Steffen Kühnel

Eine GSK-Analyse zum Zusammenhang von objektiven Lebensbedingungen und subjektivem Wohlbefinden

„Wie beurteilen Sie die wirtschaftliche Lage Ihres Haushalts insgesamt?“ ist eine in der Umfrageforschung haufig gestellte Frage. Auf den ersten Blick konnte man meinen, das einkommensschwache Haushalte diese Frage eher negativ beantworten. In vielen Untersuchungen zu objektiven Lebensbedingungen und subjektivem Wohlbefinden wurde jedoch festgestellt, das Menschen sowohl unter ungunstigen Lebensbedingungen zufrieden als auch unter gunstigen unzufrieden sein konnen. Wolfgang Zapf (1984) hat in diesem Zusammenhang von einem „Zufriedenheitsparadox“ und einem „Unzufriedenheitsdilemma“ gesprochen. Die Beobachtung einer nur teilweisen Ubereinstimmung zwischen Lebensbedingungen und Wohlbefinden hat seit den siebziger Jahren eine Vielzahl empirischer Forschungen angestosen, die sich explizit mit der subjektiven Wahrnehmung individueller Lebenslagen beschaftigen (vgl. die „Quality of Life Surveys“ in verschiedenen Landern oder die Wohlfahrtssurveys in der Bundesrepublik, z.B. Campbell et al. 1976, Glatzer/Zapf 1984). Die Forschungsergebnisse zeigen, das dabei neben den objektiven Lebensbedingungen soziale Vergleichsprozesse und Prozesse der Anspruchsanpassung eine Rolle spielen. Die individuellen Standards, nach denen Menschen ihre Lebensbedingungen bewerten, werden beispielsweise dadurch erworben, das sie ihre eigenen Lebensverhaltnisse mit denen relevanter Anderer vergleichen. Auch ist zu erwarten, das niemand langfristig mit Unzufriedenheit leben kann, ohne seelischen Schaden zu nehmen. Von daher besteht ein gewisser Druck, die eigenen Anspruche an die objektiven Moglichkeiten anzupassen. Wir wollen diese Uberlegung im folgenden fur eine Analyse einkommensschwacher Haushalte nutzen: Wir untersuchen die Frage, wie diese Haushalte ihre prekare okonomische Lage beurteilen. Wir werden die einfache Hypothese testen, das dabei neben dem tatsachlichen Einkommen der Haushalte insbesondere soziale Vergleichsprozesse eine Rolle spielen.

Eine log-lineare Panelanalyse politischer Präferenzen

Regelmasig durchgefuhrte freie und allgemeine Wahlen sind die Grundpfeiler der westlichen parlamentarischen Demokratien. Es verwundert daher nicht, das Sozialwissenschaftler das Wahlverhalten und seine Determinanten intensiv untersucht haben. Seit den 50er Jahren, d.h. seit der Zeit der allerersten modernen Umfrageuntersuchungen, wurde eine Vielzahl von Wahlstudien durchgefuhrt, haufig in der Form von Paneluntersuchungen. Das grundlegende Merkmal von Paneluntersuchungen ist, das hier uber einen gegebenen Zeitraum hinweg wiederholt Messungen bei denselben Personen vorgenommen werden. Auf diese Weise ist es nicht nur moglich, Nettoanderungen im Zeitablauf auf Aggregatebene zu untersuchen (z.B. „Wieviele Personen praferieren die CDU sechs Monate und wieviele einen Monat vor den Wahlen?“ oder „Sind die Nettoveranderungen des Wahler-potentials der CDU fur Manner und Frauen verschieden?“). Man kann aber auch — und das ist kennzeichnend fur Paneluntersuchungen — die Brutto-veranderungen auf Individualebene identifizieren. Selbst dann namlich, wenn sich keine Nettoanderungen auf Aggregatebene beobachten lassen, kann es immer noch eine grose Anzahl (sich gegenseitig kompensierender) individueller Anderungen geben. Da wir in Paneluntersuchungen fur jede Person wissen, ob und in welche Richtung er oder sie sich verandert hat, konnen wir die verschiedenen Typen von Wechslern und Nichtwechslern zu anderen individuellen, stabilen und veranderlichen Merkmalen in Beziehung setzen.

