Für neue Kunden:
Für bereits registrierte Kunden:
Seminararbeit, 2020
33 Seiten
Abbildungs- und Tabellenverzeichnis
1. Einleitung
2. Aufbau der Arbeit
3. Datensatz
3.1 Datengrundlage
3.2 Beschreibung des Datensatzes
3.3 Variablendeskription
3.4 Vorbereitung zur Datenanalyse
4. Deduktive Analyse
4.1 Hypothese 1
4.1.1 Deskriptive Statistik
4.1.2 Diagramme
4.1.3 Signifikanztest
4.2 Hypothese 2
4.2.1 Deskriptive Statistik
4.2.2 Diagramme
4.2.3 Signifikanztest
5. Fazit
Literaturverzeichnis
Abbildung 1: Einlesung des Datensatzes
Abbildung 2: Installation und Anwendung von Zusatzpaketen
Abbildung 3: Umbennung Datensatz
Abbildung 4: Kürzung auf relevante Variablen
Abbildung 5: Umbenennung der Variablen
Abbildung 6: Anzeige Variable Alter
Abbildung 7: Beschriftung der einzelnen Kategorien
Abbildung 8: Anzeige nach Zuordnung bei Alterbeschr
Abbildung 9: Anzeige Variable pol.Int
Abbildung 10: Beschriftung der einzelnen Kategorien
Abbildung 11: Anzeige nach Zuordnung bei pol.Int.beschr
Abbildung 12: Anzeige Variable Herkunft
Abbildung 13: Beschriftung der einzelnen Kategorien
Abbildung 14: Anzeige nach Zuordnung bei Herkunftbeschr
Abbildung 15: Darstellung Variable Herkunft(-beschr.)
Abbildung 16: Prozuentale Verteilung der Variable Herkunft
Abbildung 17: Erstellung Diagramm für Häufigkeitsverteilung
Abbildung 18: Darstellung Variable pol.Int.(-beschr.)
Abbildung 19: Anwendung des Befehles "inspect" bei Variable pol.Int.beschr
Abbildung 20: Erstellung Histogramm für Häufigkeitsverteilung
Abbildung 21: Anwendung des Befehles "tally"
Abbildung 22: Anwendung des Befehles „favstats“ bei Variable pol.Int
Abbildung 23: Anwendung des Befehles „favstats“ pol.Int.~Herkunft
Abbildung 24: Erstellung Punktediagramm
Abbildung 25: Erstellung Boxplot
Abbildung 26: Erstellung Balkendiagramm
Abbildung 27: Erstellung des "wilcox.test"
Abbildung 28: Darstellung Variable Alter(-beschr.)
Abbildung 29: Prozuentale Verteilung der Variable Alter
Abbildung 30: Erstellung Balkendiagramm
Abbildung 31: Anwendung des Befehles "tally"
Abbildung 32: Anwendung des Befehles "favstats"
Abbildung 33: Anwendung Befehl "favstats" pol.Int.~Alter
Abbildung 34: Erstellung Streudiagramm Altersgruppen
Abbildung 35: Berechnung der Regressionsgeraden
Abbildung 36: Erstellung Punktediagramm
Abbildung 37: Erstellung Balkendiagramm
Abbildung 38: Erstellung des "cor.test"
In der Politikwissenschaft taucht der Begriff politisches Interesse immer wieder unter verschiedenen Begrifflichkeiten und in verschiedenen Kontexten auf. Dabei sind Bestandteile wie das Erkennen und Verstehen politischer Wirklichkeit, die Vorbereitung zielgerichteten politischen Handelns, die Aufmerksamkeit gegenüber politischen Geschehnissen und die individuelle Einschätzung der Bedeutung von Politik umfasst.1 Definiert ist politisches Interesse als Aufmerksamkeit gegenüber Angelegenheiten staatlicher Gemeinwesen.2 Politisches Interesse gilt als notwendige Voraussetzung für eine funktionsfähige Demokratie.3 Das politische Interesse ist aktuell so stark wie lange nicht mehr und ist der höchste Wert seit 20 Jahren.4 Deshalb wird in dieser Seminararbeit, wie eingangs bereits betitelt, geprüft, wie sich das politische Interesse in Abhängigkeit von Erhebungsgebiet und Lebensalter unterscheidet.
