Diese Hausarbeit befasst sich mit der Analyse einer Befragung zum Thema Tele-Shopping, die Ende 2006 im Rahmen eines SPSS-Seminars der medienwissenschaftlichen Abteilung der Rheinischen Friedrich-Wilhelms-Universität Bonn durchgeführt worden ist. Neben Tele-Shopping hat die Forschergruppe auch das Bestellverhalten im Internet und per Katalog als Konkurrenzplattformen untersucht.
Die Befragung ist in Form von Straßen-, Face-to-Face- und telefonischen Interviews durchgeführt worden. Der Erhebungszeitraum belief sich auf circa drei Wochen ab dem 1. Dezember 2006. Die Stichprobengröße umfasste insgesamt 331 Befragte.
Die abgefragten Themenfelder sind neben demografischen Angaben zu Geschlecht, Alter, Bildung, Familienstand und Einkommen: Allgemeines Fernsehverhalten (z.B. Fernsehdauer), Nutzungsverhalten beim Tele-Shopping (Bekanntheit entsprechender Sender, Häufigkeit und Dauer der Betrachtung solcher Sender, Bestellverhalten), Nutzungsverhalten bei Internetbestellungen, Nutzungsverhalten bei Katalogbestellungen.
Sämtliche Bereiche beziehungsweise signifikante Ergebnisse werden in dieser Arbeit analysiert und gedeutet. Zur Veranschaulichungen werden neben typischen Ergebnistabellen auch zahlreiche Diagramme herangezogen.
Inhaltsverzeichnis
Einleitung
Kapitel 1: Studiensteckbrief
Kapitel 2: Struktur der Stichprobe
2.1 Die Geschlechtsverteilung in der Stichprobe (N = 330)
2.2 Alter der Teilnehmer (N = 320)
2.2.1 Geschlechtsunterschiede in der Variable „Alter“ (N = 320)
2.3 Bildungsabschluss der Teilnehmer (N = 323)
2.3.1 Altersunterschiede beim höchsten Bildungsabschluss (N = 316)
2.4 Familienstand (N = 319)
2.4.1 Altersunterschiede beim Familienstand (N= 312)
2.4.2 Bildung und Familienstand (N = 319)
2.4.3 Geschlechtsunterschiede beim Familienstand (N = 319)
2.5 Verfügbares Geld für Konsumgüter (N = 269)
2.5.1 Alter und verfügbares Geld für den Konsum (N = 267)
2.5.2 Bildungsabschluss und verfügbares Geld für den Konsum (N=269)
2.5.3 Familienstand und verfügbares Geld für den Konsum (N=267)
2.6 Allgemeines Fernsehverhalten
2.6.1 Fernsehdauer an Werktagen (N = 329)
2.6.1.1 Bildungsabschluss und Fernsehdauer pro Werktag (N = 322)
2.6.1.2 Familienstand und Fernsehdauer pro Werktag (N = 318)
2.6.1.3 Alter und Fernsehdauer pro Werktag (N = 319)
2.6.2 Fernsehdauer an Wochenenden (N = 329)
2.6.2.1 Alter und Fernsehdauer an Wochenenden (N = 319)
2.6.2.2 Bildungsabschluss und Fernsehdauer an Wochenenden (N = 322)
2.6.2.3 Familienstand und Fernsehdauer an Wochenenden (N = 318)
2.6.2.4 Fernsehdauer an Werktagen und Fernsehdauer an Wochenenden (N = 329)
Kapitel 3: Nutzungsverhalten beim Tele-Shopping.
3.1 Kenntnisse über Tele-Shopping-Sender
3.1.1 Allgemeine Bekanntheit von Tele-Shopping-Sendern (N = 273)
3.1.1.1 Geschlechtsunterschiede in der Kenntnis von Tele-Shopping-Sendern (N = 330)
3.1.1.2 Bildungsabschluss und Bekanntheit von Tele-Shopping-Sendern (N= 323)
3.1.1.3 Fernsehdauer pro Werktag und allgemeine Bekanntheit von Teleshopping-Sendern (N = 329)
3.1.1.4 Fernsehdauer an Wochenenden und allgemeine Kenntnis von Teleshopping-Sendern (N = 329)
3.1.2 Bekanntheit von spezifischen Sendern (N = 273)
3.1.2.1 Fernsehdauer pro Werktag und Bekanntheit spezifischer Sender (N = 272)
3.2 Das Schauen von Tele-Shopping-Sendern
3.2.1 Sind Tele-Shopping-Sender bereits einmal geschaut worden? (N = 273)
3.2.1.1 Bildungsabschluss und Schauen von Tele-Shopping-Sendern (N = 267)
3.2.1.2 Kenntnis von Tele-Shopping-Sendern und Schauen von Tele-Shopping- Sendern (N= 273)
3.2.2 Häufigkeit des Tele-Shopping-Schauens (N = 215)
3.2.2.1 Altersunterschiede in der Häufigkeit des Tele-Shopping-Schauens (N = 215)
3.2.2.2 Höchster Bildungsabschluss und Häufigkeit des Tele-Shopping- Schauens (N = 211)
3.2.2.3 Familienstand und Häufigkeit des Tele-Shopping-Schauens (N = 208)
3.2.2.4 Fernsehdauer pro Werktag und Häufigkeit des Tele-Shopping-Schauens (N = 214)
3.2.2.5 Die Bekanntheit von HSE 24 und die Häufigkeit des Tele-Shopping- Schauens (N = 215)
3.2.2.6 Die Bekanntheit von QVC und die Häufigkeit des Tele-Shopping- Schauens (N = 215)
3.3 Bestellungen bei Tele-Shopping-Sendern
3.3.1 Bereits erfolgte Bestellungen per Tele-Shopping (N = 237)
3.3.1.1 Altersunterschiede und allgemeines Bestellen bei Tele- Shopping- Sendern (N = 229)
3.3.1.2 Bildungsabschlüsse und allgemeines Bestellen bei Tele-Shopping- Sendern (N = 232)
3.3.1.3 Familienstand und allgemeines Bestellen bei Tele-Shopping-Sendern (N = 229)
3.3.1.4 Fernsehdauer pro Werktag und allgemeines Bestellen bei Tele-Shopping- Sendern (N = 236)
3.3.1.5 Fernsehdauer an Wochenenden und allgemeines Bestellen bei Tele- Shopping-Sendern (N = 236)
3.3.1.6 Allgemeine Bekanntheit von Tele-Shopping-Sendern und allgemeines Bestellen bei Tele-Shopping-Sendern (N = 237)
