In dieser Arbeit wird versucht anhand von Umfragedaten für ein im European Social Survey (ESS) untersuchtes Land, die Hypothese der 1. Arbeit „Je mehr die Bürger denken, dass Ausländer gut für die Wirtschaft des Landes sind, desto bessere Einstellung haben sie ihnen gegenüber“ mit einem logistischen Regressionsmodell empirisch zu überprüfen. Die Hypothese hat als zu erklärendes Element die Einstellung gegenüber Ausländern. Das zu untersuchende Land ist die Ukraine. Diese Hypothese wird zuerst als einfaches logistisches Regressionsmodell mit der unabhängigen Variable empirisch überprüft. Anschliessend wird die Hypothese unter Berücksichtigung möglicher Störfaktoren untersucht, welche als Kontrollvariablen in einem weiteren logistischen logistischen Regressionsmodell eingeführt werden.
[...]
Inhaltverzeichnis
1. Einleitung
2. Hypothese
3. Definition der Konzepte
4. Umkodierung/Operationalisierung
5. Beschreibende Statistik
6. Einfache logistische Regression
7. Multiple logistische Regression
8. Schlusswort
Anhang
SPSS – Syntax
Literaturverzeichnis
1. Einleitung
In dieser Arbeit wird versucht anhand von Umfragedaten für ein im European Social Survey (ESS) untersuchtes Land, die Hypothese der 1. Arbeit „Je mehr die Bürger denken, dass Ausländer gut für die Wirtschaft des Landes sind, desto bessere Einstellung haben sie ihnen gegenüber“ mit einem logistischen Regressionsmodell empirisch zu überprüfen. Die Hypothese hat als zu erklärendes Element die Einstellung gegenüber Ausländern. Das zu untersuchende Land ist die Ukraine. Diese Hypothese wird zuerst als einfaches logistisches Regressionsmodell mit der unabhängigen Variable empirisch überprüft. Anschliessend wird die Hypothese unter Berücksichtigung möglicher Störfaktoren untersucht, welche als Kontrollvariablen in einem weiteren logistischen logistischen Regressionsmodell eingeführt werden.
2. Hypothese
Die zu untersuchende Hypothese lautet: „Je mehr die Bürger denken, dass Ausländer gut für die Wirtschaft des Landes sind, desto bessere Einstellung haben sie ihnen gegenüber“.
3. Definition der Konzepte
Als Einstellung gegenüber Ausländern wird die persönliche Meinung eines Menschen gegenüber Ausländern bezeichnet. Unter Einstellung soll hier eine relativ konstante positive oder negative Haltung gegenüber Ausländer verstanden werden. Mit Ausländer1 werden alle Menschen bezeichnet, die sich im Inland aufhalten und nicht die inländische Staatsbürgerschaft besitzen.
Unter dem Konzept Wirtschaft2 werden alle Institutionen und Prozesse verstanden, die direkt oder indirekt der Befriedigung menschlicher Bedürfnisse nach knappen Gütern dienen. Dieses Konzept kann folgendermassen gemessen werden: Wenn es in einem Land eine grosse Arbeitlosigkeit, ein kleines Produktionswachstum und einen grossen Importüberschuss gibt, geht es der Wirtschaft gut. Andererseits geht es der Wirtschaft gut, wenn eine kleine Arbeitlosigkeit, ein grosses Produktionswachstum und ein Gleichgewicht im Import-Export von Gütern besteht.
In dieser Arbeit aber werden die ober erwähnten Konzepte durch bestimmte Indikatoren des ESS2-Datensatzes gemessen.
4. Umkodierung/Operationalisierung
Abhängige Variable
Die abhängige Variable „immigrants make country worse or better place to live (imwbcnt), Antworten: 00-10, worse place to live 00 ... better place to live 10” wird in eine neue Variable (imwbcnt1) mit nur zwei Werten umkodiert. Dabei steht 0 für Personen, die mit Werten von 0 bis 4 antworten und 1 für Personen, die mit Werten von 5 bis 10 antworten (Weiss nicht 88 – wird weggelassen).
Für die Operationalisierung der abhängigen Variable „Einstellung gegenüber Ausländern” wird der Indikator „imwbcnt1“3 des ESS2-Datensatzes verwendet.
Unabhängige Variable
Die unabhängige Variable wird durch den Indikator „Immigration bad or good for country’s economy (imbgeco)4“ operationalisiert. Die erklärende Variable „Immigration bad or good for country’s economy (imbgeco)“ wird in eine neue Variable (imbgeco1) mit fünf Werte umkodiert; „bad“ für die ursprünglichen Werte 0 und 1, „Bad-Medium“ für 2 und 3, „Medium“ für 4 und 5, „Medium-Good“ für 6 und 7 und „Good“ für 8, 9 und 10. Die fehlenden Werte kodiert SPSS als „system missings“.
Erste Kontrollvariable
Die kontinuerliche Variable „Alter“ (age) wird berechnet, indem das Geburtsjahr der Individuen vom Jahr in dem die Studie abgeschlossen wurde (2005), abgezogen wird.
Zweite Kontrollvariable
Die zweite Kontrollvariable „Mediennutzung“ wurde in der ersten Arbeit umkodiert und MEDIAPOL gennant. Sie hat auch zwei Werte, nämlich „0“ für diejenigen, die weniger als eine Stunde die in der ersten Arbeit erwähnten Medien benutzen, und „1“ für diejenigen, die mehr als eine stunde diese Medien benutzen. Also diese Kontrollvariable „Mediennutzung“ wird durch den Indikator MEDIAPOL operationalisiert.
