permanent hohen Verhaltensproblemen und jenen, welche tatsächlich nur auf die Lockdown-Maßnahmen reagierten, zu treffen und so ein im Vergleich zu kleineren Studien differenzierteres Bild der Auswirkungen der Pandemie zu zeichnen. Literatur Andresen, S., Lips, A., Möller, R., Rusack, T., Schröer, W., Thomas, S. & Wilmes, J. (2020). Kinder, Eltern und ihre Erfahrungen während der Corona-Pandemie: Erste Ergebnisse der bundesweiten Studie KiCo. https: / / dx.doi. org/ 10.18442/ 121 Asbrand, J. & Brinkmann, F. (2022). Die Auswirkungen der COVID-19-Pandemie auf Kinder, Jugendliche und Familien in deutschsprachigen Ländern. Kindheit & Entwicklung 31 (2), 76 - 80. http: / / dx.doi.org/ 10. 1026/ 0942-5403/ a000372 Autorengruppe Bildungsberichterstattung (2022). Bildung in Deutschland 2022. Autorengruppe Corona-Kita-Studie (2020). Monatsbericht der Corona-Kita-Studie. Mai 2020. hrsg. v. DJI. München. Zugriff am 3. 7. 2024 unter https: / / www.dji.de/ fileadmin/ user_upload/ abt2/ KiTaCo/ Corona-KiTa- Monatsbericht_Mai_2020.pdf Avison, W. R., Ali, J. & Walters, D. (2007). Family structure, stress, and psychological distress. A demonstration of the impact of differential exposure. Journal of Health and Social Behavior 48 (3), 301 - 317. https: / / doi.org/ 10.1177/ 002214650704800307 Benner, A. D. & Mistry, R. S. (2020). Child Development During the COVID‐19 Pandemic Through a Life Course Theory Lens. Child Development Perspectives, 14 (4), 236 - 243. https: / / doi.org/ 10.1111/ cdep.12387 Biggeri, M. & Cuesta, J. (2021). An Integrated Framework for Child Poverty and Well-Being Measurement: Reconciling Theories. Child Indicators Research 14 (2), 821 - 846. https: / / doi.org/ 10.1007/ s12187-020-09774-0 Blum, S. & Dobrotić, I. (2021). Die Kita- und Schulschließungen in der COIVD-19-Pandemie. In: D. Fickermann und B. Edelstein (Hrsg.), Schule während der Corona- Pandemie. Neue Ergebnisse und Überblick über ein dynamisches Forschungsfeld. 81 - 99. Münster: Waxmann (DDS Die Deutsche Schule Zeitschrift für Erziehungswissenschaft, Bildungspolitik und pädagogische Praxis, Beiheft 17). Buechel, C., Nehring, I., Seifert, C., Eber, S., Behrends, U., Mall, V. & Friedmann, A. (2022). A cross-sectional investigation of psychosocial stress factors in German families with children aged 0 - 3 years during the COVID-19 pandemic: initial results of the CoronabaBY study. Child and Adolescent Psychiatry and Mental Health, 16 (1), 1 - 14. https: / / doi.org/ 10.1186/ s13034-022-00464-z Bundesministerium für Familie, Senioren, Frauen und Jugend (Hrsg.) (2021): Neunter Familienbericht. Eltern sein in Deutschland - Ansprüche, Anforderungen und Angebote bei wachsender Vielfalt. Zugriff am 28. 6. 2024 unter https: / / www.bmfsfj.de/ resource/ blob/ 174094/ 93093983 704d614858141b8f14401244/ neunter-familienberichtlangfassung-data.pdf Bundesministerium für Familie, Senioren, Frauen und Jugend (Hrsg.) (2023). Kindertagesbetreuung Kompakt. Ausbaustand und Bedarf 2022. Campos, M. & Vieira, L. (2021). COVID-19 and early childhood in Brazil: impacts on children’s well-being, education and care. European Early Childhood Education Research Journal, 1 - 17. http: / / doi.org/ 10.1080/ 1350 293X.2021.1872671 Caspi, A. & Moffitt, T. E. (1993). When Do Individual Differences Matter? A Paradoxical Theory of Personality Coherence. Psychological Inquiry, 4 (4), 247 - 271. https: / / doi.org/ 10.1207/ s15327965pli0404_1 Kita-Schließungen und kindliche Verhaltensprobleme 17 Chen, J. J. L. (2010). Gender differences in externalising problems among preschool children: implications for early childhood educators. Early Child Development and Care, 180 (4), 463 - 474. https: / / doi.org/ 10.1080/ 03004430802041011 Christner, N., Essler, S., Hazzam, A., Paulus, M. & Slobodskaya, H. R. (2021). Children’s