3.3.1.7 Die Bekanntheit von spezifischen Tele-Shopping-Sendern und allgemeines Bestellen per Tele- Shopping (N = 237)
3.3.1.8 Schauen von Tele-Shopping-Sendern und allgemeines Bestellen bei Tele-Shopping-Sendern (N = 237)
3.3.1.9 Häufigkeit des Tele-Shopping-Schauens und allgemeines Bestellen bei Tele-Shopping-Sendern (N = 215)
3.3.2 Wunsch einer zukünftigen Bestellung per Tele-Shopping (N = 146)
3.3.2.1 Monatlich verfügbares Konsumgeld und die Absicht zukünftigen Bestellens (N = 123)
3.3.3 Zeitpunkt der letzten Bestellung bei einem Tele-Shopping-Sender (N = 86)
3.3.4 Häufigkeit des Bestellens bei Tele-Shopping-Sendern im Jahre 2006 (N = 77)
3.3.4.1 Alter und Häufigkeit des Bestellens im Jahre 2006 (N = 75)
3.3.4.2 Monatlich verfügbares Konsumgeld und die Häufigkeit des Bestellens im Jahr 2006 (N = 60)
3.3.4.3 Fernsehdauer pro Werktag und Häufigkeit von Tele-Shopping- Bestellungen (N = 76)
3.3.5 Anzahl der im Jahre 2006 per Tele-Shopping erworbenen Produkte (N = 77)
3.3.5.1 Monatlich verfügbares Konsumgeld und die Anzahl der im Jahr 2006 .. bestellten Artikel (N= 60)
3.3.5.2 Häufigkeit des Tele-Shopping-Schauens und die Anzahl der im Jahr 2006 bestellten Artikel (N = 75)
3.3.6 Häufigkeit der Rücksendung von Tele-Shopping-Artikeln (N = 77)
3.3.6.1 Häufigkeit des Bestellens und Häufigkeit des Zurückschickens von Artikeln (N = 77)
3.3.6.2 Anzahl der bestellten Artikel und Häufigkeit des Zurückschickens von Artikeln (N = 77)
3.3.7 Häufigkeit von zukünftigen Bestellungen (N = 73)
3.3.8 Produktgruppen, aus denen bereits Artikel erworben worden sind (N = 77)
3.3.8.1 Geschlechtsunterschiede bei dem Kauf bestimmter Artikel (N = 76)
3.3.9 Ausgaben für die letzte Tele-Shopping-Bestellung (N = 73)
3.3.9.1 Monatlich verfügbares Konsumgeld und Ausgaben für die letzte Bestellung (N = 57)
3.3.10 Geschätzte Gesamtausgaben für Tele-Shopping-Bestellungen im Jahre 2006 (N = 71)
3.3.10.1 Monatlich verfügbares Konsumgeld und Gesamtausgaben für Tele- Shopping-Bestellungen 2006 (N= 57)
3.3.10.2 Fernsehdauer pro Werktag und Tele-Shopping-Ausgaben im Jahre 2006 (N = 70)
3.3.10.3 Häufigkeit des Tele-Shopping-Schauens und Gesamtausgaben für Tele-Shopping-Bestellungen 2006 (N = 70)
3.3.10.4 Häufigkeit des Bestellens und Ausgaben für Bestellungen im Jahre 2006 (N = 71)
3.3.10.5 Anzahl der erworbenen Artikel und Ausgaben für Bestellungen im Jahre 2006 (N = 71)
3.3.11 Produktgruppen mit den meisten Ausgaben (N = 72)
3.3.11.1 Monatliches Konsumgeld und die Produktgruppe mit den höchsten Ausgaben (N = 58)
Kapitel 4: Nutzungsverhalten bei Internetbestellungen... 95
4.1 Bereits erfolgte Internetbestellungen (N = 330)
4.1.1 Geschlechtsunterschiede im allgemeinen Interneteinkauf (N = 330)
4.1.2 Altersunterschiede im allgemeinen Interneteinkauf (N = 320)
4.1.3 Bildungsabschluss und allgemeiner Einkauf im Internet (N = 323)
4.1.4 Familienstand und allgemeiner Einkauf im Internet (N = 319)
4.1.5 Fernsehdauer pro Werktag und allgemeines Bestellen per Internet (N = 239)
4.1.6 Fernsehdauer an Wochenenden und allgemeines Bestellen im Internet (N = 329)
4.1.7 Allgemeine Kenntnis von Tele-Shopping-Sendern und allgemeiner Einkauf im Internet (N = 330)
4.1.8 Häufigkeit des Tele-Shopping-Schauens und allgemeiner Einkauf im Internet (N = 214)
4.1.9 Allgemeiner Einkauf bei Tele-Shopping-Sendern und Allgemeiner Einkauf im Internet (N = 236)
4.2 Zeitpunkt der letzten Internetbestellung
4.3 Häufigkeit von Internetbestellungen im Jahre 2006 (N = 217)
4.3.1 Geschlechtsunterschiede in der Häufigkeit von Internetbestellungen im Jahre 2006 (N = 217)
4.3.2 Familienstand und die Häufigkeit von Internetbestellungen im Jahre 2006 (N = 210)
4.4 Anzahl der im Jahre 2006 per Internet erworbenen Produkte (N = 218)
Kapitel 5: Nutzungsverhalten bei Katalogbestellungen 108
5.1 Bereits erfolgte Katalogbestellungen (N = 320)
5.1.1 Geschlechtsunterschiede und allgemeine Katalogbestellungen (N = 320)
5.1.2 Familienstand und allgemeine Katalogbestellungen (N = 309)
5.1.3 Allgemeine Bestellungen per Tele-Shopping und allgemeine Katalogbestellungen (N = 230)
5.1.4 Fernsehdauer pro Werktag und allgemeines Bestellen per Katalog (N = 319)
5.2 Zeitpunkt der letzten Katalogbestellung
5.3 Häufigkeit von Katalogbestellungen im Jahre 2006 (N = 155)
5.3.1 Häufigkeit der Internetbestellungen und Häufigkeit der Katalogbestellungen (N = 91)
5.4 Anzahl der im Jahre 2006 per Katalog erworbenen Produkte (N = 155)
5.4.1 Fernsehdauer an Wochenenden und Anzahl der per Katalog bestellten Artikel (N = 155) 118
Zusammenfassung
Literaturverzeichnis
Einleitung
Diese Hausarbeit befasst sich mit der Analyse einer Befragung zum Thema Tele-Shopping, die Ende 2006 im Rahmen eines SPSS-Seminars der medienwissenschaftlichen Abteilung der Rheinischen Friedrich-Wilhelms-Universität Bonn durchgeführt worden ist.