In diesem Kapitel wird ein Überblick über den Aufbau dieser Arbeit gegeben. Es wird zuerst eine fundamentale Grundlage bezüglich des Datensatzes geschaffen. Hierbei geht es um die Datengrundlage und Beschreibung des Datensatzes. Aufbauend darauf wird auf die Deskription der Variablen detailliert eingegangen und diese näher erläutert. Nachfolgend werden alle Vorbereitung zur Datenanalyse getroffen, bei der alle notwendigen Schritte für die Auswertung von Daten beschrieben und erklärt werden. Zudem werden die Variablen aufbereitet.
Basierend auf den aufbereiteten Variablen werden zwei Hypothesen mit je einer Alternativhypothese aufgestellt. Diese werden mit der deskriptiven Statistik behandelt und Diagrammen hinterlegt und jeweils mit einem Signifikanztest überprüft. Nach der Analyse der Daten und Prüfung der Hypothesen wird ein kompaktes Fazit dargelegt.
In diesem Kapitel wird kurz auf die Datengrundlage eingegangen, sodass aufbauend der Datensatz beschrieben werden kann. Zudem wird auf die Deskription der Variablen eingegangen und näher erläutert.
Nach der Erläuterung der Variablendeskription und des Datensatzes wird dieser für die weitere Datenanalyse vorbereitet.
Die Folgenden Analysen sind auf der Datengrundlage der ALLBUS aus dem Jahr 2018. ALLBUS erhebt seit über 40 Jahren Daten über die Soziallagen, Einstellungen, Werten und Verhaltensweisen der Bevölkerung in Deutschland. ALLBUS ist eine Querschnitterhebung mittels standardisierten Interviews, die persönlich-mündlich durchgeführt wer- den.5
Der ALLBUS Datensatz ist aus dem Jahre 2018 und wurde in München erhoben, das Untersuchungsgebiet beinhaltetet aber die gesamte Bundesrepublik Deutschland. Es wurden Personen befragt, die zum Befragungszeitraum in Privathaushalten lebten und vor dem 01.01.2000 geboren sind. Der Erhebungszeitraum erstreckte sich von April 2018 bis September 2018. Der Datensatz beinhaltet 708 Variablen bei 3 477 Befragten. Die Daten wurden über eine persönlich-mündliche Befragung mit standardisierten Frageprogramm erhoben.6
Für die Analyse des Datensatzes wird das Programm R-Studio, welches eine grafische Benutzeroberfläche für die statistische Programmiersprache R ist, analysiert.
Im Folgenden werden alle, für die Analyse der Hypothesen, relevanten Variablen erläutert. Es wird bei der Deskription in R-Datentyp, Skalenniveau und Kontinuität abgegrenzt Die Variable Alter („agec“) gibt das Alter der Befragten in verschiedenen Korridoren bzw. Altersgruppen an. Folgende Deskription ergibt sich für die Variable Alter:
Abbildung in dieser Leseprobe nicht enthalten
Die Variable Herkunft („eastwest“) gibt das Erhebungsgebiet mit Ost („east“) und West („west“) der Befragten an. Für die Variable Herkunft ergibt sich folgende Deskription:
Abbildung in dieser Leseprobe nicht enthalten
Die Variable politisches Interesse („pa02a“) gibt das politische Interesse in Form von Ausprägung in Rangfolgen an. Folgende Deskription ergibt sich für die Variable politisches Interesse:
Abbildung in dieser Leseprobe nicht enthalten
Der lokal gespeicherte Datensatz wird in R-Studio, eine Benutzeroberfläche des Softwarepakets R, wie folgt eingelesen.
Abbildung 1: Einlesung des Datensatzes
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Nach Installation der Zusatzpakete wird die ursprüngliche Allbusstudie „ZA5270_v2_0_0“ umbenannt und gesichtet.
Abbildung 3: Umbennung Datensatz
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Nach dieser Umbenennung wird der Datensatz auf die relevanten Variablen gekürzt.
Abbildung 4: Kürzung auf relevante Variablen
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Danach wird zur Vereinfachung der Nomenklatur, die zu analysierenden Variablen mit folgendem Befehl umbenannt.
Abbildung 5: Umbenennung der Variablen
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Nach der Umbenennung der Variablen werden die Kategorien, nach dem vorgeschrieben Datensatzhandbuch, mit den jeweiligen hinterlegten Daten beschriftet. Diese Variablen wurden jeweils mit „beschr.“ gekennzeichnet.
Bei der u.s. Abbildung 6 wird die aktuelle Variable Alter („agec“) ohne Beschriftung der einzelnen Kategorien, mit dem Befehl „table“ gezeigt.