psychological wellbeing and problem behavior during the COVID-19 pandemic: An online study during the lockdown period in Germany. PLONE, 16 (6), e0253473. https: / / doi. org/ 10.1371/ journal.pone.0253473 Cohen, F., Oppermann, E. & Anders, Y. (2020). Familien & Kitas in der Corona-Zeit. Zusammenfassung der Ergebnisse. Bamberg: Universität Bamberg. Conger, R. D. & Donnellan, B. M. (2007). An interactionist perspective on the socioeconomic context of human development. Annual Review of Psychology (58), 175 - 199. https: / / doi.org/ 10.1146/ annurev.psych.58.110405.08 5551 Crook, S. (2020). Parenting during the Covid-10 pandemic of 2020: academia, labour and care work. Women’s Historic Review 29 (7), 1226 - 1238. https: / / doi.org/ 10.10 80/ 09612025.2020.1807690 Dellagiulia, A., Lionetti, F., Fasolo, M., Verderame, C., Sperati, A. & Alessandri, G. (2020). Early impact of COVID-19 lockdown on children’s sleep: a 4-week longitudinal study. Journal of Clinical Sleep Medicine 16 (9), 1639 - 1640. https: / / doi.org/ 10.5664/ jcsm.8648 Dimmel, N. & Schweiger, G. (2023). Vorspann: Soziale Benachteiligung von Kindern und Jugendlichen in der Pandemie. In: N. Dimmel und G. Schweiger (Hrsg.): Kinder und Jugendliche in pandemischer Gesellschaft. (S. 5 - 16). Wiesbaden: Springer. https: / / doi.org/ 10.1007/ 978-3- 658-39304-5_2 Döpfner, M., Adam, J., Habbel, C., Schulte, B. & Schulze- Husmann, K. (2021). Die psychische Belastung von Kindern, Jugendlichen und ihren Familien während der COVID-19-Pandemie und der Zusammenhang mit emotionalen und Verhaltensauffälligkeiten. Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz. https: / / doi.org/ 10.1007/ s00103-021-03455-1 Eales, L., Ferguson, G., Gillespie, S., Smoyer, S. & Carlson, S. (2021). Family resilience and psychological distress in the COVID-19 pandemic: A mixed methods study. Developmental Psychology 57 (10), 1563 - 1581. https: / / doi.org/ 10.1037/ dev0001221 Egan, S., Pope, J., Moloney, M., Hoyne, C. & Beatty, C. (2021). Missing Early Education and Care During the Pandemic: The Socio-Emotional Impact of the COVID- 19 Crisis on Young Children. Early Childhood Education Journal 49, 925 - 934. https: / / doi.org/ 10.1007/ s10643- 021-01193-2 Else-Quest, N. M., Hyde, J. S., Goldsmith, H. H. & van Hulle, C. A. (2006). Gender differences in temperament: A meta-analysis. Psychological Bulletin, 132 (1), 33 - 72. https: / / doi.org/ 10.1037/ 0033-2909.132.1.33 Erhart, M., Hölling, H., Bettge, S., Ravens-Sieberer, U. & Schlack, R. (2007). Der Kinder- und Jugendgesundheitssurvey (KiGGS). Risiken und Ressourcen für die psychische Entwicklung von Kindern und Jugendlichen. Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz 50 (5-6), 800 - 809. https: / / doi.org/ 10.1007/ s00103-007-0243-5 Essler, S., Christner, N. & Paulus, M. (2023). Short-term and long-term effects of the COVID-19 pandemic on child psychological well-being: a four-way longitudinal study. European child & adolescent psychiatry, 1 - 14. https: / / doi.org/ 10.1007/ s00787-023-02215-7 Fegert, J. M., Schuler-Harms, M. & Spieß, C. K. (2021). Dazugehören und zusammenhalten. Die Corona-Pandemie offenbart die Herausforderungen der Familienpolitik wie in einem Brennglas. Zeitschrift für Kinder- und Jugendpsychiatrie und Psychotherapie 49 (3), 163-168. https: / / doi.org/ 10.1024/ 1422-4917/ a000799 Fickermann, D. & Edelstein, B. (Hrsg.) (2020). „Langsam vermisse ich die Schule …“. Schule während und nach der Corona-Pandemie. Münster, Waxmann (DDS Die Deutsche Schule, Zeitschrift für Erziehungswissenschaft, Bildungspolitik und pädagogische Praxis, Beiheft 16) Fiese, B. H., Tomcho, T. J., Douglas, M., Josephs, K., Poltrock, S. & Baker, T. (2002). A review of 50 years of research on naturally occurring family routines and rituals: Cause for celebration? Journal of Family Psychology, 16 (4), 381 - 390. https: / / doi.org/ 10.1037/ 0893-3200.16. 