Erwartungen an den Staat in Ost- und Westdeutschland

From Teachwiki
Jump to: navigation, search

Einleitung[edit]

Die Wiedervereinigung Deutschlands liegt beinahe 17 Jahre zurück. Seither sind Ost- und Westdeutsche Bürger des gleichen Staates. Diese Arbeit beschreibt einige Aspekte des Staatsbildes der Deutschen. Zunächst wird untersucht, ob die Erwartungen an den Staat in den alten und neuen Bundesländern die gleichen sind. Anschließend wird nach Faktoren gesucht, die hinter einzelnen Erwartungen stehen könnten.

Die Analysen werden mit Hilfe von SPSS und Excel durchgeführt.

Daten[edit]

Die allgemeine Bevölkerungsumfrage der Sozialwissenschaften (ALLBUS) wird seit 1980 alle zwei Jahre vom Zentrum für Umfragen, Methoden und Analysen (ZUMA) gemeinsam mit dem Zentralarchiv für Empirische Sozialforschung (ZA) in der GESIS durchgeführt. In persönlichen Interviews werden die Teilnehmer zu verschiedenen Themen befragt, um Daten zu Einstellungen, Verhaltensweisen und zur Sozialstruktur der Bevölkerung Deutschlands zu generieren. Ein Teil der Fragen ist dabei jeweils variabel. In 2006 wurden insgesamt 3421 Personen befragt. Der Fragenkatalog umfasste 743 Punkte.

Seit 1986 werden Module des International Social Survey Programme (ISSP) in den ALLBUS integriert. So wurden innerhalb des ALLBUS 2006 beispielsweise 1643 Personen zusätzlich auch zum Thema „Staat und Regierung“ befragt.

Variablen[edit]

Aus dem ISSP-Modul „Staat und Regierung“ innerhalb des ALLBUS 2006 werden die Fragen nach der Verantwortung des Staates für die folgenden Aufgaben ausgewählt.

  • Arbeitsplatz für jeden, der arbeiten will
  • Preiskontrolle
  • Gesundheitsversorgung
  • Lebensstandard alter Menschen
  • Industriewachstum
  • Lebensstandard Arbeitsloser
  • Einkommensnivellierung
  • Geld für arme Studenten
  • Wohnungen für Arme
  • Umweltgesetze

Zu jeder Frage gibt es folgende Antwortmöglichkeiten:

  • immer verantwortlich
  • verantwortlich
  • nicht verantwortlich
  • nie verantwortlich
  • kann ich nicht sagen

Somit ergeben sich für die Analyse 10 ordinalskalierte Variablen. Desweiteren wird das Erhebungsgebiet mit den möglichen Ausprägungen „West“ (alte Bundesländer) und „Ost“ (neue Bundesländer) als nominalskalierte Variable einbezogen.

Fehlende Werte[edit]

Die Antwort „Kann ich nicht sagen“ oder die Nichtbeantwortung einer Frage resultieren in fehlenden Werten. Ihre Anzahl ist jedoch im Verhältnis zur Gesamtheit der gültigen Antworten relativ gering. Die meisten Teilnehmer, geben eine dieser Antworten, wenn überhaupt dann nur bei einzelnen Fragen.

Bei der Variablen „Erhebungsgebiet“ gibt es keine fehlenden Werte, da diese Frage vom Interviewer selbst beantwortet wird.

Die in der folgenden Analyse verwendeten Maßzahlen werden nur auf Basis der Fälle mit gültigen Werten für die jeweils betrachteten Variablen berechnet. Für Zusammenhangsmaße z.B. zwischen zwei der ordinalskalierten Variablen bedeutet dies, dass alle Befragten einbezogen werden, die für beide Fragen eine der ersten vier Antwortmöglichkeiten gewählt haben, unabhängig davon, ob und wie sie die übrigen Fragen beantwortet haben.

