Statistische Untersuchungen über die Ansichten der deutschen Gesellschaft gegenüber der politischen Beteiligung der in Deutschland lebenden Ausländer

Inhaltsverzeichnis

1. Abbildungs- und Tabellenverzeichns

2. Einleitung

Hypothesen

3. Datenaufbereitung.
3.1 Ausgaben und Datenaufbereitung der AV (Ausländer: pol. Betätigung untersagen)
3.2 Ausgaben und Datenaufbereitung der UV1 ( v301) – „Alter Befragter“
3.3 Ausgaben und Datenaufbereitung der UV2 ( v298) – „Geschlecht Befragter“
3.4 Ausgaben und Datenaufbereitung der UV3 ( v614) – „Nettoeinkommen Befragter“
3.5 Ausgaben und Datenaufbereitung der UV4 (v72) – „pol. Interesse der Befragten“
3.6 Ausgaben und Datenaufbereitung der UV5 (v327) – „Allgemeiner Schulabschluss“

4. Univariate Statistik
4.1 Ermitteln des Modus
4.2 Ermitteln des Median
4.3 Ermitteln des arithmetischen Mittels (Mittelwert)
4.4. Ermitteln der Varianz und der Standardabweichung
4.5 Zusammenfassung
4.6 Prüfung der metrischen Variablen auf Normalverteilung

5. Zusammhangsanalyse
5.1 Statistisches Testen
5.1.1 SD-Test
5.1.2 t-Test
5.2 Korrelation

6. Multiple lineare Regression
6.1 Regressionsmodell
6.2 Regressionsdiagnostik

7. Fazit

1. Abbildungs- und Tabellenverzeichnis

Abbildung 1: Modell eines multiplen Zusammenhangs zwischen mehreren UV und der AV

Abbildung 2: Häufigkeitsausgabe v320

Abbildung 3: Ausgabe Missing Values v320

Abbildung 4: Häufigkeitsausgabe v327

Abbildung 5: Häufigkeitsausgabe v336

Abbildung 6: Häufigkeitsausgabe v337

Abbildung 7: Erstellen der neuen Variable "bildung" (1)

Abbildung 8: Erstellen der neuen Variable "bildung" (2)

Abbildung 9: Erstellen der neuen Variable "bildung" (3)

Abbildung 10: Erstellen der neuen Variable "bildung" (4)

Abbildung 11: Modus von v320 - "Ausländer: polit. Beteiligung untersagen"

Abbildung 12: Modus von v72 - "pol. Interesse, befr."

Abbildung 13: Modus von „bildung"

Abbildung 14: Median von v320 - "Ausländer: polit. Betätigung untersagen"

Abbildung 15: Median von v72 - "pol. Interesse"

Abbildung 16: Median von "bildung

Abbildung7M: ittelwervt32.0 .

Abbildung 18: Mittelwert v301

Abbildung 19: Mittelwert v314

Abbildung 20: Mittelwert von "bildung"

Abbildung 21: Varianz und Standardabweichung v320

Abbildung 22: Variant und Standardabweichung v301 „Alter"

Abbildung 23: Varianz und Standardabweichung v614 „Nettoeinkommen"

Abbildung 24: Varianz und Standardabweichung "bildung"

Abbildung 25: Histogramm v320 - „Ausländer: polit. Betätigung untersagen"

Abbildung 26: Histogramm v301 – „Alter"

Abbildung 27: Histogramm v614 – „Nettoeinkommen"

Abbildung 28: Histogramm "bildung"

Abbildung 29: SD‐ Test von v320 und v298 – „Geschlecht"

Abbildung 30: t‐Test von v320 und v298 - "Geschlecht"

Abbildung 31: Korrelationsmatrix

Abbildung 32: Regressionsmodell

Abbildung 33: Regressionsmodell mit Ausgabe der betas

Abbildung 34: avplot v301 – „Alter"

Abbildung 35: avplot v614 – „Nettoeinkommen"

Abbildung 36: avplot v72 - "pol. Interesse"

Abbildung 37: avplot „bildung

Abbildung 38: Multikollinearität

Abbildung 39: Verteilung der Residuen

Abbildung 40: Streuung der Residuen (1)

Abbildung 41: Streuung der Residuen (2)

Tabelle 1: Darstellung der verwendeten Variablen

Tabelle 2: Hypothesen

Tabelle 3: Häufigkeitsausgabe v298

Tabelle 4: Häufigkeitsausgabe v614

Tabelle 5: Häufigkeitsausgabe v72

Tabelle 6: Bildungsjahre (1)

Tabelle 7: Bildungsjahre (2)

Tabelle 8: Beschreibung der Verteilung der Variablen

Tabelle 9: Null- und Alternativhypothesen

Tabelle 10: SD-Test

Tabelle 11: Korrelationen

2. Einleitung

Diese Ausarbeitung setzt sich mit der politischen Beteiligung der Ausländer in der Bundesrepublik Deutschland auseinander. Die Fragestellung lautet daher: Steht die deutsche Gesellschaft der politischen Beteiligung der in Deutschland lebenden Ausländern offen gegenüber? Besonders wird der Frage nachgegangen, ob das Alter einen Einfluss auf die Haltung der deutschen Gesellschaft gegenüber der politischen Beteiligung der in Deutschland lebenden Ausländer hat.