Abbildung 6: Anzeige Variable Alter
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Bei der Beschriftung der Kategorie soll für die Variable Alterbeschr. folgende Zuordnung, laut Datensatz, vorgenommen werden:
1 18 - 29 Jahre
2 30 - 44 Jahre
3 45 - 59 Jahre
4 60 - 74 Jahre
5 75 - 89 Jahre
6 über 89 Jahre
Hierbei wird der Befehl „recode“ verwendet, um die Zuordnung bzw. Kategorie zu beschriften.
Abbildung 7: Beschriftung der einzelnen Kategorien
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Nach der Eingabe des Befehls „recode“ wurde die Zuordnung beschriftet und ist in der u.s. Abbildung 8 ersichtlich. Die Anzeige wird wieder mit dem Befehl „table“ erzeugt.
Abbildung 8: Anzeige nach Zuordnung bei Alterbeschr.
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Auch bei der Variablen pol.Int. wird die Zuordnung beschriftet. Bei der u.s. Abbildung 9 wird die aktuelle Variable pol.Int. („pa02a“) ohne Beschriftung der einzelnen Kategorien gezeigt.
Abbildung 9: Anzeige Variable pol.Int.
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Bei der Beschriftung der Kategorie soll für die Variable pol.Int.beschr. folgende Zuordnung, laut Datensatz, vorgenommen werden:
9 keine Angabe
1 sehr stark
2 stark
3 mittel
4 wenig
5 überhaupt nicht
Dabei wird wieder der Befehl „recode“ verwendet, um die Zuordnung bzw. Kategorie zu beschriften.
Abbildung 10: Beschriftung der einzelnen Kategorien
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Nach der Zuordnung mit Hilfe des Befehls „recode“ ist die Zuordnung in der u.s. Abbildung 11 ersichtlich.
Abbildung 11: Anzeige nach Zuordnung bei pol.Int.beschr.
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Die letzte Variabel Herkunft („eastwest“) wird auch wieder mit dem Befehl „table“ angezeigt und gesichtet.
Abbildung 12: Anzeige Variable Herkunft
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Bei der Variable Herkunft („eastwest“) stellt sich die Kategorisierung, laut Datensatz, folglich dar:
1 Befragte aus den alten Bundesländern (West)
2 Befragte aus den neuen Bundesländern (Ost)
Dafür wird wieder der Befehl „recode“ verwendet.
Abbildung 13: Beschriftung der einzelnen Kategorien
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Nach Erstellung des Befehls „recode“ wurde die Zuordnung beschriftet und ist in der u.s. Abbildung 14 ersichtlich. Die Anzeige wird wieder mit dem Befehl „table“ erzeugt und damit gesichtet und überprüft.
Abbildung 14: Anzeige nach Zuordnung bei Herkunftbeschr.
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Hypothese 1:
Befragte die im Erhebungsgebiet Ost leben, haben ein höheres politisches Interesse.
Hypothese 0:
Es gibt keinen Unterschied für die Höhe des politischen Interesses zwischen den Erhebungsgebieten Ost und West.
Die aufgestellte Hypothese sagt aus, dass Befragte im Erhebungsgebiet Ost ein höheres politisches Interesse haben. Dies wird anhand der unabhängigen Variable Herkunft bzw. Herkunftbeschr. und der abhängigen Variable pol.Int. bzw. pol.Int.beschr. geprüft.
Vorab werden die nötigen Variablen mit unterschiedlichen Kennzahlen näher erläutert beschrieben.
Abbildung 15: Darstellung Variable Herkunft(-beschr.)
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
Mit dem Befehl „table“ werden die einzelnen Häufigkeiten ausgegeben. In dem Datensatz wurden 2387 aus dem Erhebungsgebiet West und 1090 aus dem Erhebungsgebiet Ost befragt.
Abbildung 16: Prozuentale Verteilung der Variable Herkunft
Abbildung in dieser Leseprobe nicht enthalten
Quelle: Eigene Darstellung
[...]
1 Vgl. K. Neller, 2002, S. 489.
2 Vgl. B. Westle, 2006, S. 209.
3 Vgl. K. Neller, 2002, S. 489.
4 Vgl. https://www.haz.de/Nachrichten/Politik/Deutschland-Welt/Politisches-Interesse-stark-wie-lange- nicht
5 https://www.gesis.org/allbus/inhalte-suche/studienprofile-1980-bis-2018/2018
6 https://www.gesis.org/allbus/inhalte-suche/studienprofile-1980-bis-2018/2018