Unter Tele-Shopping verstehen wir den telefonischen Einkauf von Produkten, die im Fernsehen präsentiert werden. Die wirtschaftliche Bedeutung von Tele-Shopping nimmt stetig zu, so dass optimistische Studien von einem Nettoumsatz von 1,6 Milliarden Euro in Deutschland im Jahre 2010 ausgehen (Goldmedia 2005b).
Uns hat jedoch nicht nur das Nutzungsverhalten von Tele-Shopping-Angeboten interessiert, sondern auch das Bestellverhalten mithilfe der Medien Internet (Kapitel 4) und Katalog (Kapitel 5). Es ist davon auszugehen, dass mit der zunehmenden Nutzung des Internet auch der Bereich des E-Commerce1 zunehmen wird, während Katalogbestellungen in ihrem Umfang stagnieren oder abnehmen werden.
Beginnen soll diese Arbeit mit Informationen zur Erhebung (Kapitel 1) und einer demographischen Analyse der Stichprobe (Kapitel 2). Diese Analyse wird auch Informationen zum allgemeinen Fernsehverhalten einschließen, die weitere Erkenntnisse zur Mediennutzung der Stichprobe liefern können.
Kapitel 1: Studiensteckbrief
Unsere Studie erhebt keinen Anspruch auf Repräsentativität, sondern dient im Kontext des Seminars als Übung, um Planung, Durchführung und Analyse einer Erhebung praxisnah zu erfahren. Daher ist kein übermäßiger Wert auf Testgütekriterien wie Reliabilität und Validität gelegt worden (Bortz & Döring 2002, S. 193ff.). Es ist zu erwarten, dass aufgrund bestimmter Mängel unseres Erhebungsinstrumentes und der Durchführung der Befragung die Ergebnisse der Stichprobe das Verhalten und die Meinungen der zugrunde liegenden Gesamtheit nicht strukturgleich abbilden. Auf diese Mängel werde ich hier nicht zusammenfassend, sondern an gegebener Stelle eingehen.
Die Befragung ist in Form von Straßen-, Face-to-Face- und telefonischen Interviews durchgeführt worden. Die Interviewer bestanden aus acht Gruppen mit jeweils zwei bis vier studentischen Mitgliedern. Da etliche Variablen in der jeweiligen Befragung nicht kontrolliert worden sind, ist mit unerwünschten Effekten wie Einfluss des Interviewergeschlechts, der Interviewsituation, der Anwesenheit Dritter und so fort zu rechnen. Hinzu kommt die Tatsache, dass zu großen Teilen keine Zufallsstichprobe gezogen worden ist, sondern sämtliche telefonische und viele der Face-to-Face-Interviews mit Bekannten und Verwandten durchgeführt worden sind und es so zu systematischen Verzerrungen der Daten gekommen sein kann. Auch ist davon auszugehen, dass in Straßeninterviews Umgebungs- und Zeitvariablen wie auch Variablen der äußeren Erscheinung von Befragten und Befragern eine
wesentliche Rolle spielen. Auch könnten Fragen nach Familienstand, Bildungsabschluss oder zur Verfügung stehendem Geld insbesondere auf der Straße ungern oder sozial erwünscht beantwortet werden. Problematisch ist auch, dass die Instruktionen zu Anfang des Fragebogens keine Hinweise zur Verwendung der Daten, zur gewährten Anonymität, zum Auftraggeber oder zu Dauer enthalten.
Der Erhebungszeitraum belief sich auf circa drei Wochen ab dem 1. Dezember 2006. Die Stichprobengröße umfasste insgesamt 331 Befragte. Allerdings ist nicht jede Frage von jedem Teilnehmer beantwortet worden. Um dies zu verdeutlichen, werde ich in den folgenden Kapiteln zu Anfang jeden Ergebnisses die Anzahl der Antworten mit N angeben.
Die Eingabe der Daten in SPSS erfolgte in der Mehrzahl durch die Interviewer selbst, nachdem die Kodierung der Variablen zuvor im Plenum erörtert worden ist. Da leider nicht jeder Kodierer eine eigene Kennung erhalten hat, ist eine nachträgliche Säuberung einiger Kodierfehler schwer durchzuführen (siehe Abschnitt 3.3.3).