4.381 Geissler, S., Reim, J., Sawatzki, B. & Walper, S. (2022). Elternsein in der Corona-Pandemie: Ein Fokus auf das Erleben in der Elternrolle. Diskurs, 17, 11 - 26. https: / / doi.org/ 10.3224/ diskurs.v17i1.02 Grgic, M. & Rauschenbach, T. (2022). Bildungsort Familie. Informelle Bildung. J. Ecarius und A. Schierbaum (Hrsg.): Handbuch Familie (S. 1 - 19). Wiesbaden: Springer Fachmedien. https: / / doi.org/ 10.1007/ 978-3- 658-19843-5 Gruhn, M., Miller, A., Machlin, L., Motton, S., Thinzar, C. & Sheridan, M. (2023). Child Anxiety and Depression Symptom Trajectories and Predictors over 15 Months of the Coronavirus Pandemic. Research on Child and Adolescent Psychopathology 51, 233 - 246. https: / / doi.org/ 10.1007/ s10802-022-00963-9 Hadzic, R., Magee, C. & Robinson, L. (2013). Parental employment and child behaviors: Do parenting practices underlie these relationships? International Journal of Behavioral Development 37 (4), 332 - 339. https: / / doi.org/ 10.1177/ 0165025413477274 Hahlweg, K., Ditzen, B., Job, A., Gastner, J., Schulz, W., Supke, M. & Walper, S. (2020). COVID-19: Psychologische Folgen für Familie, Kinder und Partnerschaft. Zeitschrift für Klinische Psychologie und Psychotherapie 49 (3), 157 - 171. https: / / doi.org/ 10.1026/ 1616-3443/ a000592 Heinrich, C. (2014): Parents’ Employment and Children’s Wellbeing. The Future of Children 24 (1), 121 - 146 Holler, A., Maldei-Gohring, T., Reiß, F., Opdensteinen, K. D., Kaman, A., Ravens-Sieberer. U. & Hechler, T. (2023). COVID statt Kita: Der anhaltende Einfluss der COVID-19 Pandemie auf die psychische Gesundheit von Vorschulkindern. Zeitschrift für Klinische Psychologie und Psychotherapie, 52 (2), 77 - 86. https: / / doi. org/ 10.1026/ 1616-3443/ a000692 Hölling, H., Erhart, M., Ravens-Sieberer, U. & Schlack, R. (2007). Verhaltensauffälligkeiten bei Kindern und Jugendlichen. Erste Ergebnisse aus dem Kinder- und Jugendgesundheitssurvey (KiGGS). Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz 50, 784 - 793 Kluczniok, K., Lehrl, S., Kuger, S. & Rossbach, H.-G. (2013). Quality of the home learning environment during preschool age - Domains and contextual conditions. European Early Childhood Education Research Journal, 21 (3), 420 - 438. https: / / doi.org/ 10.1080/ 1350293X. 2013.814356 18 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper Koch, A. (2022). Child well-being in early childhood education and care during COVID-19: Child sensitivity in small, fixed groups. Children & Society 36, 1234 - 1249. https: / / doi.org/ 10.1111/ chso.12569 Kuger, S., Haas, W., Kalicki, B., Loss, J., Buchholz, U., Fackler, S., Finkel, B., Grgic, M., Jordan, S., Lehfeld, A.-S., Maly-Motta, H., Neuberger, F., Wurm, J., Braun, D., Iwanowski, H., Kubisch, U., Maron, J., Sandoni, A., Schienkewitz, A. & Wieschke, J. (Hrsg.) (2022). Die Kindertagesbetreuung während der COVID-19-Pandemie. Ergebnisse einer interdisziplinären Studie. Bielefeld: wbv Publikation. https: / / doi.org/ 10.3278/ 9783763973279 Kuger, S., Walper, S. & Rauschenbach, T. (Hrsg.) (2021). Aufwachsen in Deutschland 2019. Alltagswelten von Kindern, Jugendlichen und Familien. Bielefeld: wbv. Lampert, T., Hoebel, J., Kuntz, B., Müters, S. & Kroll, L. E. (2018): Messung des sozioökonomischen Status und des subjektiven sozialen Status in KiGGS Welle 2. Journal of Health Monitoring 3 (1), 114 - 133. http: / / dx. doi.org/ 10.17886/ RKI-GBE-2018-016 Langmeyer, A., Guglhör-Rudan, A., Naab, T., Urlen, M. & Winkelhofer, U. (2020). Kindsein in Zeiten von Corona. Ergebnisbericht zur Situation von Kindern während des Lockdowns im Frühjahr 2020. München: Deutsches