Die experimentelle Untersuchung in „Making Low Probabilites Useful“. Eine Darstellung der Forschungsmethoden

Inhalt

Abbildungsverzeichnis

1. Einleitung
1.1 Hypothese der Forschungsarbeit „Making Low Probabilities Useful"
1.2 Empirische Forschung

2. Datenerhebung
2.1 Latente Variablen
2.2 Fragebogen

3. Analyse
3.1 Objektivität
3.2 Reliabilität (Zuverlässigkeit)
3.3 Validität (Gültigkeit)

4. Experimente und Erkenntnisse
4.1 Experiment 1:
4.2 Experiment 2-3
4.3 Experiment 4
4.4 Experiment 5

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Ablauf eines empirischen Forschungsprozesses (Albers et al. 2013, S. 49)

Abbildung 2: Latentes Konstrukt mit reflektiven Indikatoren messen (Albers et al. 2013, S. 104)

Abbildung 3: Frage 1 - Experiment 1-5 (Kunreuther et al. 2001, S. 107)

Abbildung 4: Szenario Beschreibung (Allgemein) (Kunreuther et al. 2001, S. 106)

Abbildung 5: Wahrscheinlichkeiten - Experiment 1 (Kunreuther et al. 2001, S. 106)

Abbildung 6: Versicherungsprämien - Experiment 1 (Kunreuther et al. 2001, S. 107)

Abbildung 7: Faktorstufen der Wahrscheinlichkeiten/Versicherungsprämien für Experiment 1 (Kunreuther et al. 2001, S. 107)

Abbildung 8: Ergebnisse Experiment 1 - Durchschnittliche Risikowahrnehmung der Chemiefabrik für die verschieden Faktorstufen (Kunreuther et al. 2001, S. 107-108)

Abbildung 9: Vergleichsszenario und Faktorstufen der Wahrscheinlichkeiten/Versicherungsprämien für Experiment 2-3 (Kunreuther et al. 2001, S. 108)

Abbildung 10: Ergebnisse Experiment 2 - Durchschnittliche Risikowahrnehmung der Chemiefabrik für die verschieden Faktorstufen (Kunreuther et al. 2001, S. 109)

Abbildung 11: Ergebnisse Experiment 3 - Durchschnittliche Risikowahrnehmung der Chemiefabrik für die verschieden Faktorstufen (Kunreuther et al. 2001, S. 110)

Abbildung 12: Vergleichsszenario und Faktorstufen der Wahrscheinlichkeiten/Versicherungsprämien für Experiment 4 (Kunreuther et al. 2001, S. 112)

Abbildung 13: Ergebnisse Experiment 4 - Durchschnittliche Risikowahrnehmung der Chemiefabrik für die verschieden Faktorstufen (Kunreuther et al. 2001, S. 112)

Abbildung 14: Diagramm der durchschnittlichen Risikowahrnehmung pro Faktorstufen für die Experimente 1-4 (Kunreuther et al. 2001, S. 113)

Abbildung 15: Vergleichsszenario und Faktorstufen der Wahrscheinlichkeiten/Versicherungsprämien für Experiment 5 (Kunreuther et al. 2001, S. 113)

Abbildung 16: Ergebnisse Experiment 5 - Durchschnittliche Risikowahrnehmung der Chemiefabrik für die verschieden Faktorstufe und Vergleichsszenarien (Kunreuther et al. 2001, S. 114)11

Abbildung 17: Ergebnisse - Verschiedener Vergleichswerte (Kunreuther et al. 2001, S. 115)

1. Einleitung

In dieser Studienarbeit werde ich die empirischen Forschungsmethoden sowie, die Erkenntnisse der wissenschaftlichen Arbeit „Making Low Probabilites Useful" von Kunreuther, Novemsky und Kahneman vorstellen und analysieren. Beginnend mit den verwendeten Methoden der empirischen Sozialforschung. Dann werde ich genauer auf die 5 Experimente eingehen, mit welchen Kunreuther u.a. die Hypothese der Arbeit getestet haben und die Ergebnisse einordnen.