Da die möglichen Analyseverfahren vom Skalenniveau der Variablen abhängen (Bortz 1999, S. 20ff.), werde ich beispielsweise Mittelwerte, Varianzanalysen oder t-Tests nur bei intervallskalierten Daten berechnen können. Die meisten Variablen sind kategorialer beziehungsweise nominaler Natur, weshalb ich bei ihnen nur Häufigkeiten, Prozentwerte und Chi-Quadrat-Tests (ebd., S. 150ff.) werde bestimmen können. Zum besseren Verständnis werden bei der Mehrzahl der Ergebnisse Graphen oder Tabellen eingefügt werden.
Da wir unsere Erhebung eher explorativ als hypothesengeleitet durchgeführt haben, dürfte es aus messtheoretischer Sicht schwierig werden, Signifikanztests durchzuführen. Wir können allerdings untersuchen, ob es generell Unterschiede beziehungsweise Zusammenhänge zwischen Variablen gibt, ohne die Richtung und die Größe der Unterschiede respektive Zusammenhänge anzugeben. Somit haben wir es hier mit ungerichteten und unspezifischen Alternativhypothesen zu tun (ebd., S. 108f.). Unsere Nullhypothese besagt demgemäß, dass es keine Zusammenhänge und keine Unterschiede zwischen Variablen gibt. Ein signifikantes Ergebnis würde uns anzeigen, dass mit einer Wahrscheinlichkeit kleiner 5 (oder 1) Prozent die Datenkonstellation zustande gekommen ist, wenn zugleich die Nullhypothese gilt.
Einige inhaltlich geleitete Annahmen müssen trotz allem getroffen werden, um nicht in einem Datenchaos zu enden; würde man jede Variable mit jeder anderen Variable in Verbindung setzen, müsste man in unserem Fall 1+ 2 + 3 +…+ 32 = 528 Analysen durchführen. Würde ich noch weitere Variabeln wie Kontrollvariablen einführen, würde die Analyse ohne Hypothesen ein unüberschaubares Maß annehmen. Ich werde daher zwar bei sämtlichen Items des Fragebogens soziodemographische Besonderheiten untersuchen, jedoch nur signifikante Ergebnisse in dieser Arbeit aufführen. Soziodemographische Faktoren werden in Untersuchungen gerne als erklärende Variabeln für bestimmte empirische Befunde herangezogen. Darüber hinaus werde ich schauen, ob die Antworttendenz bei bestimmten Fragen mit der Antworttendenz bei anderen Fragen zusammenhängt. Bei welchen Fragen dies erfolgen wird, wird im Einzelnen ersichtlich werden. Neben soziodemographischen Variablen mag auch die Fernsehdauer interessieren. Darüber hinaus werde ich vereinzelt Vergleiche mit aktuellen Studien heranziehen, damit die Daten nicht im luftleeren Raum stehen.
Kapitel 2: Struktur der Stichprobe
Im Folgenden sollen einige soziodemographische Variabeln untersucht werden, zu denen die Probanden befragt worden sind. Dies sind im Einzelnen Geschlecht (Abschnitt 2.1), Alter (Abschnitt 2.2), Bildungsabschluss (Abschnitt 2.3), Familienstand (Abschnitt 2.4) und das für den Konsum verfügbare Geld (Abschnitt 2.5). Der letzte Abschnitt 2.6 befasst sich mit dem allgemeinen Fernsehverhalten, einer wichtigen Variable, die angesichts der Verbreitung des Mediums TV beinahe selbst soziodemographische Züge trägt.
2.1 Die Geschlechtsverteilung in der Stichprobe (N = 330)
Das Verhältnis von männlichen zu weiblichen Teilnehmern ist in der Stichprobe nahezu ausgeglichen. Weibliche Probanden sind mit 51 Prozent nur geringfügig häufiger vertreten.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.1-1: Geschlechtsverhältnis in der Stichprobe
Vergleich mit Daten des Statistischen Bundesamts
Auch wenn wir keine Arbeitshypothese für unsere Befragung aufgestellt haben und wir auch nicht den Anspruch hatten, eine bevölkerungsrepräsentative Studie durchzuführen, so können wir die bisherigen Daten mit denen des Statistischen Bundesamtes vergleichen, um eine Ahnung über die Strukturgleichheit unserer Stichprobe mit der deutschen Bevölkerung zu gewinnen.
2006 lag die weibliche Bevölkerung bei 51,04% der Gesamtbevölkerung, so dass wir mit unserer Stichprobe sehr gut liegen.
2.2 Alter der Teilnehmer (N = 320)
Unter den 320 gültigen Angaben zu diesem Bereich ist der jüngste Befragte 17 Jahre alt, der älteste 84 Jahre. Die Variationsbreite beträgt somit 67 Jahre und deutet auf ein breites Altersspektrum in der Stichprobe hin. Im Mittel liegt das Alter bei circa 38 Jahren, während der Modus bei 24 Jahren angesiedelt ist. Fünfzig Prozent der Teilnehmer sind 33 Jahre oder jünger, 75% sind unter 50 Jahre und nur circa zwölf Prozent sind über 60 Jahre alt.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.2-1: Altersdaten der
Stichprobe Abbildung 2.2-1: Altersstruktur in der Stichprobe in Prozent
Vergleich mit Daten des Statistischen Bundesamts
Zunächst muss gesagt werden, dass keine unter 17jährigen befragt worden sind, was Prozentvergleiche schwierig machen wird. Doch lassen sich deutliche Trends absehen. So lag 2005 in der deutschen Bevölkerung der Anteil der unter 33jährigen bei circa 35 Prozent, der Anteil der 50jährigen bei 62 Prozent und der Anteil der über 60jährigen bei fast 25 Prozent (vgl. Statistisches Jahrbuch 2007, S. 43f.). Mit anderen Worten ist unsere Stichprobe insgesamt etwas jünger als die Bevölkerung, aus der sie gezogen worden ist.