Zur Untersuchung der Fragestellung wird der ALLBUS Compact aus dem Jahr 2010 vom GESIS – Leibniz-Institut für Sozialwissenschaften verwendet. Für die Datenanalyse wird die Statistik-Software „Stata“ Version 12.1 genutzt. Alle in dieser Hausarbeit berechneten Ergebnisse und eingefügten Abbildungen wurden über diese Software oder mithilfe des Programms Microsoft Excel (Tabellen) erstellt.

Folgenden Variablen werden für die Untersuchung der Fragestellung gewählt:

Die „abhängige Variable“ (AV) ist die v320(Ausländerp:olitischBe etätigunugntersagen).

Neben des Alters der Befragten (v302) wird zusätzlich das Geschlecht (v298), die Bildung (v327–AllgemeineSrchulabschluss) , das Einkommen (v614) und das politische Interesse der Befragten (v72) als unabhängige Variablen (UV) berücksichtigt.

Tabelle 1: Darstellung der verwendeten Variablen

Abbildung in dieser Leseprobe nicht enthalten

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Modell eines multiplen Zusammenhangs zwischen mehreren UV und der AV

Von folgenden Hypothesen zwischen den unabhängigen Variablen (UV) und der abhängigen

Variable (AV) wird ausgegangen, die später in der Datenanalyse untersucht werden:

Tabelle 2: Hypothesen

Abbildung in dieser Leseprobe nicht enthalten

Es wird vermutet, dass das politische Interesse der Befragten (UV4) den größten Einfluss auf die abhängige Variable „Ausländer: pol. Betätigung untersagen“ hat. Etwas weniger wirkt sich auf dies der Bildungsabschluss (UV5) und das Alter (UV1) aus. Einen geringen Einfluss auf die abhängige Variable wird dem Einkommen unterstellt. Weiterhin wird vermutet, dass das Geschlecht (UV2) keinen Einfluss auf die abhängige Variable hat, allerdings wird dies interessehalber in der Datenanalyse getestet.

Um die Hypothesen zu überprüfen, werden zunächst die Daten im Programm Stata aufbereitet und fehlende Werte definiert. Danach wird der Modus, der Median, der Mittelwert, die Standardabweichung und die Varianz der Variablen ermittelt und die Variable wird optisch auf eine Normalverteilung hin geprüft. Daraufhin folgt eine Zusammenhangsanalyse durch einen tTest mit vorausgehendem SD-Test und dem Auswerten einer Korrelationsmatrix. Schließlich wird eine Regressionsanalyse mit Regressionsdiagnostik vorgenommen. In einem Fazit wird ausgeführt, inwiefern sich die Fragestellung klärt.

3. Datenaufbereitung>

Bevor eine statistische Datenanalyse erfolgen kann, müssen die Variablen zuerst aufbereitet werden. Die Datenaufbereitung beinhaltet beispielsweise die Definition fehlender Werte, welche nicht in der statistischen Auswertung berücksichtigt werden sollen (zum Beispiel Personen, die keine Angabe zu einer Frage gemacht haben).

3.1 Ausgaben und Datenaufbereitung der AV (Ausländer: pol. Betätigung untersagen)

Es wird wie folgt vorgegangen: zunächst wird mit einer Ausgabe der Häufigkeitstabelle für die abhängige Variable v320 begonnen .

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Häufigkeitsausgabe v320

Die Häufigkeitstabelle zeigt, dass die abhängige Variable ordinal skaliert ist. Da die Befragten allerdings die Möglichkeit hatten, ihre Haltung zu der Aussage von einer Skala von eins (stimme gar nicht zu) bis sieben (stimme voll zu) selbst einzuschätzen und somit die sieben Werte in ein Verhältnis miteinander gesetzt haben, kann die abhängige Variable in der statistischen Auswertung als metrisch skaliert behandelt werden. Daher ist eine Umcodierung nicht notwendig.