Jugendinstitut. Le, Y., Mogle, J. A. & Feinberg, M. E. (2023). Trajectories of parent and child well‐being across the pandemic year: Role of financial strain, social distancing, and CO- VID‐19 prevalence. Family Process, 62 (3), 1134 - 1146. https: / / doi.org/ 10.1111/ famp.12823 Levickis, P., Murray, L., Niklas, F., Lee-Pang, L., Vogt, M., Page, J., Eadie, P. & Lehrl, S. (2023). Exploring Environmental Factors Associated with Child Wellbeing during COVID-19 in Australia and Germany. Education Sciences, 13 (7). https: / / doi.org/ 10.3390/ educsci 13070641 Liguoro, I., Pilotto, C., Bonanni, M., Ferrari, M., Pusiol, A., Nocerion, A., Vidal, E. & Cogo, P. (2021). SARS-COV-2 infection in children and newborns: a systematic review. European Journal of Pediatrics, 1 - 18. https: / / doi.org/ 10.1007/ s00431-020-03684-7 Maldei-Gohring, T., Opdensteinen, K. D., Hellbach, C., Nowakowski, N., Graßmann, T., Hofer, Walther, E. & Hechler, T. (2022). Ein halbes Leben lang Corona. Kindheit und Entwicklung, 31 (2), 91 - 99. https: / / doi. org/ 10.1026/ 0942-5403/ a000374 Maly-Motta, H. (2023). Gestresste Eltern. Belastungsaspekte in unterschiedlichen Entwicklungsphasen der Familie. Wiesbaden: Springer (Research). https: / / doi.org/ 10.10 07/ 978-3-658-41224-1 Maly-Motta, H. L., Neuberger, F. S., Grgic, M., Fackler, S. & Kuger, S. (2023). Parenting under stress during the corona pandemic: Child well-being, caregiver stress, and family climate in families with different socioeconomic backgrounds in Germany from November 2020 to July 2021. SocArXiv Papers. https: / / doi.org/ 10.312 35/ osf.io/ 2bq59 Maly-Motta, H., Fackler, S., Grgic, M. & Neuberger, F. (2024). Wir gehen gleich raus! Die familiäre Wohnsituation sowie Spiel- und Bewegungsmöglichkeiten von kleinen Kindern während der Coronapandemie. Kindheit und Entwicklung, 1 - 10. https: / / doi.org/ 10. 1026/ 0942-5403/ a000437 Mantovani, S., Bove, C., Ferri, P., Manzoni, P., Cesa Bianchi, A. & Picca, M. (2021). Children ‘under lockdown’: Voices, experiences, and resources during and after the COVID-19 emergency. Insights form a survey with children and families in the Lombardy region of Italy. European Early Childhood Education Research Journal 29 (1), 35 - 50. https: / / doi.org/ 10.1080/ 1350293X.20 21.1872673 Marques de Miranda, D., Athanasio, B., Oliveira, A. & Simoes-e-Silva, A. (2020). How is COVID-19 pandemic impacting mental health of children and adolescents. International Journal of Disaster Risk Reduction 51, 1 - 9. https: / / doi.org/ 10.1016/ j.ijdrr.2020.101845 Minkkinen, J. (2013). The Structural Model of Child Well-Being. Child Indicators Research 6 (3), 547 - 558. https: / / doi.org/ 10.1007/ s12187-013-9178-6 Mondragon, N., Snacho, N., Santamaria, M. & Munitis, A. (2021). Struggling to breathe: a qualitative study of children’s wellbeing during lockdown in Spain. Psychology & Health 36 (2), 179 - 194. https: / / doi.org/ 10.10 80/ 08870446.2020.1804570 Neuberger, F., Grgic, M., Buchholz, U., Maly-Motta, H. L., Fackler, S., Lehfeld, A.-S., Haas, W., Kalicki, B. & Kuger, S. (2022a). Delta and Omicron: protective measures and SARS-CoV-2 infections in day care centres in Germany in the 4th and 5th wave of the pandemic 2021/ 2022. BMC Public Health, 22, 2106. https: / / doi.org/ 10.1186/ s12889-022-14521-x Neuberger, F., Grgic, M., Diefenbacher, S., Spensberger, F., Lehfeld, A.