Bei den anschließenden Faktorenanalysen werden die fehlenden Werte jedoch durch die Modi der einzelnen Fragen ersetzt, da bei listenweisem Fallausschluss nur etwa 80% der Fälle einbezogen werden könnten und damit möglicherweise ein beachtlicher Teil an Informationen verloren ginge. Auch ein paarweiser Ausschluss könnte zu fehlerhaften Ergebnissen führen, wenn z.B. die partiellen Korrelationen auf unterschiedlichen Fällen beruhen. Da die Antwortverteilungen in Ost und West sich für die meisten Fragen signifikant unterscheiden (s.u.), wird für fehlende Werte westdeutscher Fälle der jeweilige westdeutsche Modus eingesetzt, für fehlende Werte ostdeutscher Fälle analog der ostdeutsche Modus.

Variable: Erhebungsgebiet[edit]

In der ISSP-Teilstichprobe sind, wie auch in der gesamten ALLBUS-Stichprobe, überproportional viele Ostdeutsche befragt worden.

Abb.1: Anteile der Befragten in alten und neuen Bundesländern in der ISSP-Stichprobe

Tab.1: Befragte in der ISSP-Stichprobe

Erhebungsgebiet Häufigkeit Prozent
Alte Bundesländer 1112 67,7
Neue Bundesländer 531 32,3
Gesamt ISSP 1643 100


In Ostdeutschland leben gegenwärtig jedoch ca. 20% der Bevölkerung Deutschlands. Um den Datensatz insgesamt zu analysieren, müssten die Beobachtungen entsprechend gewichtet werden. Zunächst wird jedoch überprüft, ob die Antworten auf die einzelnen Fragen sich in den alten und neuen Bundesländern signifikant unterscheiden. Sollte dies der Fall sein, ist es sinnvoller, den Datensatz nach Erhebungsgebiet getrennt zu analysieren.

Variable: Staatliche Verantwortung: jedem einen Arbeitsplatz[edit]

Um einen ersten Eindruck der nach Erhebungsgebiet bedingten Häufigkeitsverteilung der Antworten zu gewinnen, wird ein gruppiertes Balkendiagramm erstellt.

Abb.2: Gruppiertes Balkendiagramm: Antworten auf die Frage nach staatlicher Verantwortung für Arbeitsplätze in Ost und West

Es wird deutlich, dass die Antworten sich in den Erhebungsgebieten voneinander unterscheiden. Der Modus in Westdeutschland lautet „verantwortlich“, in Ostdeutschland dagegen „immer verantwortlich“. Die exakten Werte sind aus der Kontingenztabelle abzulesen.

Ob die Unterschiede in den Häufigkeitsverteilungen signifikant sind, wird anhand verschiedener Tests überprüft.

Eine Möglichkeit zur Überprüfung der Unabhängigkeit zwischen z.B. einer ordinal- und einer nominalskalierten Variablen ist der \chi^2-Unabhängigkeitstest nach Pearson. Die Nullhypothese (Unabhängigkeit) wird abgelehnt, wenn der Wert der Teststatistik größer als der kritische Wert bzw. die Übertretungswahrscheinlichkeit kleiner als das Signifikanzniveau ist.

Chiq.png

In diesem Fall nimmt die Teststatistik den Wert 63,655 an, welcher deutlich größer ist als die kritischen Werte bei den üblichen Signifikanzniveaus. Die Übertretungswahrscheinlichkeit von 0,000 ist kleiner als alle sinnvollen Signifikanzniveaus. Die Nullhypothese wird daher verworfen. Der Test kann also nicht zeigen, dass die Meinung zur staatlichen Verantwortung für Arbeitsplätze unabhängig vom Erhebungsgebiet ist.

Cramer’s V und der Kontingenzkoeffizient C messen die Stärke des Zusammenhangs zweier Variablen. Für beide Assoziationsmaße bedeutet ein Wert von Null, dass die Variablen statistisch unabhängig sind. Ein V oder C von 1 hingegen steht für einen perfekten Zusammenhang.

Cramvkont.png

Beide Maßzahlen nehmen relativ kleine Werte an und die Übertretungswahrscheinlichkeiten sind kleiner als die üblichen Signifikanzniveaus. Die Nullhypothesen, dass V bzw. C gleich Null sind, werden verworfen. Auch diese Tests können nicht zeigen, dass die Meinung zur staatlichen Verantwortung für Arbeitsplätze unabhängig vom Erhebungsgebiet ist.

