Inzidentelle Emotionen, Risikopräferenzen und Neigungen zum Drogenkonsum. Lassen sich signifikante Effekte eines Primings bestätigen?

0. ABSTRACT

In den letzten Jahrzehnten hat die Forschung zu Entscheidungsprozessen unter Unsicherheit und Risiko eine plurale Erweiterung erfahren, im Zuge derer Faktoren wie Impulsivität oder Emotionen Berücksichtigung gefunden haben. Diese Arbeit untersucht die Auswirkungen inzidenteller Emotionen auf Neigungen zum Drogenkonsum und Risikopräferenzen. Dazu wird eine kurze Einführung gegeben und der aktuelle Stand der Forschung dargestellt. In einer experimentellen Untersuchung konnten keine signifikanten Effekte gefunden werden, wofür verschiedene Gründe diskutiert werden. Dennoch wurde eine nicht-signifikante Tendenz festgestellt, dass positive inzidentelle Emotionen eine höhere Risikoaversion bewirkten.¹

1. EINLEITUNG

1.1 Relevanz des untersuchten Themas

Die Modellierung von Entscheidungsprozesse unter Unsicherheit bzw. Risiko war lange hauptsächlich von der neoklassischen Theorie des Erwartungsnutzens (Expected Utility) geprägt. Diese geht von rationalen Individuen mit im Mittel korrekten Erwartungen aus. Seit einiger Zeit wird Entscheidungsverhalten jedoch zunehmend auch über andere Faktoren modelliert, darunter die Effekte von Emotionen. Als wichtiges Beispiel gilt hierzu die Prospect Theory (Kahneman/Tversky 1979). Diese Arbeit untersucht mögliche Effekte eines Primings inzidenteller Emotionen auf die Risikobereitschaft und Neigungen, verschiedene Drogen zu konsumieren. Als inzidentelle Emotionen werden dabei Affekte bezeichnet, die nicht mit der jeweiligen Entscheidung zusammenhängen.²

Implikationen sind im Bereich der Marktforschung und Werbung denkbar, sowie in der Wirtschafts-, Umwelt oder Gesundheitspolitik. Realpolitische Auswirkungen können sich etwa in der Steuererhebung (vgl. u.a. Fochmann et al. 2021), bei Kampagnen zur Förderung von Nachhaltigkeit oder zur Reduzierung von Drogenkonsum ergeben. In Anhang 4 wurde ein enger Zusammenhang von Konsumneigungen und realem Konsum gezeigt, woraus sich weitere Erkenntnisse zur Rolle inzidenteller Emotionen im Drogenkonsum und Suchtverhalten ergeben können. Außerdem werden weitere Einblicke in die Entscheidungsfindung unter Risiko ermöglicht, von der Drogenkonsum eine Ausprägung darstelle (vgl. Ferrer et al. 2020b).

1.2 Forschungsfrage und Hypothesen

Als Forschungsfrage ergibt sich: Lassen sich signifikante Effekte eines Primings inzidenteller Emotionen auf die Risikopräferenz und Neigungen zum Drogenkonsum bestätigen?

Als Hypothesen dienen³:

(H1) Inzidentelle Emotionen haben einen signifikanten Effekt auf die Neigungen zu rauchen, Alkohol, Cannabis oder andere illegale Drogen zu konsumieren.
(H2) Inzidentelle Emotionen haben einen signifikanten Effekt auf die Risikobereitschaft.

1.3 Stand der Forschung

1.3.1 Effekte inzidenteller Emotionen auf Risikobereitschaft

Inzwischen hat sich die Forschung auf diesem Gebiet einige Jahre Bestand, woraus umfangreiche Literatur entstanden ist. Maßgeblich bestünden dabei laut Lane (2017) zwei konkurrierende psychologische Theorien: das Affect Infusion Model (AIM, vgl. Forgas 1995) und die Mood Maintenance Hypothesis (MMH, vgl. Isen/Patrick 1983).

AIM / ATF

Der Annahme von AIM zufolge führten positive Stimmungen zu risikofreudigerem Verhalten (vgl. Forgas 1995). Unter anderem Isen und Patrick (1983), Deldin und Levin (1986), Chou et al. (2007), Schulreich et al. (2013), Huettel et al. (2014), Hu et al. (2015) und Treffers et al. (2016) bestätigen diese Annahme.

