Zusammenfassung
In diesem Kapitel und in den beiden nachfolgenden führe ich die grundsätzlichen Überprüfungen der Tragweite von Bildung, Motivation und Interesse als zentrale Erklärungsmerkmale für den Prozeß des unterschiedlichen Wissenserwerbs durch. Die Tests verlaufen alle nach demselben Muster: Bildung, Motiv und Interesse werden zunächst gleichzeitig als unabhängige Variablen für die Vorhersage der Wissensveränderung benutzt, wobei das Ausgangswissen und das Alter der Befragten kontrolliert werden. Dadurch wird zum einen die spezifische Erklärungskraft jeder der drei Variablen für die Veränderung des Wissens unabhängig von der Erklärungskraft der jeweils anderen erkennbar, zum anderen können damit auch Kennzahlen für die gemeinsame Varianzerklärung gewonnen werden. Daran schließen sich die Regressionsanalysen mit Bildung als „contingent Condition“ an: Die formale Bildung wird als Segmentationsvariable benutzt, die simultanen multiplen Regressionen mit Ausgangswissen und Alter der Befragten sowie deren Motivation zur Informationsaufnahme und Interesse werden für jede der drei Bildungsschichten getrennt durchgeführt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Referenzen
Ettema/Kline vermuteten für solche Fälle eine Tendenz zur Verkleinerung von Wissensklüften, was im vorliegenden Fall nicht bestätigt wird.
Fälle, bei denen einzelne Variablen fehlende Werte enthielten, wurden dabei durch die Anweisung LISTWISE ganz von der Berechnung ausgeschlossen. Der paarweise Ausschluß solcher Werte ist zwar im allgemeinen effizienter (SCHNELL, 1985), bringt hier aber praktisch identische Lösungen.
Bei einer simultanen multiplen Regression erhält man standardmäßig im SPSSx-Programm nur Werte für die Varianzerklärung aller unabhängigen Variablen. Die hier ausgewiesenen Werte für den F-Test entstammen mehreren Regressionen mit Ausgangswissen und Alter und jeweils Bildung und Motiv und Interesse. Aus den Werten für die damit erklärte Varianz im Vergleich zur kompletten Regressionsgleichung mit allen sechs Variablen kann man dann einen F-Test berechnen (NIE ET AL., 1975: 339). Der Grenzwert für eine Irrtumswahrscheinlichkeit von 5 Prozent liegt bei 3.00 (BORTZ, 1985: 838).
Der F-Test in der letzten Spalte verschleiert die tatsächliche Bedeutung des Ausgangswissens etwas, da der Wert die gemeinsame Varianzerklärung mit dem in fast allen Fällen bedeutungslosen Lebensalter angibt. Ich habe mich dennoch für diese Darstellung entschieden, um sie möglichst übersichtlich zu gestalten und die Kontrollvariablen insgesamt von den theoretisch bedeutsamen Variablen zu trennen.
Die Primärerhebungen waren jeweils Stichprobenerhebungen. Die standardisierten und nicht-standardisierten Regressionskoeffizienten sind deshalb stichprobenspezifisch, ihre „Streuung“ wird durch die Standardfehler ausgedrückt.
Die Division von beta-Wert durch den Standardfehler ergibt einen der t-Verteilung folgenden Wert. Dieser Wert muß größer oder gleich +/-1.96 sein, um beim konventionellen Signifikanzniveau von 5 Prozent die Nullhypothese verwerfen zu können, daß kein Einfluß vorliegt. Keines der vorliegenden Panels ist — spätestens nach der Eliminierung von „Ausreißern“ — repräsentativ, so daß der Schluß auf eine Grundgesamtheit nicht möglich ist. Die Annahmen, die für die Berechnung von Konfidenzintervallen und Signifikanzniveaus gemacht werden müssen, sind aber in der Praxis generell unrealistisch, so daß diese Angaben eher illustrativen Zwecken dienen und keine definitiven Aussagen beinhalten (ACHEN, 1984: 39).
Der Ansatz liefert allerdings eine deutlich geringere Varianzerklärung (R2 =.086), die Bildungsvariablen absorbieren in dieser Gleichung alle anderen Einflüsse. Da zudem die Erhebung einzelner Aktivitäten eine genauere Messung des Interesses verspricht als die summarische Frage, benutze ich auch in allen folgenden Analysen die Skala der politischen Beteiligung als Indikator für das politische Interesse.
Die Koeffizienten bleiben auch bei einer anderen Recodierung des Motivs praktisch unverändert, dieses Ergebnis ist demnach kein Artefakt der gewählten Variablenkonstruktion.
Die Interaktionen der unabhängigen Variablen werden dabei als Produkt von jeweils zwei Variablen gebildet (ALLISON, 1978).
Bei der Berücksichtigung der Interaktionen zwischen den unabhängigen Variablen taucht beinahe automatisch das Problem der hohen Multikollinearität auf. Für die Tabelle 9.3 ergeben sich bei 5 Variablen R2-Werte über.75 und sogar 2 mit Werten über.80. Da die Untersuchung der Interaktionen hier das eigentliche Analyseziel bildet, kann man dieses Problem auch nicht mit dem Kunstgriff des Weglassens der Variablen mit problematisch hoher Multikollinearität lösen, wie Lewis-Beck es in seinem instruktiven Beispiel demonstriert (1985: 61–63) (zumal hier keine einzelne Variable als Ursache auszumachen ist). Die Interpretation der Tabelle 9.3 muß daher mit einem kleinen Fragezeichen versehen werden, da hohe Multikollinearität die Effizienz der Regressionskoeffizienten beeinträchtigt: Möglicherweise ist die fehlende statistische Absicherung einiger Interaktionen auf die hohe Multikollinearität der Regressoren zurückzuführen.
Rights and permissions
Copyright information
© 1991 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Horstmann, R. (1991). Die Erklärungskraft von Bildung, Motivation und Interesse für eine wachsende Wissenskluft. In: Medieneinflüsse auf politisches Wissen. DUV Sozialwissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-14588-2_11
Download citation
DOI: https://doi.org/10.1007/978-3-663-14588-2_11
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-4075-7
Online ISBN: 978-3-663-14588-2
eBook Packages: Springer Book Archive