Die PRE-Maße Lambda, Goodman und Kruskal’s Tau und der Unsicherheitskoeffizient geben an, um wie viel der Vorhersagefehler einer Variable reduziert werden kann, wenn die Verteilung der anderen bekannt ist und messen somit indirekt auch die Stärke des Zusammenhangs zwischen den beiden Variablen. Hier sind nur die asymmetrischen Maße mit dem Erhebungsgebiet als gegebener Variable und der Meinung zur staatlichen Verantwortung für Arbeitsplätze als abhängiger Variable von Interesse, da der umgekehrte Fall nicht sinnvoll wäre.

Lambda.png

Lambda besagt hier, dass der Vorhersagefehler für die Antwort auf die Frage nach der staatlichen Verantwortung für Arbeitsplätze durch die Kenntnis des Erhebungsgebietes um 3,1% reduziert werden kann. Die näherungsweise Signifikanz von 22,5% ist jedoch größer als das Signifikanzniveau, das üblicherweise höchstens 10% beträgt. Lambda ist also nicht signifikant verschieden von Null und zeigt damit keinen signifikanten Zusammenhangen zwischen den Variablen.

Goodman und Kruskal’s Tau besagt, dass der Prozentsatz falscher Vorhersagen der Antwort durch die Kenntnis des Erhebungsgebietes um 1,4% reduziert werden kann. Die näherungsweise Signifikanz beträgt 0,000. Tau ist also signifikant verschieden von Null und spricht für einen Zusammenhang zwischen den Variablen.

Laut Unsicherheitskoeffizient wird die Unsicherheit bei der Vorhersage der Antwort durch die Kenntnis des Erhebungsgebietes um 1,7% reduziert. Auch dieser Wert ist signifikant verschieden von Null und deutet auf einen Zusammenhang zwischen den Variablen hin.

Mit Ausnahme von Lambda sprechen alle angewendeten Maßzahlen und Tests für einen Zusammenhang. Die Antwort auf die Frage, ob der Staat für Arbeitsplätze verantwortlich sei, ist also nicht unabhängig vom Erhebungsgebiet.

Übrige Variablen[edit]

Abb.3: Gruppiertes Balkendiagramm: Antworten auf die Frage nach staatlicher Verantwortung für Umweltgesetze in Ost und West

Auch bei den übrigen Fragen sind die Meinungen in West- und Ostdeutschland verschieden. Die Ergebnisse sind den oben beschriebenen sehr ähnlich und sollen daher hier nicht detailliert dargestellt werden. Die einzige Ausnahme bildet die Frage nach der staatlichen Verantwortung für Umweltgesetze. Im gruppierten Balkendiagramm wird deutlich, dass die Antworten in Ost und West sehr ähnlich verteilt sind.

Hier sind sich die Befragten in den alten und neuen Bundesländern offenbar relativ einig, dass der Staat verantwortlich ist. So sprechen auch alle Kennzahlen für die Unabhängigkeit der Antwort vom Erhebungsgebiet.

Da die Erwartungen, die in Ost und West an den Staat gestellt werden insgesamt offenbar sehr unterschiedlich sind (in 9 von 10 Fragen signifikant), werden die Daten auch im Folgenden getrennt analysiert. Auf die Gewichtung der Daten kann somit verzichtet werden.

Die Spearman’schen Rangkorrelationskoeffizienten sind positiv und signifikant auf dem 1% Signifikanzniveau für fast alle Variablenpaare, in beiden Erhebungsgebieten.

Die einzige Ausnahme bildet die Korrelation zwischen der staatlichen Verantwortung für Industriewachstum und Umweltgesetze in Westdeutschland. Diese ist mit einem Koeffizienten von 0,058 zwar positiv, jedoch deutlich niedriger als die übrigen und nicht signifikant auf dem 1% Niveau. Der Zusammenhang zwischen der Einschätzung der staatlichen Verantwortung für Industriewachstum und Umweltgesetze kann mit einigen Assoziationsmaßen für ordinalskalierte Variablen näher untersucht werden.