Zudem ist aus der Häufigkeitstabelle ersichtlich, dass 39 Befragte keine Angabe gemacht haben. Dieser Wert geht als fehlender Wert „99“ in die Befragung ein. Da der Wert 0 für „keine deutsche Staatsbürgerschaft“ steht geht auch dieser Wert als fehlender Wert in die Befragung ein.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Ausgabe Missing Values v320

3.2 Ausgaben und Datenaufbereitung der UV1 ( v301) – „Alter Befragter“

Die nachfolgende Tabelle zeigt die Häufigkeitsausgabe der UV1 (v301):

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Häufigkeitsausgabe v301 (1)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Häufigkeitsausgabe v301 (2)

Die Häufigkeitstabelle zeigt, dass die unabhängige Variable 1 metrisch skaliert ist. Das Alter der Befragten wurde aus den Angaben zum Geburtsdatum und dem Erhebungsdatum errechnet. Nun Befragte haben keine Angabe gemacht. Dieser Wert geht als fehlender Wert „999“ in die Befragung ein.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Ausgabe Missing Values v301

Da die Variable metrisch skaliert ist, muss keine Umcodierung vorgenommen werden.

3.3 Ausgaben und Datenaufbereitung der UV2 ( v298) – „Geschlecht Befragter“

Die nachfolgende Tabelle zeigt die Häufigkeitsausgabe der unabhängigen Variable 2 (v298):

Tabelle 3: Häufigkeitsausgabe v298

Abbildung in dieser Leseprobe nicht enthalten

Diese Variable ist nominal skaliert. Eine Umcodierung muss jedoch nicht vorgenommen werden, da es bei nominal skalierten Variablen mit nur zwei Ausprägungen trotzdem möglich ist, sie in der Regressionsanalyse zu berücksichtigen.

Da eine Zuordnung des Geschlechts in der Befragung immer möglich war, können keine fehlenden Werte definiert werden.

3.4 Ausgaben und Datenaufbereitung der UV3 ( v614) – „Nettoeinkommen Befragter“

Die nachfolgende Tabelle zeigt die Häufigkeitsausgabe der unabhängigen Variable 3 (v614):

Tabelle 4: Häufigkeitsausgabe v614

Abbildung in dieser Leseprobe nicht enthalten

Aus der Häufigkeitstabelle wird ersichtlich, dass die UV 3 metrisch skaliert ist. 535 Befragte haben keine Angabe gemacht. Diese Werte gehen als fehlende Werte (304=a. \ 9=b. \ 222=c.) in die Befragung ein.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 7: Ausgabe Missing Values v614

Da die Variable metrisch skaliert ist, muss keine Umcodierung vorgenommen werden.

3.5 Ausgaben und Datenaufbereitung der UV4 (v72) – „pol. Interesse der Befragten“

Tabelle 5: Häufigkeitsausgabe v72

Abbildung in dieser Leseprobe nicht enthalten

Diese Variable ist ordinal skaliert. Da die Befragten allerdings die Möglichkeit hatten, ihre Haltung zu der Aussage von einer Skala von eins (sehr stark) bis fünf (überhaupt nicht) selbst einzuschätzen und somit die fünf Werte in ein Verhältnis miteinander gesetzt haben, kann die unabhängige Variable in der statistischen Auswertung als metrisch skaliert behandelt werden. Daher ist eine Umcodierung nicht notwendig. Fünf Befragte haben keine Angabe gemacht. Dieser Wert geht als fehlender Wert „9“ in die Befragung ein.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 8: Ausgabe Missing Values v72

3.6 Ausgaben und Datenaufbereitung der UV5 (v327) – „Allgemeiner Schulabschluss“

Die nachfolgende Tabelle zeigt die Häufigkeitsausgabe der UV5 (v327):

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Häufigkeitsausgabe v327

6 (anderer Abschluss) und 99 (keine Angabe) werden als fehlende Werte definiert.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 9: Ausgabe Missing Values v327

Da der höchste Bildungsabschluss betrachtet werden soll, müssen die Variablen v336 (Fachhochschulabschluss) und v337(Hochschulabschluss) mit berücksichtigt werden. Bei diesen ist für diese Analyse allerdings nur von Bedeutung, ob ein Abschluss vorliegt (Ausprägung 1 – „genannt“).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Häufigkeitsausgabe v336

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Häufigkeitsausgabe v337

Die Variable v327 ist ordinal skaliert. Daher muss sie auf ein metrisches Skalenniveau umcodiert werden, um in der statistischen Auswertung berücksichtigt werden zu können. Hier eignet sich die Transformation des Bildungsabschlusses in Bildungsjahre. Hierbei wird allerdings von der normalen Dauer von der Einschulung bis zum jeweiligen Bildungsabschluss ausgegangen. Die tatsächliche Bildungsdauer der Befragten kann davon abweichen.