Durch das Austreten giftiger Gase nach einer Explosion in einer Chemiefabrik in Bospal, Indien, im Dezember 1984, starben bis zu 25.000 Menschen, obwohl die Wahrscheinlichkeit solcher Unfälle sehr gering ist, erweckte es in der amerikanischen Bevölkerung ein Bewusstsein für die potenziellen Risiken, welche das Austreten von giftigen Gasen bei Unfällen in Chemiefabriken darstellt. Die Sensibilisierung für diese Art von Risiken kann durch den späteren Beschluss des "Clean Air Act Amendments" (CAAA) durch den US-Kongress illustriert werden. Einer der Anforderungen des CAAA ist die verpflichtende Entwicklung und Implementierung von Risikomanagement Maßnahmen um das Risiko eines Unfalls, wodurch giftige Gase freigesetzt werden könnten, zu verringern. Und dass diese Präventionskonzepte der Öffentlichkeit zur Verfügung gestellt werden müssen. Die erwarteten Wahrscheinlichkeiten für das Eintreten solcher Unfälle sind also bekannt.

Wenn Menschen nun mit diesen geringen Wahrscheinlichkeiten die relative Sicherheit einer Chemiefabrik evaluieren können. Dann könnte man zum Beispiel öffentlichen Druck (z.B. durch Anwohner) oder auch ökonomische Anreize wie günstigere Versicherungsbeiträge nutzen, um Unternehmen dazu zu bringen die Risiken eines solchen Unfalls zu vermindern. Also die Wahrscheinlichkeit des Eintretens eines solchen Ereignisses zu reduzieren.

Ereignisse mit hohem Schadenspotenzial sollte man besser korrekt einschätzen können. Weil die Konsequenzen katastrophal sein können, wie man am Beispiel von Bospal sehen konnte. Hohes Schadenspotenzial bedeutet aber meistens auch eine geringe Wahrscheinlichkeit. Das ist ein Problem. Wie kann man sich auf eine akzeptable Wahrscheinlichkeit für das Eintreten eines solchen Ereignisses einigen? Um Grenzwerte für die Akzeptanz von Risiken zu etablieren muss man mindestens in der Lage sein zwischen verschiedenen Ereignissen mit unterschiedlichen geringen Wahrscheinlichkeiten zu differenzieren. In anderen Forschungsprojekten hat man allerdings festgestellt, dass Menschen dazu meistens nicht in der Lage sind. Es gibt allerdings auch Forschungsprojekte die gezeigt haben, dass die Art der Darstellung von geringen Wahrscheinlichkeiten deren Risikowahrnehmung beeinflusst. (Kunreuther et al. 2001, S. 103-104)

Die „evaluability"-Theorie (dt. Auswertbarkeit) von Hsee liefert eine mögliche Erklärung für die Schwierigkeiten geringe Wahrscheinlichkeiten korrekt zu interpretieren. Und ist die theoretische Grundlage für die Ergebnisse von Kunreuther u.a.. Die „evaluability"-Hypothese besagt, wenn ein Attribut nur schwierig unabhängig bewertet werden kann. Dann kann eine Person nicht bewerten, ob ein gegebener Wert (z.B. Wahrscheinlichkeit/Versicherungsprämie Chemieunfall) für ein Ereignis gut oder schlecht ist, ohne es mit einem Ereignis (z.B. Wahrscheinlichkeit/Versicherungsprämie Autounfall) zu vergleichen, welches bedeutungsvoll für ihn oder sie ist. (Hsee 1996) (Kunreuther et al. 2001, S. 103-104)

1.1 Hypothese der Forschungsarbeit „Making Low Probabilities Useful"

Kann man Menschen Informationen zu der Wahrscheinlichkeit eines fatalen Chemieunfalls so präsentieren, dass Sie die relative Sicherheit von einer Chemiefabrik beurteilen können?

(Kunreuther et al. 2001, S. 103-105)

Die Validität der verwendeten Wahrscheinlichkeiten wird in dieser Fragestellung nicht berücksichtigt. Von Interesse ist erstmals nur ob Unterschiede in geringen Wahrscheinlichkeiten so präsentiert werden können, damit Menschen zwischen den ausgehenden Risiken differenzieren können.