2.2.1 Geschlechtsunterschiede in der Variable „Alter“ (N = 320)
Stellt man sich die Frage, ob je nach Geschlecht die Altersstruktur in der Stichprobe anders zusammengesetzt ist, kann man einen T-Test für unabhängige Stichproben verwenden (Bortz 1999, S. 137ff.) oder eine einfaktorielle Varianzanalyse (ebd., S. 240). Beide Tests schauen, ob sich Fallgruppen bezüglich einer Variablen in ihren Mittelwerten bedeutsam voneinander unterscheiden. Während der T-Test allerdings nur zwei Gruppen wie „Männer“ und „Frauen“ miteinander vergleichen kann, kann die Varianzanalyse mehr als zwei Gruppen betrachten.2
Die Variable „Alter“ ist intervallskaliert, und nur deswegen können wir einen Mittelwert berechnen und entsprechende Analyseverfahren anwenden. Für alle anderen Skalen müssen wir bei SPSS mit dem Chi-Quadrat-Test vorlieb nehmen. Er wird bei Abschnitt 2.4.2 das erste Mal angewendet. Der Chi-Quadrat-Test könnte auch für intervallskalierte Variablen angewendet werden, wodurch wir aber Informationen verlören, da intervallskalierte Daten wie Nominaldaten behandelt werden würden.
Das Ergebnis des Signifikanztests der einfaktoriellen ANOVA ist in Tabelle 2.2.1-1 zu sehen.
Umständlich formuliert bedeutet der Signifikanzwert von 0.02, dass man mit einer Wahrscheinlichkeit von 2 Prozent die Ausgangshypothese fälschlicherweise verwirft. Da wir keine explizite Ausgangshypothese haben, lautet sie allgemein, dass es keinen bedeutsamen Unterschied zwischen männlichen und weiblichen Befragten hinsichtlich des Alters gibt. Diese Hypothese ist nicht bestätigt worden, da die Irrtumswahrscheinlichkeit unter fünf Prozent liegt: es gibt also einen bedeutsamen Unterschied zwischen den Geschlechtern bezüglich des Alters.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.2.1-1: Signifikantes Ergebnis der ANOVA der Variablen Geschlecht und Alter
Um diesen Unterschied klarer zu machen, kann man einige deskriptive Analysen durchführen.
Im Durchschnitt haben die männlichen Befragten ein Alter von 36 Jahren, die weiblichen von 40 Jahren. Zusätzlich sind Variationsbreite und Streuung bei den Damen höher.
Während das Höchstalter bei den Männern bei 69 liegt, steht es bei den Frauen bei 84. 75 Prozent der Männer sind maximal 45, während 75 Prozent der Frauen bis zu 54 Jahre als sind. Diese Umstände kann das folgende Boxplot-Diagramm demonstrieren. Höheres Alter wird im Allgemeinen eher von Frauen als Männern erreicht, daher sind die häufigeren Angaben von älteren Frauen in unserer Stichprobe nicht verwunderlich.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.2.1-1: Geschlechtsunterschiede in der Variable Alter
Vergleich mit Daten des Statistischen Bundesamts
Um die vorliegenden Werte mit den Daten des Statistischen Bundesamtes zu vergleichen, kann man auf die prominente Bevölkerungspyramide zurückgreifen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.1.1-2: Der Altersaufbau Deutschlands 2005 (Quelle: www.destatis.de )
Abbildung in dieser Leseprobe nicht enthalten
Erstellt man eine Alterspyramide mit SPSS, fällt auf, dass der Altersbereich der Mitdreißiger bis Mitfünfziger viel dünner repräsentiert ist als der der Bevölkerungspyramide. Darüber hinaus sind in unserer Stichprobe die Mitzwanziger wesentlich stärker vertreten als in der Bevölkerung. Frauen sind in unserer Stichprobe wie auch in der Bevölkerungspyramide mit mehr älteren Jahrgängen vertreten.
Abbildung 2.1.1-3: Der Altersaufbau in unserer Stichprobe
2.3 Bildungsabschluss der Teilnehmer (N = 323)
Unter den Befragten geben etwa 29 Prozent eine abgeschlossene Berufsausbildung als höchsten Ausbildungsabschluss an. Etwa genauso viele haben ihren Bildungsgang mit dem Abitur beendet. Circa 21 Prozent haben einen Universitätsabschluss. Diese drei Gruppen machen somit fasst 80 Prozent der Befragten aus.
Immerhin Prozent haben 6 Personen respektive 1,9 Prozent keinen Abschluss.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.3-1: Verteilung der höchsten Bildungsabschlüsse in der Stichprobe
Da die Hälfte der Befragten Abitur oder einen Universitätsabschluss besitzt, liegt die Vermutung nahe, dass viele Studenten befragt worden sind.
Vergleich mit Daten des Statistischen Bundesamts
Verwendet man den Mikrozensus vom Jahre 2006 3 mit 71 115 Befragten, bekommt man Schwierigkeiten, da er zwischen beruflichen Bildungsabschluss und allgemeiner Schulaus-
bildung unterscheidet und dieselben Personen zu beiden Oberkategorien Angaben gemacht haben. So kann nicht bestimmt werden welcher der höchste Bildungsabschluss ist.
Zum andern wurden einige Kategorien vereint beziehungsweise aufgesplittet. Beispielsweise unterscheidet der Mikrozensus nicht zwischen Fachhochschulreife und Abitur, führt jedoch Promotionen auf. Es wäre in unserer Kategorisierung wahrscheinlich sinnvoll gewesen eine weitere Option mit „Sonstigem“ zu bieten, um weitere nicht aufgeführte Abschlüsse einzubeziehen.