Somer’s D misst die Stärke und Richtung der Beziehung zwischen den Variablen und liegt zwischen –1 und +1.

Somerd.png

In diesem Fall deuten der symmetrische und die asymmetrischen Werte für D auf eine positive, jedoch sehr geringe Assoziation zwischen den Variablen hin. Auf dem Signifikanzniveau von z.B. 5% sind die D’s allerdings nicht signifikant verschieden von Null.

Auch Gamma ist ein Maß für die Stärke und Richtung der Beziehung zwischen den Variablen, berücksichtigt jedoch im Gegensatz zu Somer’s D nicht die Ties.

Gam.png

Hier kann der Vorhersagefehler für die Antwort auf die eine Frage durch Kenntnis der Antwort auf die andere Frage um 8,3% reduziert werden. Auf dem 5%-Niveau ist jedoch auch Gamma nicht signifikant verschieden von Null.

Weitere Maßzahlen für die Stärke und die Richtung des Zusammenhanges zwischen ordinalskalierten Variablen sind die Kendall’s Taus b und c.

Kentaus.png

Ihre Werte sind auf dem 5% Niveau nicht signifikant verschieden von Null.

Auch all diese Maßzahlen können keinen signifikanten positiven Zusammenhang zwischen der Meinung zur staatlichen Verantwortung für Industriewachstum und Umweltgesetze in Westdeutschland belegen.

Faktorenanalyse[edit]

Aus den weiter oben genannten Gründen wird die Faktorenanalyse nach Erhebungsgebieten getrennt durchgeführt. Zunächst wird geprüft, ob die einzelnen Teilstichproben für eine Faktorenanalyse geeignet sind. Eine Möglichkeit, dies in einer einzigen Maßzahl auszudrücken, ist das Kaiser-Meyer-Olkin-Maß. Bei einem kleinen Wert des KMO ist es nicht sinnvoll, eine Faktorenanalyse mit dieser Stichprobe bzw. diesen Variablen durchzuführen.

Kmowuo.png

Die KMOs sind in beiden Teilstichproben ausreichend groß.

Um die Eignung der einzelnen Variablen für eine Faktorenanalyse zu prüfen, kann man die Measures of Sampling Adequacy auf der Diagonalen der Anti-Image-Matrix analysieren. Variablen mit kleinen MSAs sollten aus der Analyse herausgenommen werden. Da die einzelnen MSAs in beiden Teilstichproben alle ausreichend groß sind, gelten beide Teilstichproben bzw. die Variablen als geeignet für die Faktorenanalyse.

Für beide Teilstichproben wird daher eine Faktorenanalyse durchgeführt.

Faktorenanalyse Westdeutschland[edit]

Es werden nach der Hauptkomponentenmethode die drei Faktoren mit Eigenwerten größer als eins (Kaiserkriterium) extrahiert, welche zusammen ca. 58,2% der Varianz aller Variablen erklären.

Varwest.png

Die Faktoren sind anhand der unrotierten Komponentenmatrix zunächst kaum zu interpretieren. Daher wird eine Varimax-Rotation vorgenommen. Ladungen kleiner als 0,5 werden zugunsten der Übersichtlichkeit nicht angezeigt.

Rotflwest.png

Hier lädt jeder der drei Faktoren jeweils auf einige Variablen besonders hoch, welche sich inhaltlich gut bestimmten Faktoren zuordnen lassen. So sind die Ladungen des ersten Faktors besonders hoch für Wohnungen für Arme, Geld für arme Studenten und Lebensstandard Arbeitsloser. Hier kann daher ein sozialer Faktor identifiziert werden. Der zweite Faktor hingegen lädt besonders hoch auf Arbeitsplätze, Industriewachstum und Preiskontrolle. Dies lässt einen wirtschaftlichen Faktor vermuten. Hinter der dritten Komponente scheint mit den Variablen Gesundheitsversorgung und Lebensstandard alter Menschen ein „Altersfaktor“ zu stehen.