1.2 Empirische Forschung

Zu Beginn möchte ich kurz allgemein den empirischen Forschungsprozess (Abb. 1) vorstellen. Die Problemformulierung und Theoriebildung für die zu analysierende Forschungsfrage habe ich bereits in der Einleitung kurz beschrieben. Die Schritte der Datenerhebung, Datenanalyse und Ergebnisinterpretation werde ich in den Kapiteln 2-4 jetzt genauer vorstellen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Ablauf eines empirischen Forschungsprozesses (Albers et al. 2013, S. 49)

2. Datenerhebung

Ziel der empirischen Forschung ist es mit Daten die Validität von Hypothesen zu testen. Daten bilden demnach die Grundlage der empirischen Forschung. Man unterscheidet zwischen zwei Datentypen. Den Sekundärdaten und Primärdaten, mit dem Unterschied, dass die Primärdaten erst erhoben werden müssen. Sekundärdaten sind bereits vorhanden und müssen möglicherweise nur noch modifiziert werden.

Kunreuther u.a. haben ihre Hypothese auf der Basis von Primärdaten getestet. Für die Generierung der Daten mussten Sie eine quantitative Erhebung durchführen. Es gibt verschieden Erhebungsmethoden in der empirischen Forschung. Kunreuther u.a. haben eine standardisierte schriftliche Befragung in Form eines Fragebogens verwendet. Standardisiert bedeutet in diesem Zusammenhang, dass die Anzahl, Anordnung und Formulierung der Fragen im Fragebogen, bevor dieser ausgehändigt wird, festgelegt wurde. Den Versuchsteilnehmern wurde ein Szenario (auf deren Inhalt ich in Kapitel 4 genauer eingehen werde) präsentiert. Anschließend sollten Sie mit dem Fragebogen, bestehend aus 4 Fragen, das ihnen präsentierte Szenario einschätzen. (Albers et al. 2013, S. 49-51)

2.1 Latente Variablen

In den Sozialwissenschaften versucht man Abhängigkeiten zwischen Variablen theoretisch zu erklären.

Dann testet man diese Abhängigkeiten empirisch. Es ist aber meistens der Fall, dass das Konstrukt welches die Forschungsfrage zu erklären versucht, nicht direkt messbar ist. Das bezeichnet man als latentes Konstrukt. Bei Kunreuther u.a. ist dieses latente Konstrukt die Risikowahrnehmung der Chemiefabrik in Abhängigkeit von verschiedenen Szenarien. (Albers et al. 2013, S. 103) Um die Hypothese zu testen, muss eine quantitative Erhebung durchgeführt werden.

"Unter einer 'quantitativen' Erhebung versteht der Sozialwissenschaftler den Versuch, Merkmale und deren Ausprägungen, wie beispielsweise Meinungen von Personen zu bestimmten Themen, durch eine Messung (Quantifizierung) zu erfassen. [...] Hierbei besteht die Messung aus einer Zuordnung eines Symbols, im Regelfall ist dieses eine reelle Zahl, zu Merkmalen oder Eigenschaften von Objekten [...]."

(Albers et al. 2013, S. 65).

Dafür gibt es wieder verschiedene Messmethoden. Kunreuther u.a. verwenden ein Reflektives Messmodell (Abbildung 2). Diese Art der Messmodelle ist dadurch charakterisiert, dass das latente Konstrukt (n in Abb. 2) durch das Interpretieren von abhängigen Indikatoren (x1;x2;x3 in Abb. 2 bzw. Antworten auf die Fragen/Aussagen des Fragebogens) definiert ist. Latente Konstrukte (n) werden in der Sozialwissenschaft meist nicht mit einzelnen Indikatoren gemessen, sondern mit validierten Fragebatterien. Also Fragebögen mit mehreren Fragen/Aussagen (x1;x2;x3), die alle versuchen dasselbe latente Konstrukt zu messen. Der Fragebogen ist also das Messinstrument und wird auch als Skala bezeichnet. Das in den empirischen Sozialwissenschaften am meisten verwendete eindimensionale Skalierungsverfahren ist die Likert-Skala.

Die Einstellung (Risikowahrnehmung) wird dabei mit mehreren Items (Fragen/Aussagen) gemessen, welche von den Versuchsteilnehmern jeweils anhand einer Skala von extrem negativ (1) bis extrem positiv (5) bewertet wird (Albers et al. 2013, S. 73-77). Durch das Messen von Einstellung auf der Basis mehrerer Items versucht man den Messfehler zu reduzieren. Die verschiedenen Items eine Skala können als parallele Tests verstanden werden, die alle das gleiche messen.