-S., Buchholz, U, Haas, W., Kalicki, B. & Kuger, S. (2022 b). COVID-19 infections in day care centres in Germany: social and organisational determinants of infections in children and staff in the second and third wave of the pandemic. BMC Public Health, 22, 98. https: / / doi.org/ 10.1186/ s12889-021-12470-5 Neppl, T. K., Senia, J. M. & Donnellan, M. B. (2016). Effects of economic hardship. Testing the family stress model over time. Journal of Family Psychology 30 (1), 12 - 21. https: / / doi.org/ 10.1037/ fam0000168 Nylund, K. L., Asparouhov, T. & Muthén, B. O. (2007). Deciding on the Number of Classes in Latent Class Analysis and Growth Mixture Modeling: A Monte Carlo Simulation Study. Structural Equation Modeling: A Multidisciplinary Journal, 14 (4), 535 - 569. https: / / doi.org/ 10.1080/ 10705510701575396 Prime, H., Wade, M. & Browne, D. T. (2020). Risk and resilience in family well-being during the COVID-19 pandemic. American Psychologist, 75 (5), 631 - 643. https: / / content.apa.org/ fulltext/ 2020-34995-001.pdf Proust-Lima, C., Philipps, V. & Liquet, B. (2017). Estimation of Extended Mixed Models Using Latent Classes and Latent Processes: The R Package lcmm. Journal of Statistical Software, 78 (2), 1 - 56. https: / / doi.org/ 10. 18637/ jss.v078.i02 R Core Team (2021). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Wien. Zugriff am 3. 7. 2024 unter https: / / www. R-project.org/ Ravens-Sieberer, U., Kaman, A., Erhart, M., Otto, C., Devine, J., Hölling, H., Löffler, C., Hurrelmann, K., Bullinger, M., Barkmann, C., Siege, N., Simon, A., Wieler, L., Schlack, R. & Hölling, H. (2021). Quality of Life and Mental Health in Children and Adolescents during the First Year of the COVID-19 Pandemic in Germany. Results of a Two-Wave Nationally Representative Study. SSRN Journal 17 (8), 1 - 26. https: / / doi. org/ 10.2139/ ssrn.3798710 Ravens-Sieberer, U., Wille, N., Bettge, S. & Erhart, M. (2007). Psychische Gesundheit von Kindern und Jugendlichen in Deutschland. Ergebnisse aus der BELLA- Studie im Kinder- und Jugendgesundheitssurvey Kita-Schließungen und kindliche Verhaltensprobleme 19 (KiGGS). Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz 50 (5-6), 871 - 878. https: / / doi.org/ 10.1007/ s00103-007-0250-6 Richter, D., Rohrer, J., Metzing, M., Nestler, W., Weinhardt, M. & Schnupp, J. (2017). SOEP Scales Manual (updated for SOEP-Core v32.1). Hrsg. v. Deutsches Institut für Wirtschaftsforschung und SOEP. Berlin (SOEP Survey Papers, 423: Series C). Robert Koch-Institut (RKI) (2022). Anzahl und Anteile von VOC und VOI in Deutschland. Daten aus der Gesamt- Genomsequenzierung. Zugriff am 10. 10. 2022 unter http: / / www.rki.de/ DE/ Content/ InfAZ/ N/ Neuartiges_ Coronavirus/ Daten/ VOC_VOI_Tabelle.html Rothbart, M. (1981). Measurment of Temperament in Infancy. Child Development 52 (2), 569 - 578. https: / / doi. org/ 10.2307/ 1129176 Schäper, C., Schrenker, A. & Wrohlich, K. (2023). Gender Pay Gap und Gender Care Gap steigen bis zur Mitte des Lebens stark an. DIW Wochenbericht 9, 100 - 105 Schlack, R., Neuperdt, L., Junker, S., Eicher, V., Hölling, H., Thom, J., Ravens-Sieberer, U. & Beyer, A.-K. (2023). Changes in mental health in the German child and adolescent population during the COVID-19 pandemic - Results of a rapid review. Journal of Health Monitoring 8 (S1), 1 - 72. https: / / doi.org/ 10.25646/ 10761 Shelleby, E. C. (2018). Economic stress in fragile families. Pathways to parent and child maladjustment. Journal of Child and Family Studies 27 (12), 3877 - 3886. https: / / doi.org/ 10.1007/ s10826-018-1232-z Sun, D., Zhu, F., Wang, C., Wu, J., Liu, J., Chen, X., Liu, Z., Wu, Z., Lu, X., Ma, J., Peng, H. & Xiao, H. (2020). Children Infected With SARS-CoV-2 From Family Clusters. Frontiers in pediatrics 8, https: / / doi.org/ 10.33 89/ fped.2020.00386 Tettenborn, A., Popp, L., Zeitlow, A., Woll, C., Marx, A., Nonnenmacher, N., Kretz-Bünese, T., Hagl, M., Müller, M. & Reck, C. (2022) Kindliche Verhaltensauffälligkeiten im ersten Lebensjahr und mütterliche Belastung in der Zeit der COVID-19 Pandemie. Kindheit & Entwicklung 31 (2), 91 - 90. https: / / doi.org/ 10.1026/ 09 42-5403/ a000373 Tisborn, K., Pelz, J., Schneider, S. & Seehagen, S. (2022). The Mental