5. Beschreibende Statistik
Abhängige Variable: Da diese Variable eine dichotome Variable ist, liegt der maximale Wert bei 1 und der minimale Wert bei 0. Der Modalwert liegt bei 1 und die Standardabweichung beträgt 0.49266.
Unabhängige Variable: Bei dieser Variable liegt das Maximum nach der Rekodierung nun bei 4 und das Minimum bei 0. Für eine solche ordinalskalierte Variable ist der Median interessanter als der Modus. Der Median dieser Variable ist 2.00 und die Standardabweichung 1.20256.
Kontrollvariable „mediapol“: Wie bei jeder dichotome Variable liegt auch bei dieser das Maximum bei 1 und das Minimum bei 0. Der Modus liegt bei 0 und die Standardabweichung beträgt .49077.
Kontrollvariable „age“: Sie ist eine kontinuerliche (stetige) Variable. Der Maximumwert liegt bei 93 (d.h. der älteste Befragter war 93 Jahre alt) und der Minimalwert liegt bei 15. Für diese Variable sind der Modus und der Median nicht interessant. Der Mittelwert liegt bei 49.86 Jahre. Die Standardabweichung beträgt 18.818.
Statistiken
Abbildung in dieser Leseprobe nicht enthalten
Gültige Werte (Listenweise) = 1447
6. Einfache logistische Regression
Für die Analyse der Hypothese wird ein logistisches Regressionsmodell verwendet. Zuerst wird eine logistische Regression mit der Unabhängigen Variable „Ausländer gut oder schlecht für die heimliche Wirtschaft (imbgeco1)“. Die unterstehende Tabelle fasst die wichtigsten Resultate der Regressionsanalyse aus SPSS zusammen.
Abhängige Variable: Einstellung gegenüber Ausländern (Ausprägung „1“ bedeutet positive Einstellung – „Better place to live“)
Tabelle 1:
Abbildung in dieser Leseprobe nicht enthalten
Interpretation der Resultate:
58.86% der Befragten haben angegeben, dass sie eine gute Einstellung gegenüber Ausländern haben. Das heisst, wenn man einfach dem Modalwert vertrauen würde, würde man in 58.86% der Fälle richtig liegen. Dies hat SPSS mit hilfe des Modalwertes ohne Berücksichtigung der unabhängigen Variable berechnet. Mit dem Einbezug der UV in die Analyse, lässt sich die Aussagekraft von 58.86% auf 79.80% steigen. Das bedeutet, dass mit dem Einbezug der UV eine stärkere Aussagekraft besteht. Daher hat die UV einen positiven Einfluss auf die Vorhersage gehabt.
Die Beziehung zwischen den Werten der Logit-Koeffizienten ergibt wichtige Information über den Zusammenhang zwischen der AV und UV. Bei allen Dummies für die UV ist ein negativer Einfluss zu beobachten. Das wurde erwartet, weil als Referenzkategorie der höchste Wert („good“) gewählt wurde. Da die Kategorien aller Dummies somit unter der Referenzkategorie liegen, ist auch eine schlechterere Einstellung gegenüber Ausländern zu erwarten. Die Hypothese besagt dass, „Je mehr die Bürger denken, dass Ausländer gut für die Wirtschaft des Landes sind, desto bessere Einstellung haben sie ihnen gegenüber“. Das heisst: Wenn zum Beispiel bei imbgeco1(1) die Zufriedenheit sich um einen Grad verändert, dann verändert sich die Einstellung gegenüber Ausländern um -0.301 in Logit-Form. Mit anderen Wörtern: Im Vergleich zu denen, die denken, dass die Ausländer gut für die Wirtschaft sind, haben die einigen, die denken, dass die Ausländer schlecht für die Wirschaft sind, höhere Wahrscheinlichkeit eine schlechtere Einstellung gegenüber Ausländern zu haben.
Die Effekt-Koeffizienten zeigen das Wahrscheinlichkeitsverhältnis (odds ratio) an. Bei Werten von weniger als 1 (wie in der Tabelle 1 steht), bedeutet das, dass sich das Wahrscheinlichkeitsverhältnis (ODD) bei Zunahme einer Einheit verkleinert. Die Signifikanz der Koeffizienten wird durch die Wald-statistik gemessen. Die Wald- Statistik wird aus dem quadrierten Verhältnis von Logit-Koeffizienten und Standardfehler berechnet. Wie in der Tabelle 1 zu sehen ist, sind alle Dummies hochsignifikant ausser bei imbgeco1(4). Bei dieser Dummy liegt der Wald-Wert (der quadrierte T-Wert) sehr tief, was ein Grud für ihre Nicht-Signifikanz sein kann.
Die Signifikanz des gesamten Modells kann man mit dem Chi-Quadrat Wert und dem -2 Log likelihood Wert (1397.784) beurteilen. Der Chi-Quadrat-Test beim 'Omnibus Tests of Model Coefficients' sagt, ob sich die Modellgüte mit der Hinzunahme der UV signifikant verändert hat. Da der Chi-Quadrat-Wert bei 0.000 liegt, bedeutet dass, die Nullhypothese mit 0.000% Irrtumswahrscheinlichkeit verworfen werden kann. Daher hat sich die Modellgüte mit der Hinzunahme der UV signifikant verändert.
[...]
1 http://www.lexexakt.de/glossar/auslaender.php
2 Vgl. Jean-Paul Thomen (2004): S. 39
3 UKR ESS2: Immigrants make country worse or better place to live (rec). Wobei “0” worse (..) und “1” better (...).
4 UKR ESS2: Immigration bad or good for country's economy. Wobei “0” Bad for the economy und “10” good for the economy.
-
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X. -
Upload your own papers! Earn money and win an iPhone X.