Nachdem man das zu messende Latente Konstrukt so gut wie möglich verstanden hat formuliert man eine Anzahl an Items (Fragen/Aussagen), von denen vermutet wird, dass diese das zugrunde liegende Konstrukt messen. Die Items der Skala sollten dem Konstrukt entweder in einer eindeutig positiven oder eindeutig negativen Position gegenüber stehen (monotone Charakteristik) (Albers et al. 2013, S. 73). Ob eine Eindimensionalität (r^; r^; r23 ^ hohe Korrelation) zwischen den Indikatoren besteht, kann mit verschiedenen Methoden, wie z.B. Cronbachs Alpha, bestimmt werden (dazu mehr in Kapitel 3.2). (Albers et al. 2013, S. 104-105)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Latentes Konstrukt mit reflektiven Indikatoren messen (Albers et al. 2013, S. 104)

2.2 Fragebogen

Beim Erstellen des Fragebogens sollte beachtet werden, dass die Fragen (oder Aussagen) einfach und verständlich formuliert sind. Messfehler können durch neutrale und eindeutig formulierte Fragen verringert werden. Die Reihenfolge der Fragen kann ebenfalls einen Einfluss darauf haben, wie diese beantwortet werden und damit die Aussagekraft der Daten beeinflussen. (Albers et al. 2013, S. 55-56)

Der von Kunreuther u.a. verwendete Fragebogen (Likert-Skala) besteht aus 4 Fragen. Frage 1, hier in Abbildung 3 zu sehen, fragt, ob die Chemiefabrik ein Sicherheitsrisiko für die Anwohner darstellt. Der Bezug zum latenten Konstrukt (Risikowahrnehmung) ist also negativ. Es wird wie oben beschrieben die für eine Likert-Skala typische 5-stufige Rating Skala verwendet. Dabei wird der Antwort ein reeller Zahlenwert von 1 bis 5 zugewiesen. Mit einer zusätzlichen qualitativen Beschreibung was dieser numerische Wert bedeutet.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Frage 1 - Experiment 1-5 (Kunreuther et al. 2001, S. 107)

Frage 2 fragt, ob es möglich ist, dass die Chemiefabrik sicher operieren kann. Hier ist die Beziehung zum latenten Konstrukt positiv.

Frage3 fragt, wie hoch man die Gefahr einschätzt durch den beschriebenen Chemieunfall und durch das Vergleichsszenario (variiert in den 5 Experimente dazu mehr in Kapitel 4) zu sterben. Hier ist die Beziehung zum Latenten Konstrukt wieder negativ.

Frage 4 fragt, wie nah man bereit wäre an der Chemiefabrik zu wohnen. Also wie sicher man die Chemiefabrik einschätzt. Damit ist die Beziehung zum Latenten Konstrukt hier wieder positiv.

Es wurden also 2 Fragen mit negativer und 2 Fragen mit positiver Beziehung zum latenten Konstrukt, jeweils abwechselnd, verwendet, um den Messfehler zu verringern.

Dann muss noch festgelegt werden, ob eine Voll- oder Teilerhebung durchführt wird. Eine Vollerhebung kann allerdings nur durchgeführt werden, wenn die Grundgesamtheit klein ist, z.B. eine Schulklasse. Das ist in den Sozialwissenschaften aber eher selten der Fall und gilt auch für die hier analysierte Forschungsfrage. Kunreuther u.a. haben also eine Teilerhebung durchgeführt. Für die Durchführung einer Teilerhebung gibt es auch wieder verschiedene Methoden, welche Einfluss auf die Aussagekraft der Daten haben. Die höchste Aussagekraft haben uneingeschränkt zufällige Stichproben (Teilmenge der Grundgesamtheit). Dabei hat jedes Element einer Grundgesamtheit die gleiche Wahrscheinlichkeit in der Stichprobe (Teilmenge) befragt zu werden. Kunreuther u.a. befragten für die Experimente 1-4 Besucher des San Francisco Exploratorium (Naturwissenschaftsmuseum). Für Experiment 5 wurden Studenten einer großen Universität im mittleren Westen der USA befragt.