Well-Being of Young Children and Families at the Beginning of the COVID-19 Pandemic in Germany. Zeitschrift für Entwicklungspsychologie und Pädagogische Psychologie 54 (2), 51 - 66. https: / / doi.org/ 10.1026/ 0049-8637/ a000253 van der Nest, G., Lima Passos, V., Candel, M. J. J. M. & van Breukelen, G. J. P. (2020). An overview of mixture modelling for latent evolutions in longitudinal data: Modelling approaches, fit statistics and software. Advances in Life Course Research, 43 (September 2019), 100323. https: / / doi.org/ 10.1016/ j.alcr.2019.100323 van de Schoot, R., Sijbrandij, M., Winter, S. D., Depaoli, S. & Vermunt, J. K. (2017). The GRoLTS-Checklist: Guidelines for Reporting on Latent Trajectory Studies. Structural Equation Modeling, 24 (3), 451 - 467. https: / / doi.org/ 10.1080/ 10705511.2016.1247646 Viner, R., Russel, S., Saulle, R., Croker, H., Stansfield, C., Packer, J., Nicholls, D., Goddings, A.-L., Bonell, C., Hudson, L., Hope, S., Ward, J., Schwalbe, N., Morgan, A. & Minozzi, S. (2022). School Closures During Social Lockdown and Mental Health, Health Behaviors, and Well-being Among Children and Adolescents During the First COVID-19 Wave. A Systematic Review. Jama Pediatrics 176 (4), 400 - 409. https: / / doi.org/ 10. 1001/ jamapediatrics.2021.5840 Wardenaar, K. (2020). Latent Class Growth Analysis and Growth Mixture Modeling using R: A tutorial for two R-packages and a comparison with Mplus. Department of Psychiatry, University Medical Center Groningen (Working Paper). Zugriff am 28. 6. 2024 unter https: / / psyarxiv.com/ m58wx/ Wieschke, G. J. & Kuger, S. (2023). Methodischer Hintergrund der KiBS-Erhebung 2021. DJI-Kinderbetreuungsreport 2022, Studie 6 von 6. München: Deutsches Jugendinstitut Wu, Q. & Xu, Y. (2020). Parenting stress and risk of child maltreatment during the COVID-19 pandemic: A family stress theory-informed perspective. Developmental Child Welfare, 2 (3), 180 - 196, https: / / doi.org/ 10.1177/ 2516103220967937 Dr. Franz Neuberger Dr. Hanna Lena Maly-Motta Mariana Grgic Deutsches Jugendinstitut e.V. (DJI) Nockherstr. 2 81541 München E-Mail: fneuberger@dji.de maly-motta@dji.de grgic@dji.de Prof. Dr. Susanne Kuger Prof. Dr. Sabine Walper Deutsches Jugendinstitut e.V. (DJI) und Ludwig-Maximilians-Universität München Nockherstr. 2 81541 München E-Mail: kuger@dji.de walper@dji.de 20 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper Anhang Variable MW Sd Min Max Kindliche Verhaltensprobleme 2.092 0.778 1 5 Kinderbetreung 4437 … Kind besucht generell keine Kita 285 6.4 % … Kind besucht Kita 100 bis 80 % 1734 39.1 % … Kind besucht Kita 79 bis 50 % 1883 42.4 % … Kind besucht Kita weniger als 50 % 535 12.1 % Zugangsregelungen 4437 … Regelbetrieb mit Appell 1574 35.5 % … Erweiterte Notbetreuung mit Appell 1158 26.1 % … Notbetreuung 892 20.1 % … Regelbetrieb mit Appell, danach (erw.) Notbetreuung 813 18.3 % Zielkind: Alter in Jahren 2.995 1.434 0 6 Zielkind: unter 3 Jahre alt 0.414 0.493 0 1 Zielkind: Mädchen (ref. Junge) 0.486 0.5 0 1 Auskunftsperson: Alter in Jahren 36.822 4.402 22 57 Anzahl Kinder unter 14 im HH. 1.895 0.753 1 7 Bildung: Hoch (Ref. Mittel/ Niedrig) 0.723 0.448 0 1 Gebiet: Städtisch 0.725 0.446 0 1 Migrationshintergrund 0.122 0.328 0 1 Partnerschaft 4437 … Partnerschaft: Mit Partner 4123 92.9 % … Partnerschaft: Ohne Partner/ Wechselnd 314 7.1 % Einkommen (levels.) 