2.3.1 Altersunterschiede beim höchsten Bildungsabschluss (N = 316)
Abbildung in dieser Leseprobe nicht enthalten
Die ANOVA hat ein signifikantes Ergebnis bei der Betrachtung von Alter und Bildungsabschluss produziert. Um zu schauen, welche Mittelwerte sich bei mehreren Gruppen voneinander unterscheiden, kann man einen Post Hoc-Test bei SPSS benutzen, der die Mittelwerte paarweise miteinander vergleicht ( Janssen & Laatz 2005, S. 355ff.). So wird in unserem Beispiel der Altersmittelwert der Befragten mit Hauptschulabschluss mit dem Altersmittelwert der Befragten mit Abitur verglichen, anschließend mit dem Mittelwert der Leute mit einer abgeschlossenen Berufsausbildung, anschließend mit dem Mittelwert der Probanden ohne einen Abschluss usw. Um dem Leser die sich daraus ergebenden Zahlenkolonnen zu ersparen, fasse ich die Ergebnisse zusammen und verdeutliche sie mit einem Boxplot-Diagramm.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.3.1-1: Boxplot der Variablen Bildungsabschluss und Alter
Die Probanden mit dem kleinsten Mittelwert sind diejenigen, die Abitur als höchsten Bildungsabschluss angegeben haben. Sie sind im Schnitt 26 Jahre und maximal 49 Jahre alt. Variationsbreite und Streuung sind bei ihnen am geringsten. 90 Prozent sind unter 33 Jahre alt. Dies bedeutet, dass die Gruppe der Abiturabschlüsse die jüngste in unserer Stichprobe bildet. Es ist anzunehmen, dass in einer Erhebung, die von Studenten durchgeführt wird, häufiger Studenten angesprochen werden.
Alle anderen Gruppen streuen wesentlich mehr. Ihre Mittelwerte liegen um mindestens neun Jahre höher, ebenso ihre Maximalwerte. Am deutlichsten wird der Unterschied bei denjenigen ohne einen Abschluss oder mit einem Hauptschulabschluss, bei denen das Durchschnittsalter bei circa 57 liegt und das Maximalalter bei 78 beziehungsweise 80. Mit anderen Worten stammen Probanden ohne Abschluss oder mit Hauptschulabschluss in der Regel aus älteren Generationen.
Abbildung in dieser Leseprobe nicht enthalten
Bei Leuten mit Fachhochschulreife und abgeschlossener Berufsausbildung ist das Alter relativ gleichverteilt: bei ihnen entspricht die Anzahl der Leute unter dem Median in etwa der Anzahl der Leute über dem Median. So finden sich in diesen Gruppen nicht bedeutsam mehr junge als alte Leute oder umgekehrt. Diese Tendenzen lassen sich im unteren Schaubild noch einmal nachvollziehen.
Abbildung 2.3.1-2: Altersverteilung und Höchster Bildungsabschluss
Abbildung in dieser Leseprobe nicht enthalten
2.4 Familienstand (N = 319)
Betrachtet man den Familienstand der Befragten, fällt auf, dass mehr als ein Drittel der Stichprobe ledig und etwa 7% geschieden oder getrennt leben. 32% sind verheiratet beziehungsweise verpartnert, und circa 21% leben in fester Partnerschaft. Mit anderen Worten sind über fünfzig Prozent der Befragten weder Verheiratet noch geschieden noch verwitwet.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.4-1: Verteilung des Familienstands in der Stichprobe
Ein Problem der Kategorisierung liegt im Begriff der Verpartnerung. Auch wenn er einen eheähnlichen Zustand beschreibt, so ist er im Volksmund schwer von einer festen Partnerschaft zu trennen. Viele Probanden haben mit ihm Probleme gehabt.
Vergleich mit Daten des Statistischen Bundesamts
2005 waren circa 41 Prozent der Bevölkerung ledig und circa 45 Prozent verheiratet (vgl. Statistisches Jahrbuch 2007, S. 43f.). Verwitwet waren etwa 7 Prozent, ebenso viele waren geschieden. Die Werte unserer Stichprobe stimmen mit den letzten beiden Angaben relativ gut überein. Da das Statistische Bundesamt in seiner Aufzählung keine „festen Partnerschaften“ berücksichtigt, können wir vermuten, dass diese noch dem Status der Ledigkeit zuzuordnen sind, womit in unserer Stichprobe der Anteil der Ledigen deutlich überwiegen würde. Dies lässt sich unter anderem durch das insgesamt niedrigere Alter der Befragten und den vermuteten Studentenstatus vieler Probanden erklären.
2.4.1 Altersunterschiede beim Familienstand (N= 312)
Die ANOVA hat einen bedeutsamen Unterschied der Variable Familienstand in Bezug auf das Alter ermittelt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.4.1-1: Altersunterschiede beim Familienstand
Wie Abbildung 2.4.1-1 zeigt, ist das Alter der Ledigen und in fester Partnerschaft Lebenden wesentlich niedriger als das der Verwitweten und der geschieden und getrennt Lebenden. Weitere Unterschiede werden beim Vergleich der Mittelwerte und des Maximalalters klar. Im Durchschnitt sind die Ledigen 28 Jahre und maximal 65 Jahre alt. 90 Prozent von ihnen sind unter 39 Jahre alt.
Die in fester Partnerschaft Lebenden sind im Mittel mit 31 Jahren minimal älter und in der Stichprobe ebenfalls höchstens 65. 90 Prozent sind unter 47 Jahre.
Die Verheirateten sind im Durchschnitt 45 Jahre und Extremfall 71 Jahre alt.