Gibt es den rationalen Wähler? Eine Logitanalyse zur Erklärungskraft des Rational-Choice-Ansatzes in der empirischen Wahlforschung

Lassen sich Wahlbeteiligung und Wahlverhalten als Ergebnis rationaler Entscheidungen auffassen? Dies ist die Fragestellung der in diesem Kapitel vorgestellten Untersuchung. Die Thematik „Wahlverhalten“ hatten wir als Beispiel bereits in den Kapiteln 1–5 des Grundlagenteils verwendet. Wahrend wir dort aber mit einem Datensatz gearbeitet haben, den wir eigens fur unsere Beispielrechnungen konstruiert haben, wollen wir nun neuere empirische Daten zum Wahlverhalten analysieren. Mit finanzieller Unterstutzung der Fritz Thyssen Stiftung wurden in der Woche vor der Landtagswahl in Nordrhein-Westfalen im Mai 1995 Telefoninterviews durchgefuhrt, in denen Daten entsprechend den Konzepten der Theorie des rationalen Wahlers erhoben wurden. Wir werden zunachst die theoretischen Uberlegungen kurz vorstellen (Abschnitt 9.1). In Abschnitt 9.2 werden wir dann berichten, wie die Konzepte in die Fragen der Telefoninterviews umgesetzt worden sind. Anschliesend werden wir mit den in Abschnitt 5.2 vorgestellten binaren Logitmodellen untersuchen, wie gut sich die beabsichtigte Wahlbeteiligung vorhersagen last (Abschnitt 9.3). Neben binaren Logitmodellen werden wir auch das kumulative Logitmodell aus Abschnitt 5.3.3 anwenden. Personen, die sich nicht an der Wahl beteiligen, bezeichnen wir im folgenden mangels eines besseren Begriffs als Nichtwahler. In einem weiteren Analyseschritt werden mit dann mit den in Abschnitt 5.3.2 vorgestellten konditionalen Logitmodellen sowohl das Nicht-wahlen als auch fur die Wahler die Wahl einer Partei vorhersagen (Abschnitt 9.4). Wir werden dabei auf das Problem stosen, das eine der Anwendungsvoraussetzungen fur multinomiale und konditionale Logitmodelle, namlich die Unabhangigkeit von irrelevanten Alternativen, nicht gegeben ist. Zur Losung dieses Problems werden wir im letzten Analyseschritt (Abschnitt 9.5) eine Modifikation des konditionalen Logitmodells vorstellen und anwenden, bei der wir ohne diese Anwendungsvoraussetzung auskommen Es handelt sich hierbei um mehrstufige Logitmodelle oder Entscheidungsbaume.

Tabellenanalyse mit gewichteter Regression: Der GSK-Ansatz

In diesem Kapitel geht es um den Ansatz, der 1969 von Grizzle, Starmer und Koch vorgeschlagen wurde. Er ist seitdem unter dem Namen GSK-Ansatz bekannt. Andere Bezeichnungen wie etwa Minimum-Chi-Quadrat-Methode oder gewichtete Regression beziehen sich auf das verwendete Schatzverfahren. Ganz allgemein kann man sagen, der GSK-Ansatz basiert auf einer Anwendung des allgemeinen linearen Modells auf kategoriale Daten. Das allgemeine lineare Modell ist die methodische Basis der Regressions- und Varianzanalyse mit metrischen abhangigen Merkmalen.

Log-lineare Analyse kategorialer Daten

In den letzten Jahrzehnten sind die auf Maximum-Likelihood-Schatzungen basierenden log-linearen Modelle unter empirischen Sozialforschern zu einem weit verbreiteten Verfahren fur die Analyse kategorialer Variablen geworden. Fur ihre Popularitat lassen sich mehrere Grunde nennen. Die log-linearen Modelle liefern zum einen eine sichere, systematischere und starker formale Basis, um Schlusse aus multivariaten Tabellen zu ziehen, als klassische, nichtformalisierte Techniken der Tabellenanalyse wie etwa die Elaborationsverfahren von Lazarsfeld (1955). Gleichzeitig mussen hier weniger Annahmen uber die Daten gemacht werden als bei Verwendung der klassischen Regressionsanalyse. Log-lineare Modelle entsprechen daher in weitaus starkerem Mase kategorialen Daten als andere Verfahren, von denen Sozialforscher ublicherweise Gebrauch machen.