Die Konditionen für eine uneingeschränkt zufällige Stichprobe sind also nicht gegeben. Menschen die Naturwissenschaftliche Museen besuchen und Studenten sind vielleicht Zahlenaffiner und mehr vertraut mit Statistik. Auch Menschen unterschiedlicher Herkunft könnten aufgrund ihrer Kultur eine unterschiedliche Risikowahrnehmung haben. Spielt das Alter oder Geschlecht der Versuchsteilnehmer eine Rolle? Gut möglich. Aber um einen ersten Zusammengang zwischen Ereignissen mit geringer Wahrscheinlichkeit und verschiedenen Vergleichsszenarien und deren Einfluss auf die Risikowahrnehmung zu testen ist die von Kunreuther u.a. gewählte Methode der Datenerhebung wahrscheinlich ausreichend und auch weit verbreitete Praxis in der empirischen Sozialforschung. (Albers et al. 2013, S. 79)

3. Analyse

Eine Empirische Forschungsarbeit sollte, um aussagekräftig zu sein, immer eine hohe Güte (Qualität der Messung) erreichen. Für die Güte einer Forschungsarbeit gibt es in der Testtheorie drei Hauptkriterien. (1) Objektivität; (2) Reliabilität; (3) Validität. (Albers et al. 2013, S. 27) Auf diese werde ich in diesem Kapitel näher eingehen.

3.1 Objektivität

Die Objektivität von Messergebnissen liegt dann vor, wenn verschiedene Personen unabhängig voneinander unter denselben Bedingungen zu denselben Ergebnissen kommen und dieselben Schlussfolgerungen aus den Ergebnissen ziehen. (Lienert und Raatz 1998)

3.2 Reliabilität (Zuverlässigkeit)

Mit Reliabilität ist die Zuverlässigkeit eines Messinstrumentes gemeint. Ein Reliables Messinstrument muss seine Messergebnisse bei wiederholter Messung reproduzieren können. Reliabilität kann man besser verstehen, wenn man die Bestandteile eines Messwerts kennt.

Abbildung in dieser Leseprobe nicht enthalten

Die von Kunreuther verwendet Skala besteht, wie in Kapitel 2.2 beschrieben aus 4 Fragen. Die Antwortmöglichkeiten sind 1-5 (stark negativ bis stark positiv). Der beobachtete Messwert (X0; also der Messwert der Skala) ist damit Zahlenwert der Antworten. Der systematische Fehler (Xs) könnte z.B. eine schlecht konzipierte Skala (Fragebogen) sein. Die Reliabilität einer Messung ist charakterisiert durch einen geringen zufälligen Fehler (Xr). Der zufällige Fehler einer Skala kann auch als der Unterschied in der wahren Varianz der Messwerte und der beobachteten Varianz der Messwert verstanden werden.(Albers et al. 2013, S. 486-491)

• Statistische Methode, um die Reliabilität von Daten zu interpretieren: Cronbachsches a

Eine Form der Reliabilität ist die interne Konsistenz einer Skala. Interne Konsistenz erfordert Homogenität der Items, bedeutet die Items (Fragen) der Skala (Fragebogen) müssen widerspruchsfrei und eindimensional sein. Das in der Sozialforschung meistgenutzte Reliabilitätsmaß für interne Konsistenz einer Skala ist Cronbachs a. Eine zeitliche Instabilität des Konstrukts wird dabei von vornherein ausgeschlossen. Probanden müssen, um die Reliabilität der Skala zu bewerten, den Fragebogen also nur einmal ausfüllen. Es wird also nicht erwartet, dass die Risikowahrnehmung von Versuchsteilnehmern zum selben Scenario zu verschiedenen Zeitpunkten unterschiedlich ist. (Albers et al. 2013, S. 486-491)

Abbildung in dieser Leseprobe nicht enthalten

3.3 Validität (Gültigkeit)

Ein Messinstrument ist valide, wenn es dass misst, was gemessen werden soll. Das lässt sich wie bei der Reliabilität wieder am besten illustrieren, wenn man sich die Bestandteile eines Messwerts vor Auge führt.

Abbildung in dieser Leseprobe nicht enthalten

Ein Messinstrument ist valide, wenn X0 = Xt, also der gemessene Wert gleich dem tatsächlichen Wert ist.

[...]