Eine weitere Theorie, die in ihrer Vorhersage AIM ähnele (vgl. Bartholomeyczik et al. 2022), ist das Appraisal-Tendency Framework (ATF, vgl. Lerner/Keltner 2000, 2001). Nach ATF fokussierten sich Menschen in einem negativen affektiven Zustand auf negative und in einem positiven Zustand auf positive Umweltreize (vgl. Lerner und Keltner 2000, 2001; Bartholomeyczik et al. 2022). Daher resultiere bei Menschen in einem positiven Zustand eine höhere Risikobereitschaft als in einem negativen (vgl. Bartholomeyczik et al. 2022). Beide Konzepte, besonders aber AIM (vgl. Lane 2017), fanden empirische Bestätigung.

So konnten etwa Fehr et al. (2007) zeigen, dass besonders gut gelaunte Frauen risikobereiter waren (ebd.).⁴ Nguyen/Noussair (2014) untersuchten mittels Gesichtslesesoftware die emotionalen Korrelate risikoaverser Entscheidungen, Zhao et al. (2016) nutzen ein Priming über emotionale Bildern aus dem Chinesischen Affektiven Bildsystem. In beiden Arbeiten sei dabei ein kausaler Zusammenhang positiver inzidenteller Emotionen und einer höheren Risikobereitschaft gefunden worden (ebd., Nguyen/Noussair 2014). Wake et al. (2020) fanden, dass Angst und Furcht mit einer geringeren Risikobereitschaft und höheren Risikoeinschätzung verbunden seien (ebd.).⁵ Fochmann et al. (2021) zeigten, dass Personen mit positiven Hintergrundemotionen häufiger und mit aversiven seltener Steuern hinterzogen⁶ (ebd.). Marini (2021) fand für inzidentelle Traurigkeit und Angst eine Tendenz zur Risikovermeidung (ebd.).

MMH

Eine andere These stellt die Mood Maintenance Hypothesis (MMH, (vgl. Isen/Patrick 1983) auf.⁷ Nach dieser Hypothese führten positive Stimmungen zu einer niedrigeren Risikobereitschaft, wenn auch hauptsächlich bei hohen Auszahlungen (vgl. Isen/Patrick, 1983). Negative Stimmungen führten demnach tendenziell zu einer höheren Risikobereitschaft (vgl. Raghunathan/Pham 1999). Positiv gestimmte Menschen wollten demzufolge ihre aktuelle Stimmung erhalten, negative gestimmte Menschen würden diese ändern wollen, auch bei damit verbundenen Risiken (vgl. Isen/Patrick 1983). Ergebnisse im Sinne der MMH wurden unter anderem in Mittal/Ross (1998), Raghunathan/Pham (1999) und Lin et al. (2006) gefunden.

Uneindeutige Ergebnisse

Uneindeutige Ergebnisse fanden etwa Colasante et al. (2017). Hier wurde sowohl für traurige als auch glückliche Stimmungen eine höhere resultierende Risikoaversion als unter neutralen Bedingungen festgestellt (ebd.).⁸ Andere Arbeiten fanden Ergebnisse, die teils mit AIM und teils mit MMH übereinstimmten (vgl. Lane 2017), so etwa Arkes et al. (1988). Einige fanden zudem lediglich durchschnittliche Nulleffekte, so etwa Marini (2021) für Glück und Ärger und Bartholomeyczik et al. (2022) für inzidentelle Traurigkeit, Angst oder positive Emotionen.

Zusammenfassung

Offensichtlich sind die Erkenntnisse dieses Felds vielfältig und teilweise uneindeutig, was unter anderem an Unterschiede in Bezug auf die Methoden, Anreizarten oder individuelle Empfindung von Emotionen liegen könnte (vgl. Lane 2017). Dennoch spreche die experimentelle Evidenz eher für AIM (ebd.).

1.3.2 Effekte inzidenteller Emotionen auf Neigung zum Drogenkonsum

Das zweite wichtige Forschungsgebiet dieser Arbeit behandelt die Auswirkungen inzidenteller Emotionen auf Neigungen zum Drogenkonsum. Dieses habe besonders in den letzten Jahrzehnten vermehrt an Bedeutung gewonnen (vgl. Williams/Evans 2014).