4437 … Mittel 2638 59.5 % … Niedrig 645 14.5 % … Hoch 1154 26 % Haushaltstyp: Männl. Alleinverdiener 0.331 0.47 0 1 Haushaltstyp: Weibl. Alleinverdiener 0.06 0.238 0 1 Haushaltstyp: Mann Vollzeit, Frau Teilzeit 0.326 0.469 0 1 Haushaltstyp: Mann Teilzeit, Frau Vollzeit 0.045 0.207 0 1 Haushaltstyp: Beide arbeiten 34 Stunden und mehr 0.118 0.323 0 1 Haushaltstyp: Beide arbeiten unter 34 Stunden 0.174 0.379 0 1 Arbeitssituation: Homeoffice 0.095 0.293 0 1 Arbeitssituation: Blockweise im Homeoffice 0.155 0.362 0 1 Tab. A1: Variablen in Welle 1 Quelle: CoKiss-Daten, Corona-KiTa-Studie, eigene Berechnungen. MW bezeichnet das arithmetische Mittel, Sd die Standardabweichung, Min und Max jeweils den Wertebereich metrischer Variablen. Dummyvariablen sind als 0/ 1 codiert, die Mittelwerte können dementsprechend als Prozentwerte gelesen werden. Kita-Schließungen und kindliche Verhaltensprobleme 21 Anzahl der Messzeitpunkte 1 bis 3 MZP 4 und mehr MZP Test Variable MW Sd Min Max MW Sd Min Max Kindliche Verhaltensprobleme 2.11 0.761 1 4.75 2.09 0.778 1 5 F = 0.354 Kinderbetreung 724 4437 χ 2 = 65.831*** … Kind besucht generell keine Kita 88 12.2 % 285 6.4 % … Kind besucht Kita 100 bis 80 % 347 47.9 % 1734 39.1 % … Kind besucht Kita 79 bis 50 % 221 30.5 % 1883 42.4 % … Kind besucht Kita weniger als 50 % 68 9.4 % 535 12.1 % Zugangsregelungen 724 4437 χ 2 = 3.58 … Regelbetrieb mit Appell 264 36.5 % 1574 35.5 % … Erweiterte Notbetreuung mit Appell 174 24 % 1158 26.1 % … Notbetreuung 163 22.5 % 892 20.1 % … Regelbetrieb mit Appell, danach (erw.) Notbetreuung 123 17 % 813 18.3 % Zielkind: Alter in Jahren 2.9 1.41 0 6 3 1.43 0 6 F = 2.89* Zielkind: unter 3 Jahre alt 0.435 0.496 0 1 0.414 0.493 0 1 F = 1.185 Zielkind: Mädchen (ref. Junge) 0.479 0.5 0 1 0.486 0.5 0 1 F = 0.117 Auskunftsperson: Alter in Jahren 36.4 4.54 23 54 36.8 4.4 22 57 F = 5.635** Anzahl Kinder unter 14 im HH. 1.81 0.722 1 4 1.9 0.753 1 7 F = 8.707*** Bildung: Hoch (Ref. Mittel/ Niedrig) 0.598 0.491 0 1 0.723 0.448 0 1 F = 47.176*** Gebiet: Städtisch 0.722 0.448 0 1 0.725 0.446 0 1 F = 0.03 Migrationshintergrund 0.157 0.364 0 1 0.122 0.328 0 1 F = 6.901*** Partnerschaft 724 4437 χ 2 = 6.607** … Partnerschaft: Mit Partner 692 95.6 % 4123 92.9 % … Partnerschaft: Ohne Partner/ Wechselnd 32 4.4 % 314 7.1 % Einkommen (levels.) 724 4437 χ 2 = 1.192 … middle 417 57.6 % 2638 59.5 % … low 115 15.9 % 645 14.5 % … high 192 26.5 % 1154 26 % Haushaltstyp: Männl. Alleinverdiener 0.293 0.455 0 1 0.331 0.47 0 1 F = 4.056** Haushaltstyp: Weibl. Alleinverdiener 0.0856 0.28 0 1 0.0604 0.238 0 1 F = 6.628** Haushaltstyp: Mann Vollzeit, Frau Teilzeit 0.286 0.452 0 1 0.326 0.469 0 1 F = 4.674** Haushaltstyp: Mann Teilzeit, Frau Vollzeit 0.0635 0.244 0 1 0.0446 0.207 0 1 F = 4.945** Haushaltstyp: Beide arbeiten 34 Stunden und mehr 0.174 0.379 0 1 0.118 0.323 0 1 F = 17.745*** Haushaltstyp: Beide arbeiten unter 34 Stunden 0.156 0.363 0 1 0.174 0.379 0 1 F = 1.406 Arbeitssituation: Homeoffice 0.134 0.341 0 1 0.0951 0.293 0 1 F = 10.413*** Arbeitssituation: Blockweise im Homeoffice 0.16 0.367 0 1 0.155 0.362 0 1 F = 0.126 Quelle: CoKiss-Daten, Corona-KiTa-Studie, eigene Berechnungen. Die Tabelle enthält Kennzahlen und ihre Verteilung. Spalte „1 bis 3 MZP“ beschreibt die aus der Analyse ausgeschlossenen Fälle aufgrund zu wenig MZP, Spalte „4 und mehr MZP“ ist analog zu Tabelle A1. Die Spalte Test enthält analog zu Tab. 2 jeweils einen F- (metrische Variablen) bzw. einen χ 2 -Wert (kategoriale Variablen), welcher angibt, ob sich die Verteilung der Variable statistisch signifikant unterscheidet. * p < 0.1; ** p < 0.05; *** p < 0.01. MW bezeichnet das arithmetische Mittel, Sd die Standardabweichung, Min und Max jeweils den Wertebereich metrischer Variablen. Dummyvariablen sind als 0/ 1 codiert, die Mittelwerte können dementsprechend als Prozentwerte gelesen werden. Tab. A2: Vergleich der Fälle 1 - 3 Messzeitpunkte und 4 oder mehr Messzeitpunkte 22 Franz Neuberger, Hanna Lena Maly-Motta, Mariana Grgic, Susanne Kuger, Sabine Walper Multinomiales Model (3 Klassen, Ref.: Niedrige Klasse) Steigend: Intercept Steigend: Kinderbetreuung: Kind besucht generell keine Kita (Ref. 100 bis 80 %) Steigend: Kinderbetreuung: Kind besucht Kita 