Latente Klassenanalyse und log-lineare Modelle mit latenten Variablen

In den Sozialwissenschaften gibt es haufig eine grose Kluft zwischen Theorien und empirischen Untersuchungen. Die Konzepte, die auf der theoretischen Ebene verwendet werden, lassen sich in der Realitat nicht direkt beobachten. Zum Beispiel „sehen wir nicht die ‚Loyalitat‘ einer Person oder die ‚Solidaritat‘ einer Gruppe, aber wir schliesen auf diese, wenn wir beobachten, wie das Individuum oder die Gruppe auf verschiedene Stimuli reagiert“ (Blalock 1982: 26). Diese Kluft mus durch sorgfaltige theoretische Uberlegungen uberbruckt werden, die zu Mesmodellen fuhren, in denen die Beziehungen zwischen den theoretischen Konzepten und den Indikatoren explizit gemacht werden. Solche Mesmodelle enthalten in der Regel sowohl direkt beobachtbare, manifeste Variablen — die Indikatoren — als auch nicht direkt beobachtbare, latente Variablen — die theoretischen Variablen.

Logistische Modelle für Individualdaten

In den Kapiteln 2 und 3 haben wir eine mehrdimensionale Haufigkeitstabelle von Alter (A), Konfession (B), Parteipraferenz (C) und Wahlbeteiligung (D) analysiert (vgl. Tabelle 1.2). Beim Alter wurde zwischen jungeren und alteren Personen unterschieden, wobei Befragte uber 40 Jahren zur zweiten Gruppe gezahlt wurden. Die Analysen ergaben, das sich altere Personen eher an Wahlen beteiligen als jungere Personen. Nun ist Alter in den ursprunglichen Individualdaten (vgl. Anhang 4) eine Variable mit mehr als zwei Auspragungen. In diesen Individualdaten ist die jungste Person 18 Jahre und die alteste 70 Jahre alt. Es stellt sich hier die Frage, ob der festgestellte Zusammenhang zwischen Alter und Wahlbeteiligung auch ohne diese Dichotomisierung zu beobachten ist. Um die gruppierte Altersvariable von der urprunglichen Variable mit sehr vielen Auspragungen zu unterscheiden, verwenden wir im folgenden fur die metrische Variable „Alter in Jahren“ das Symbol x. Wenn wir versuchen, diese Frage mit den Modellen zur multivariaten Tabellenanalyse zu beantworten, erhalten wir eine Tabelle, die sehr viele Zellen umfast. Bei Berucksichtigung aller 53 Altersstufen zwischen 18 und 70 Jahren ergeben sich bereits bei der Kreuztabellierung von Alter und Wahlbeteiligung 106 Zellen. Falls wir zusatzlich die Konfession mit zwei Auspragungen und die Parteipraferenz mit drei Auspragungen berucksichtigen, erhalten wir sogar eine Tabelle mit 636 Zellen. In unserer Stichprobe liegen aber nur Informationen uber 750 Falle vor. Wir musten daher mit schwach und gar nicht besetzten Zellen rechnen. Die Anwendbarkeit des GSK-Ansatzes oder der log-linearen Analyse ist somit nicht oder nur eingeschrankt moglich. Dieses Problem stellt sich typischerweise, wenn eine kategoriale abhangige Variable durch (metrische) Variablen mit sehr vielen Auspragungen erklart werden soll. Wir wollen in diesem Kapitel Analysemodelle vorstellen, die speziell fir diesen Anwendungsfall konstruiert sind.

Eine Iog-Iineare Kohortenanalyse der Religiosität

Die Unterschiede zwischen alteren und jungeren Menschen sowie die Erklarung dieser Unterschiede sind schon immer kontrovers diskutiert worden. Eine weit verbreitete Meinung behauptet etwa, das jungere Personen dynamisch, flexibel und progressiv seien, da sie weniger zu verlieren haben. Altere Personen seien demgegenuber unbeweglich, dogmatisch und konservativ, da sie sich bereits sozial etabliert haben. Selten beruhen solche Behauptungen jedoch auf solider empirischer und theoretischer Evidenz. In der Tat ist es nicht ganz einfach, die Frage nach der Art der Altersunterschiede und nach ihren Ursachen richtig und prazise zu formulieren, und noch schwieriger ist es, diese Frage zu untersuchen und zu beantworten.