Appetitive risk behaviors (ARB)

Eine wichtige Rolle spielen hierzu „Appetitive risk behaviors“ (ARB, vgl. Ferrer et al. 2020b), die verschiedene Arten des Risikoverhaltens, so auch Tabak- und Alkoholkonsum, umfassen würden (ebd.). Negative affektive Zustände erhöhten dabei verlässlich die ARB, insbesondere bei klinisch gefährdeten Proband/-innen (ebd.). Im Allgemeinen hätten positive affektive Zustände außer bei Vorliegen eines Craving-Hinweises keinen derartigen Einfluss gehabt (ebd.).

Theorien der Affektregulation

In der Forschung zu negativen inzidentellen Emotionen und deren Auswirkungen auf Gesundheitsverhalten⁹ komme zudem Theorien zur Affektregulation besondere Bedeutung zu (vgl. William/Evans 2014). Spezifische Arten des Gesundheitsverhaltens wurden unter anderem in Bezug auf Rauchen (vgl. Brandon 1994), sowie Alkohol- und Drogenmissbrauch (vgl. Cox/Klinger 1988, Khantzian 1985) betrachtet. Theorien der Affektregulation zufolge führten negative inzidentelle Affekte häufig zu maladaptivem Verhalten wie Drogenmissbrauch, da sich davon eine Linderung des negativen affektiven Zustands erhofft werde (vgl. Williams/Evans 2014).¹⁰

Theorien der Affektkongruenz

Laut Theorien der Affektkongruenz werde die Ausübung bestimmter Verhaltensweisen (z.B. Drogenkonsum) durch negative inzidentelle Emotionen reduziert (vgl. Williams/Evans 2014). Diese Unterschiede zu Theorien der Affektregulierung bestünden, wenn das Zielverhalten zu einer Veränderung der affektiven Valenz führe, die der zufälligen affektiven Valenz entgegengesetzt sei (ebd.).¹¹ Theorien der Affektkongruenz finden sich unter anderem bei Andrade (2005) und Kassel et al. (2003), wobei diese mit breiteren Theorien der Affektkongruenz (vgl. Bower 1981, Forgas 1995) übereinstimmen würden (vgl. Williams/Evans 2014).

Empirie zu negativen inzidentellen Emotionen

Die Empirie folgt tendenziell Theorien der Affektregulation, da negative inzidentelle Emotionen häufig eine Zunahme maladaptiver, aber potenziell affektverstärkender Verhaltensweisen, u.a. Drogenkonsum, bewirkten (vgl. Williams/Evans 2014). Dies ergibt sich etwa aus Thomas et al. (2006), Bonn-Miller et al. (2008) und Kassel et al. (2003).

Empirie zu positiven inzidentellen Emotionen

Franke (2012) stellte fest, dass werblich induzierte positive Emotionen zu einer vorteilhafteren Bewertung eines Konsumprodukts und zu einem verstärkten Wanting^[12] führen könnten (vgl. Franke 2012: 360). Diese Ergebnisse spielen hier jedoch weniger eine Rolle, da in diesem Fall vermutlich integrale Emotionen betrachtet wurden.¹³ Dies umgeht einen möglichen Widerspruch zur Empirie zu negativen inzidentellen Emotionen. Die Effekte positiver inzidenteller Emotionen äußerten sich letztendlich also in einer tendenziellen Verstärkung gesunder Verhaltensweisen, während ungesunde Verhaltensweisen (z.B. Drogenkonsum) reduziert würden (vgl. Williams/Evans 2014).

Extrem positive und negative Affekte würden jedoch eine erhöhte Wahrscheinlichkeit von riskantem oder süchtigem Verhalten bewirken (vgl. Cyders und Smith 2008).