Der Mittelwert der Geschiedenen liegt bei 49 Jahren und maximal bei 65 Jahren.
Die Verwitweten sind mindestens 33 und maximal 80 Jahre alt. Sie sind im Mittel 65 Jahre alt.
Dass Verwitwete zumeist älter sind, ist nicht verwunderlich. Um geschieden zu sein, muss man verheiratet gewesen sein. Daher sollten die Geschiedenen erwartungsgemäß etwas älter als die Verheirateten sein und diese wiederum sollten älter sein als die Ledigen oder in Partnerschaft Lebenden.
Vergleich mit Daten des Statistischen Bundesamts
Fast 30 Prozent der deutschen Bevölkerung sind ledig und unter 30 Jahre (vgl. Statistisches Jahrbuch 2007, S. 43f.). In unserer Stichprobe sind rund 28 Prozent unter 30 Jahre und ledig. Nimmt man die festen Partnerschaften hinzu wären es allerdings fast 40 Prozent.
2.4.2 Bildung und Familienstand (N = 319)
Haben wir zuvor die ANOVA aufgrund der metrischen Variable Alter verwendet, müssen wir bei nominalen Daten den Chi-Quadrat-Test benutzen.
Im Chi-Quadrat-Test vergleicht man erwartete Häufigkeiten mit beobachteten Häufigkeiten. Da wir keine gerichteten und spezifischen Hypothesen haben, erwarten wir in diesem Fall, dass es keine Unterschiede bezüglich des Familienstands zwischen den Bildungsgruppen gibt und somit bei allen Bildungsgruppen der Familienstand gleichverteilt sein müsste. Wenn beispielsweise zwanzig Prozent der Befragten ledig wären, müssten zwanzig Prozent der Leute mit Abitur, zwanzig Prozent der Leute mit Hochschulabschluss, usw. ledig sein. Diesen erwarteten Wert vergleicht der Chi-Quadrat-Test mit den tatsächlich vorgefundenen Werten.
Abbildung in dieser Leseprobe nicht enthalten
Tabelle 2.4.2-1: Signifikantes Ergebnis eines Chi-Quadrat-Tests
Es zeigt sich, dass insbesondere die Menschen mit Abitur in unserer Stichprobe ledig sind. Wahrscheinlich haben viele von ihnen noch nicht das Alter erreicht, um eine Berufsausbildung oder einen Universitätsabschluss vorweisen zu können oder im typischen Heiratsalter zu sein. Bei ihnen wird vielleicht ein Karrieregedanke vorrangig sein.
Befragte mit Hauptschulabschluss und Fachhochschulreife sind eher verheiratet als ledig. Allerdings kann dies auch an den niedrigen Fallzahlen liegen.
Viele Verheiratete und Verpartnerte finden sich bei Befragten mit abgeschlossener Berufsausbildung und mit Universitätsabschluss. Diese Menschen scheinen nach dem Erwerb einer Berufsqualifikation und eventuell mit festerem Einkommen auch eher an Heirat denken zu können. Hinzu kommt, dass sie älter und eventuell reifer für solch eine Entscheidung sind.
Feste Partnerschaften sind recht häufig bei abgeschlossener Berufsausbildung, Abitur und Universitätsabschluss anzutreffen. Scheidung und Trennung zeigt sich seltener bei Leuten mit Abitur und Universitätsabschluss als bei den anderen Bildungsgruppen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.4.2-1: Bildungsabschluss und Familienstand
Ein Vergleich mit den Daten des Statistischen Bundesamtes entfällt aufgrund der oben genannten Probleme (siehe Abschnitt 2.3).
2.4.3 Geschlechtsunterschiede beim Familienstand (N = 319)
Auch beim Geschlecht scheint es signifikante Unterschiede hinsichtlich des Familienstandes zu geben. Wesentlich mehr Männer sind ledig (61 vs. 50), doch wesentlich weniger Männer sind verwitwet (3 vs. 15). Letzterer Umstand lässt sich damit erklären, dass es sowohl in der Stichprobe als auch in der Bevölkerung mehr ältere Frauen als Männer gibt, da die Männer früher sterben und die Frauen entsprechend öfter im höheren Alter verwitwet sind.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.4.3-1: Geschlechtsunterschiede beim Familienstand
Vergleich mit Daten des Statistischen Bundesamts
Der Unterschied zwischen männlichen und weiblichen Ledigen liegt auch in der deutschen Bevölkerung bei 8 Prozent (45% vs. 37%). Nimmt man in unserer Stichprobe allerdings noch die festen Partnerschaften hinzu, kommen wir auf einen Unterschied von 12 Prozent (62% vs. 50%).
Der Unterschied zwischen männlichen und weiblichen Verheirateten nimmt sich nicht viel. In unserer Stichprobe beträgt er zwei Prozent (31% vs. 33%), in der Bevölkerung liegt er bei 45% vs. 44%).
Die Differenz zwischen männlichen und weiblichen Verwitweten ist in der Bevölkerung sogar noch größer. Dort sind 3 Prozent der Männer verwitwet und 12 Prozent der Frauen, in unserer Stichprobe sind es 2 Prozent respektive 9 Prozent.
In unserer Stichprobe sind 5 Prozent der Männer geschieden, in der Bevölkerung sind es 7.
9 Prozent der weiblichen Probanden sind ebenfalls geschieden, in der Population sind es 8.
Damit stimmen unsere Ergebnisse tendenziell mit denen der Bevölkerung überein: es gibt wesentlich mehr ledige Männer und mehr verwitwete Frauen.