79 bis 50 % Steigend: Kinderbetreuung: Kind besucht Kita weniger als 50 % Steigend: Zugangsregelungen: Erweiterte Notbetreuung mit Appell (Ref. Regelbetr. mit A.) Steigend: Zugangsregelungen: Notbetreuung Steigend: Zugangsregelungen: Regelbetrieb mit Appell, danach (erw.) Notbetreuung Steigend: Zielkind: unter 3 Jahre alt Steigend: Zielkind: Mädchen (ref. Junge) Steigend: Anzahl Kinder unter 14 im HH. Steigend: Auskunftsperson: Alter in Jahren Steigend: Bildung: Hoch (Ref. Mittel/ Niedrig) Steigend: Gebiet: Städtisch (Ref. Ländlich) Steigend: Migrationshintergrund Steigend: Partnerschaft: Ohne Partner/ Wechselnd (Ref. Mit Partner) Steigend: Einkommensgruppe: Niedrig (Ref. Mittel) Steigend: Einkommensgruppe: Hoch Steigend: Haushaltstyp: Weibl. Alleinverdiener (Ref. Männl. Alleinverdiener) Steigend: Haushaltstyp: Mann Vollzeit, Frau Teilzeit Steigend: Haushaltstyp: Mann Teilzeit, Frau Vollzeit Steigend: Haushaltstyp: Beide arbeiten 34 Stunden und mehr Steigend: Haushaltstyp: Beide arbeiten unter 34 Stunden Steigend: Arbeitssituation: Homeoffice (Ref. Am Arbeitsplatz) Steigend: Arbeitssituation: Blockweise im Homeoffice -0.95 (0.53) -0.63 (0.30)* 0.30 (0.12)* 0.10 (0.18) 0.36 (0.21) 0.02 (0.20) 0.44 (0.20)* -0.56 (0.12)*** -0.11 (0.10) 0.04 (0.07) -0.02 (0.01) -0.23 (0.12) -0.33 (0.13)* 0.26 (0.15) 0.42 (0.18)* -0.00 (0.16) 0.05 (0.13) -0.14 (0.23) -0.47 (0.15)** -0.41 (0.28) -0.28 (0.20) -0.38 (0.17)* 0.35 (0.18) 0.13 (0.16) Hoch: Intercept Hoch: Kinderbetreuung: Kind besucht generell keine Kita (Ref. 100 bis 80 %) Hoch: Kinderbetreuung: Kind besucht Kita 79 bis 50 % Hoch: Kinderbetreuung: Kind besucht Kita weniger als 50 % Hoch: Zugangsregelungen: Erweiterte Notbetreuung mit Appell (Ref. Regelbetr. mit A.) Hoch: Zugangsregelungen: Notbetreuung Hoch: Zugangsregelungen: Regelbetrieb mit Appell, danach (erw.) Notbetreuung Hoch: Zielkind: unter 3 Jahre alt Hoch: Zielkind: Mädchen (ref. Junge) Hoch: Anzahl Kinder unter 14 im HH. Hoch: Auskunftsperson: Alter in Jahren Hoch: Bildung: Hoch (Ref. Mittel/ Niedrig) Hoch: Gebiet: Städtisch (Ref. Ländlich) Hoch: Migrationshintergrund Hoch: Partnerschaft: Ohne Partner/ Wechselnd (Ref. Mit Partner) Hoch: Einkommensgruppe: Niedrig (Ref. Mittel) Hoch: Einkommensgruppe: Hoch Hoch: Haushaltstyp: Weibl. Alleinverdiener (Ref. Männl. Alleinverdiener) Hoch: Haushaltstyp: Mann Vollzeit, Frau Teilzeit Hoch: Haushaltstyp: Mann Teilzeit, Frau Vollzeit Hoch: Haushaltstyp: Beide arbeiten 34 Stunden und mehr Hoch: Haushaltstyp: Beide arbeiten unter 34 Stunden Hoch: Arbeitssituation: Homeoffice (Ref. Am Arbeitsplatz) Hoch: Arbeitssituation: Blockweise im Homeoffice -0.15 (0.42) -0.68 (0.23)** 0.09 (0.10) -0.25 (0.15) 0.04 (0.16) -0.01 (0.15) 0.25 (0.16) -0.55 (0.09)*** -0.19 (0.08)* 0.14 (0.06)* -0.03 (0.01)** -0.26 (0.10)** -0.08 (0.11) 0.15 (0.13) 0.13 (0.16) 0.24 (0.12)* 0.08 (0.11) -0.02 (0.18) -0.30 (0.12)* -0.65 (0.25)** -0.47 (0.17)** -0.36 (0.14)* 0.13 (0.16) 0.16 (0.13) AIC BIC Log Likelihood Deviance Num. obs. K 6475.97 6936.52 -3165.98 6331.97 4432 3 Quelle: CoKiss-Daten, Corona-KiTa-Studie, eigene Berechnungen. Multinomiales Logit Modell, Koeffizienten als log. Odds. Referenzklasse Niedrig, siehe Abb. 1 c, d. h. Zeilen mit „Steigend“ geben Koeffizienten für ein Logit-Modell Niedrig (0) vs. Steigend (1) an, Zeilen mit „Hoch“ geben Koeffizienten für ein Logit-Modell Niedrig (0) vs. Hoch (1) an. Das Modell kontrolliert für Bundesländer (Dummies, Ergebnisse nicht in Tabelle). Weitere Referenzkategorien: Haushaltstyp: Männlicher Alleinverdiener, Zugangsregeln: Regelbetrieb mit Appell; Kinderbetreuung: Kind besucht Kita 100 bis 80 %; Arbeitssituation: Am Arbeitsplatz; Modell enthält Dummyvariable für Alter Kind unter 3. *** p < 0.001; ** p < 0.01; * p < 0.05. Tab. A3: Multinomial Model für 3 Klassenlösung