2. METHODEN

2.1 Prozedur

Das Experiment wurde in Form einer anonymisierten Online-Befragung auf der Plattform SoSci durchgeführt. Diese wurde am 07.11.2022 veröffentlicht, im Anschluss lief die Datenerhebung bis zum 17.11.2022. Der zugehörige Link wurde über WhatsApp und Instagram an Freunde, Familie und Kommilitonen der Autoren, von der Studienkoordination VWL und von der Seminarleitung geteilt. Die Umfrage wurde zudem mit der Bitte um Weiterleitung an über 300 Fachschaften an 33 deutschen Universitäten verschickt. Die Teilnahme wurde nicht entlohnt und das Ausfüllen des Fragebogens dauerte etwa 10 Minuten. Die Einstellungen wurden so angepasst, dass jede Frage beantwortet werden musste.¹⁴

2.2 Stichprobe

Im Laufe der Erhebung bearbeiteten 492 Personen den Fragebogen, wovon 407 (83%) ihn beendeten. Sechs Datenreihen wurden entfernt, da sie Inkonsistenzen in der Bearbeitung des Lotteriespiels oder Nonsens-Antworten, wie eine Altersangabe von 133 Jahren, aufwiesen. Der

Stichprobenumfang betrug somit n = 401. Etwa 64 % davon waren Frauen, der Altersdurchschnitt lag bei 24 Jahren. Häufige höchste Bildungsabschlüsse waren das Abitur (68%) und ein universitärer Abschluss (24%). Die häufigsten Wohnorte nach Bundesland waren Berlin (34%), Baden-Württemberg (13%) und Schleswig-Holstein (13%).

2.3 Messinstrumente

Die Erhebung der Daten erfolgte mit between-subjects-Design über einen Fragebogen. Zunächst wurden ein kurzer Einleitungstext mit einer nicht-spezifizierten Triggerwarnung gezeigt¹⁵ und demographische Daten erhoben.

Impulsivität, Risikopräferenz und realer Konsum

Im Anschluss wurde die Impulsivität nach der Barratt Impulsiveness Scale in der deutschen Kurzversion (BIS-15 dK) abgefragt.¹⁶ Diese Erfassung erfolgte über eine Selbsteinschätzung zu 15 Aussagen, bei der auf einer Skala von 1 („selten bis nie“) bis 4 („fast immer“) das Zutreffen dieser beurteilt werden sollte. Die einzelnen Antworten wurden schließlich teils invertiert und zu Gesamtwerten für Impulsivität addiert.

Eine Selbsteinschätzung zur Risikoeinstellung wurde mittels der Frage „Sind Sie im Allgemeinen ein risikobereiter Mensch oder versuchen Sie, Risiken zu vermeiden?“ aus dem Socio-Economic Panel (SOEP) von 1 („gar nicht risikobereit“) bis 10 („sehr risikobereit“) erfasst.

Im Anschluss wurde die Konsumhäufigkeit in Bezug auf Rauchen, Alkohol- und Cannabiskonsum und den Konsum anderer illegaler Drogen (darunter Heroin, Kokain, Crack, Amphetamine) abgefragt.¹⁷ Die Antwortmöglichkeiten waren (1) „ja, jeden Tag“, (2) „ja, mehrfach in der Woche“, (3) „ja, aber nur ab und an mal im Monat“ und (4) „nein, nie“.

Mittels Randomisierung wurden die Teilnehmenden anschließend in zwei Gruppen aufgeteilt. Im Anschluss wurden Bilder gezeigt, die je nach Gruppe entweder aversive oder positive Emotionen hervorrufen sollten. Die Teilnehmenden wurden gebeten, das Geschehen auf den Bildern kurz zu beschreiben.

Risikopräferenz und Konsumneigungen

Die Risikopräferenz wurde über das Lotteriespiel nach Holt/Laury (2002), ein Multiple-Price-List­Format (vgl. u.a. Binswanger 1980) mit 10 binären Lotterieentscheidungen (vgl. Holt/Laury 2002), ermittelt. Dieses Format könne aufgrund seiner häufigen Anwendung inzwischen als Standard experimenteller Ermittlungen der Risikoaversion angesehen werden (vgl. Holm et al. 2012, Andersen et al. 2006, 2008). Während ursprünglich sowohl mit hypothetischen als auch realen Auszahlungsbeträgen in verschiedenen Höhen gearbeitet wurde (vgl. Holt/Laury 2002), verwendete diese Arbeit lediglich hypothetische Auszahlungen, auf einem fixen niedrigen Niveau.¹⁸ Somit wurden auch Verzerrungen aufgrund möglicher „Order Effects“ (vgl. Harrison et al. 2004, Holt/Laury 2005) umgangen.