Faktorenanalyse Ostdeutschland[edit]

Nach den gleichen Verfahren und Kriterien werden in der Faktorenanalyse für Ostdeutschland zwei Faktoren extrahiert. Diesen können jedoch weder in der ursprünglichen, noch in der rotierten Form inhaltlich sinnvolle Bedeutungen zugeschrieben werden. In der unrotierten Lösung laden fast alle Variablen hoch auf den ersten Faktor, so dass hinter allen Variablen vielmehr ein allgemeiner Faktor „staatliche Verantwortung“ zu stehen scheint.

Abb.4: Parallel Coordinates Plot: Mittelwerte der Faktorscores nach Alter der Befragten
Abb.5: Parallel Coordinates Plot: Mittelwerte der Faktorscores nach Bundestagswahlabsicht der Befragten

Der Vergleich der Mittelwerte der Faktorscores für verschiedene Gruppen kann weitere Hinweise liefern. Gibt es z.B. im Parallel Coordinates Plot nur wenige Überkreuzungen, so spricht dies für die Existenz eines Generalfaktors.

Stellt man z.B. die Mittelwerte der Faktorscores für verschiedene Altersgruppen in einem Parallel Coordinates Plot dar, so gibt es nur eine Überschneidung zwischen den Linien für die 60-74 und 75-89-Jährigen, deren Steigungen jedoch nicht sehr verschieden sind. Die Linie der über 89-Jährigen unterscheidet sich deutlich von den anderen, kann jedoch vernachlässigt werden, da es nur eine der befragten Personen in Ostdeutschland älter als 89 Jahre war.


Der Vergleich der Mittelwerte der Faktorscores verschiedener Wählergruppen liefert auf den ersten Blick ein weniger klares Bild. Zwei Linien unterscheiden sich deutlich von den anderen. Diese beruhen allerdings auf einer nur sehr kleinen Minderheit von NPD- bzw. Republikaner-Wählern, welche zusammen ca. 1,3% der Befragten ausmachen. Auch die Linie der Nichtwähler, welche immerhin ca. 20% der Befragten entspricht, hebt sich von den restlichen ab. Die übrigen Linien weisen wiederum einen relativ ähnlichen Verlauf auf, wobei es jedoch mehr Überschneidungen gibt als bei den Altersgruppen.

Fazit[edit]

Die Bürger in Ost- und Westdeutschland stellen unterschiedliche Erwartungen an den Staat. Allgemein sind diese im Osten höher als im Westen. Während aus den Antworten der Bürger in Westdeutschland drei Faktoren identifiziert und interpretiert werden können, scheint dies für Ostdeutschland jedoch nicht möglich. Dies kann einerseits bedeuten, dass die Strukturen hinter den Erwartungen der Ostdeutschen zu komplex sind, um sie mit den hier angewandten Methoden bzw. den gewählten Variablen darzustellen. Andererseits kann allderings auch ein Generalfaktor „der Staat ist ganz allgemein verantwortlich“ hinter den Antworten stehen. Dessen Existenz konnte hier zwar nicht eindeutig nachgewiesen werden. Jedoch spricht für diese Interpretation auch, dass das Staatsbild vieler Ostdeutscher vermutlich noch durch die DDR geprägt ist, in der die Verantwortung des Einzelnen viel weniger betont wurde.

Literatur[edit]

Kommentare[edit]

  • Übrige Variablen: Sie hääten den SPSS Output als PDF-Datei beifügen können ohne im Einzelnen darauf einzugehen
  • KMO Grenzwerte?
  • Es wäre besser gewesen ein Thumb für die Anti-Image-Matrix anzulegen statt sie hinter einem Link zu verstecken
  • MSA Resultate? Keine Behauptungen ohne Beleg!
  • Die Parallelanalyse nach Horn hätte vielleicht nur zwei Faktoren extrahiert
  • Das 1-Faktormodell für Ostdeutschland könnte vielleicht auch für Westdeutschland gelten
  • Referenzen sollten im Text auch auftauchen und nicht nur allgemein gegeben werden