2.5 Verfügbares Geld für Konsumgüter (N = 269)
Auf die Frage hin, wie viel Geld den Befragungsteilnehmern für den Konsum zur Verfügung stünde, geben weniger als 25 Prozent an, mehr als 400 Euro pro Monat zur Verfügung zu haben. Etwa 45 Prozent haben zwischen 100 und 300 Euro zur Verfügung. Allerdings machen auch 61 Personen keine Angaben zu dieser Frage, was einen relativ hohen Anteil ausmacht. Scheinbar betrifft diese Frage einen sensiblen Inhalt.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.5-1: Für den Konsum verfügbares Geld
Vergleich mit Daten des Statistischen Bundesamts
Alle fünf Jahre findet eine Einkommens- und Verbrauchsstichprobe statt. Bei der letzten Studie lag das für den Konsum verfügbare Geld im Durchschnitt bei 2177 Euro (Kott 2005, S. 1310). Das Statistische Bundesamt zählt zu Konsum aber auch Wohn- und Energiekosten, Verkehr und Gesundheitspflege. Da dies bei unserer Erhebung nicht mit Konsum gemeint war, ziehen wir diese Zahlen ab und erhalten 1091 Euro. Diese Zahl liegt immer noch weit höher als die Angaben der Mehrzahl der Befragten unserer Studie: mehr als Dreiviertel haben monatlich nicht mehr als 400 Euro zur Verfügung.
2.5.1 Alter und verfügbares Geld für den Konsum (N = 267)
Abbildung in dieser Leseprobe nicht enthalten
Wie Abbildung 2.5.1-1 zeigt, scheint tendenziell höheren Altersklassen auch mehr Geld zum Konsum zur Verfügung zu stehen. Die kleinste Konsumklasse hatten ein durchschnittliches Alter von 32 Jahren, die größte Klasse von 54 Jahren. Allerdings haben die Geldklassen „800 bis 900“ und „1000 bis 1500 Euro“ ein deutlich unter der Tendenz liegendes Durchschnittsalter, mit Werten von 34 respektive 35 Jahren.
Abbildung 2.5.1-1: Altersunterschiede beim verfügbaren Konsumgeld
Ein Vergleich der Minima zeigt, dass erst ab dem Alter von 26 Jahren 900 bis 1000 Euro möglich scheinen, insbesondere die Konsummöglichkeiten von 1500 Euro sind erst ab 38 Jahren in unserer Stichprobe vertreten.
Betrachtet man die Maxima, wird deutlich, dass die höheren Altersklassen nicht automatisch mehr Geld zur Verfügung haben. 800 bis 1500 Euro sind der Stichprobe zufolge auf Leute von bis 56 Jahre beschränkt. Und gerade im unteren Geldsegment bis 400 Euro finden sich die höchsten Alterswerte (78 bis 80 Jahre), was darauf schließen lässt, dass diese Menschen von einer niedrigen Rente leben.
Die Variationsbreite des Alters ist ab einem zur Verfügung stehenden Geldbetrag von 800 Euro relativ gering. Das Alter unterscheidet sich nur bis zu 31 Jahren voneinander. Im Vergleich dazu ist die Altersspanne in den unteren Geldregionen mit bis zu 60 Jahren wesentlich höher. Dies bedeutet, dass hier verschiedenen Generationen weniger Geld zur Verfügung steht.
Vergleich mit Daten des Statistischen Bundesamts
Die Daten von Kott (2005, S. 1316) basieren leider auf Euro-Mittelwerten. Da man leider mit unseren kategorialen Werten keine Mittelwerte abbilden kann, kann man nur Schätzungen vornehmen.
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.5.1-2: Altersunterschiede beim Konsumgeld in der Bevölkerung
(Quelle: Kott 2005, S. 1316)
Man kann die Prozentwerte der unter 25jährigen unserer Stichprobe akkumulieren, so dass die Mehrheit dieser Befragten nur eine Geldmenge bis zu 300 Euro zur Verfügung hat. Dies entspricht in etwa den 221 Euro, die Kott als Durchschnitt für die unter 25jährigen angibt (1307 Euro minus 1086 Euro aus „Wohn- und Energiekosten“, „Verkehr“ und „Gesundheitspflege“). Wie bei unserer Stichprobe gesehen, steigt das verfügbare Geld bis zu einem bestimmten Alter (circa 55) in der Bevölkerung an und sinkt danach wieder ab.
2.5.2 Bildungsabschluss und verfügbares Geld für den Konsum (N=269)
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2.5.2-1: Bildungsabschluss und Konsumgeld
Die obige Abbildung zeigt, dass Leute mit Universitätsabschluss zum einen interessanterweise recht häufig im Bereich von 100 bis 600 Euro vertreten sind, zum andern aber auch am häufigsten Konsumgeld ab 900 Euro zur Verfügung haben.
Probanden mit abgeschlossener Berufsausbildung finden sich häufig im Bereich 0 bis 500 Euro, sind aber insbesondere im Sektor von 200 bis 300 Euro anzutreffen.
Befragte mit Abitur, die wahrscheinlich gerade studieren oder einer Berufsausbildung nachgehen, sind am häufigsten im 0 bis 500 Euro anzutreffen.
Einen Hauptschulabschluss oder keinen Abschluss zu haben, ist in unserer Stichprobe mit niedrigem Konsumgeld weniger als 100 bis 200 Euro verbunden. Aber es muss betont werden, dass in unserer Studie wenige Probanden in diese Bildungskategorien fielen.
[...]
1 E-Commerce bezeichnet die Bestellung von Artikeln auf elektronischem Wege
2 Die Varianzanalyse wird auch ANOVA genannt: Analysis of Variance. Sie ist in SPSS über „Analyze“, „Compare Means“, „One-Way ANOVA“ zu erreichen.
3 http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/Content/Statistiken/BildungForschungKultur/Bildungsstand/Tabellen/Content100/Bildungsabschluss,templateId=renderPrint.psml
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.