Eine Annahme zur HL-Lotterie ist, dass die Teilnehmenden zu einem bestimmten Zeitpunkt von Option A zu Option B wechseln. Zur Einteilung der Proband/-innen in „risikoavers“, „risikoneutral“ und „risikoliebend“ wurde hier der Zeitpunkt dieses Wechsels betrachtet.¹⁹ Dabei gilt eine Person hier als risikoavers, wenn sie zu Beginn mehr als fünf Mal in Folge A wählt und als risikofreudig, wenn sie weniger dies weniger als fünf Mal tut. Risikoneutral soll eine Person sein, die exakt fünf Mal A wählt. Zwar ist bei der fünften Lotterie die zu erwartende Auszahlungsdifferenz von A zu B bereits negativ (- $0,18), da hierbei jedoch zur vierten Lotterie (Auszahlungsdifferenz = $0,16) kaum ein Unterschied besteht, kann dies ebenso als Ausprägung von Risikoneutralität gesehen werden. Zusätzlich kann dadurch eine Verzögerung des Wechsels von A zu B bei „risikoneutralen“ Proband/-innen berücksichtigt werden, etwa aufgrund von kurzzeitiger Unaufmerksamkeit. Vor der Auswertung wurden im Data Cleaning Datensätze entfernt, die ein ABAB-Muster aufwiesen oder mehr als drei inkonsistente Entscheidungen.²⁰

[...]

¹ Im Anhang wird näher auf die deutschlandweiten Datenerhebung, die Barratt Impulsiveness Scale, weitere Analysen zur Impulsivität und auf den Zusammenhang von Konsumneigungen und realer Konsum eingegangen.

² Als Gegenteil inzidenteller Emotionen lassen sich „integrale" Emotionen ansehen. Diese hängen mit der jeweiligen Entscheidung zusammen. Es wurde gezeigt, dass eine Verallgemeinerung der Auswirkungen inzidenteller Emotionen auf beide Arten der Emotionen aufgrund der Unterschiedlichkeit ihrer Effekte verfälschend wirken kann (vgl. Ferrer/Ellis 2020a). So reduziere etwa inzidenteller Ärger die Risikowahrnehmung, während integraler Ärger sie erhöhe (Ferrer/Ellis 2020a). In dieser Arbeit soll der resultierende eingeschränkte Informationsgehalt berücksichtigt werden.

³ Zur Formulierung der Null-Hypothesen lässt sich in beiden Hypothesen das Wort „einen" durch „keinen" ersetzen.

⁴ Dies sei auch auf eine optimistischere Einschätzung von Wahrscheinlichkeiten zurückgeführt worden, was jedoch nicht für Männer nicht gezeigt werden konnte (vgl. Fehr et al. 2007). Diese hätten vermehrt angegeben, mechanische Entscheidungskriterien wie die Maximierung des Erwartungswerts verwendet zu haben (ebd.).

⁵ Die Effektstärken indizierten außerdem, dass die Risikoeinschätzung zunahm, wenn auf die Risikoentscheidungen reale Ergebnissen folgten und die Studie mit klinisch ängstlichen Proband/-innen durchgeführt wurde (vgl. Wake et al. 2020). Faktoren könnten auch die Art der Angsterfahrung und der Risikokontext sein (ebd.).

⁶ Eine höhere Bereitschaft, Steuern zu hinterziehen, lässt sich als Spielweise einer höheren Risikobereitschaft ansehen.

⁷ Gute Übersichten über Studien zur MMH finden sich u.a. bei Lane (2017) und Bartholomeyczik et al. (2022).

⁸ Als mögliche Erklärung diene der Effekt der Ich-Erschöpfung, wonach die Emotionsregulierung zur Vorbereitung auf eine anschließende Informationsverarbeitung eine begrenzte Selbstregulierungsressource verbrauche, die auch zum Eingehen von Risiken notwendig sei (vgl. Colasante et al. 2017).

⁹ Unter Gesundheitsverhalten wird unter anderem Drogenkonsum gezählt (ebd.), der wiederum eng mit Konsumneigungen zusammenhängt (Anhang 4).

¹⁰ An dieser Stelle ist ein Ergebnis von Morawetz et al. (2021) besonders interessant, nach dem auf Emotionsregulation insgesamt weniger riskante Entscheidungen folgten (ebd.).

¹¹ „Beispielsweise sollte nach der Theorie der Affektkongruenz ein negativer zufälliger Affekt zu einer geringeren Wahrscheinlichkeit des Schokoladenverzehrs führen; die Theorie der Affektregulation würde jedoch eine erhöhte Wahrscheinlichkeit des Schokoladenverzehrs Vorhersagen, wenn die affektive Reaktion auf die Schokolade positiv sein soll" (Williams/Evans 2014, eig. Übers.).

¹² Das „Wanting" sei ein kumuliertes Ausmaß des Wollens, das die die Konsumpräferenzen bestimme (vgl. Franke 2012: 61), hier ist wie Konsumneigungen anzusehen. Dies würde dem Konstrukt des Entscheidungsnutzens (vgl. u.a. Kahneman 1994) entsprechen (vgl. Franke 2012: 61.).

¹³ Diese Arbeit habe zwar integrale und inzidentelle Emotionen undifferenziert betrachtet (vgl. Franke 2012: 29), hier wird es sich aber um integrale Emotionen in Form von produktbezogener Werbung gehandelt haben. Daher sind die Ergebnisse nur sehr eingeschränkt auf inzidentelle Emotionen übertragbar (vgl. Ferrer und Ellis 2020).

¹⁴ Eine Ausnahme stellten die Angabe zum Gender und logisch verkettete Folgefragen, deren Beantwortung teils nicht möglich war (z.B. die Frage zum Studiengang), dar.

¹⁵ Diese wurde nicht konkretisiert, um eine verzerrende Vorahnung in Bezug auf das Ziel des Experiments zu vermeiden.

¹⁶ Inzwischen bestehen einige Messinstrumente, die stetig weiterentwickelt wurden - ein Vorgänger der BIS-15 dK ist etwa die BIS-11 (Patton et al. 1995) - dennoch sei eine einheitliche Definition der Impulsivität umstritten (vgl. Preuss et al. 2007). Auf die BIS-15 wird in Anhang 2 näher eingegangen.

¹⁷ Zudem wurde auch der reale Internetkonsum in verschiedenen Kategorien nach Zeit abgefragt, auf diesen wird diese Arbeit jedoch nicht weiter eingehen.

¹⁸ Das verwendete Niveau hatte bei Holt/Laury (2002) als Ausgangsniveau gedient. Die Möglichkeit auf diese Art die Komplexität der Lotterie zu reduzieren bestand, da es hier nur um eine für alle Proband/-innen einheitliche Erfassung der Risikopräferenz auf einem fixen Niveau und mit einer festgelegten Art der Auszahlungen geht, nicht aber um die Veränderungen dieser bei hypothetischen oder realen, niedrigen oder hohen Auszahlungsarten.

¹⁹ Dies folgt einer Vorgehensweise nach Hirschauer et al. (2013), die etwa in Holm et al. (2012) Anwendung findet.

²⁰ Dies folgt der zweiten Variante zum Umgang mit inkonsistenten Antwortfolgen nach Hirschauer et al. (2013). Diese Vorgehensweise ist jedoch nicht unkritisch, da der Stichprobenumfang auf ein inakzeptabel niedriges Niveau fallen könnte und dieses Vorgehen zu einer weiteren unbekannten Verzerrung führen könne (vgl. Hirschauer et al. 2013). Da systematische Unterschiede zwischen den Risikopräferenzen der konsistent und der inkonsistent antwortenden Proband/-innen bestehen könnten, müsse die gesamte HL-Lotterie bei einem signifikanten Anteil inkonsistenter Antwortreihen kritisch überdacht oder wiederholt werden (Hirschauer et al. 2013). Dieses Problem besteht hier nicht, da lediglich sechs Proband/-innen entfernt, was zu keiner signifikanten Verzerrung führen wird.