Multivariate Analysen

In nächsten Schritt soll versucht werden, (1.) den Cueing-Mechanismus einerseits und den Performanzansatz andererseits jeweils im Hinblick auf ihre Erklärungskraft empirisch zu prüfen und (2.) herauszufinden, welcher der beiden Ansätze den größeren Beitrag zur Erklärung des Vertrauens der Bürger in die EU leistet. Zu diesem Zweck berechnen wir unterschiedliche Modelle, wobei wir zunächst die im Mittelpunkt stehenden Einflussfaktoren aufnehmen und anschließend die diskutierten Kontrollvariablen hinzufügen, um die Robustheit der zentralen Effekte auf die abhängige Variable zu prüfen. Da die abhängige Variable dichotom ist, werden logistische Regressionen durchgeführt. Dem Vorschlag von Best und Wolf (2010) folgend, werden für alle Modelle unstandardisierte und standardisierte Logit-Koeffizienten berechnet. Da der Logit-Koeffizient jedoch leicht zu dem intuitiven Schluss verleiten könnte, dass sich die Chance auf EU-Vertrauen mit einem Ansteigen/Sinken des Wertes der unabhängigen Variablen signifikant verändert, werden für die interessierenden Variablen zusätzlich durchschnittliche marginale Effekte (AME) angegeben.

Im ersten Modell werden zunächst die Cueingvariable und der Performanzfaktor aufgenommen. Wie man Tab. 2 (Modell 1) entnehmen kann, zeigen beide Dimensionen einen eigenen unabhängigen Effekt auf das Vertrauen in die Europäische Union. Der signifikant positive Koeffizient der Performanzvariablen zeigt an, dass die Wahrscheinlichkeit auf EU-Vertrauen mit stärkerer Leistungszuschreibung höher ausfällt als bei schwächerer Performanzzuschreibung. Mit einem standardisierten Koeffizienten von 2,33 ist der Effekt in diesem Modell sogar etwas größer als der ebenfalls positive Effekt der Cueing-Heuristik, der die Wirksamkeit des Kongruenzmodells auf Individualebene bestätigt. Die mit 0,27*** untereinander korrelierenden Einflussfaktoren scheinen einen vergleichbar starken Einfluss auf die abhängige Variable zu haben und lassen deren Ausgangsvarianz um 32 % sinken.18 Weitere Gütekriterien deuten ebenfalls darauf hin, dass es sich bei dem vorliegenden Schätzmodell bereits um einen akzeptablen Fit handelt.

Der Wert des Akaikeschen Informationskriteriums (AIC) (bzw. des Bayesschen Informationskriteriums (BIC)) fällt von ursprünglich 31.532 (31.540) auf 21.470 (21.495). Die Modellschätzung verbessert sich gegenüber dem „Nullmodell“ also deutlich.

Das nächste Modell (Modell 2) dient der Prüfung, inwiefern die identifizierten Effekte stabil bleiben, wenn man sie um weitere mögliche Einflussfaktoren kontrolliert. Dazu werden erstens die oben diskutierten Kontrollvariablen mit aufgenommen. Zweitens wird für jedes Mitgliedsland der Union ein Länderdummy in die Regression eingegeben, um Effekte zu kontrollieren, die auf nationalen Traditionen beruhen und sich möglicherweise auf die Unterstützung der Europäischen Union auswirken (ähnlich Gabel 1998; Ray 2003)[1]. Die beiden Koeffizienten des Cueing und der Performanz weisen abermals jeweils bedeutende Effekte auf. Es fällt auf, dass der Performanzfaktor gegenüber dem ersten Modell an Einfluss eingebüßt hat. Unter Kontrolle einer Reihe weiterer Faktoren fallen sowohl der unstandardisierte als auch der standardisierte Koeffizient bei derselben Befragtengruppe deutlich niedriger

Tab. 2 Einflussfaktoren auf das Vertrauen der Bürger in die Europäische Union (Quelle: EB 73.4 (2010). Eigene Berechnungen)

aus.20 Umgekehrt scheint der Cueing-Mechanismus an relativer Bedeutung gewonnen zu haben. Darüber hinaus zeigt die europäische Identität der Befragten einen positiven Effekt auf ihr Unionsvertrauen, wenn auch die Assoziation mit der abhängigen Variable deutlich geringer ausfällt. Wer sich also mit der EU persönlich identifiziert, für den ist die Wahrscheinlichkeit höher, dass er der Union Vertrauen entgegenbringt. Die Einflüsse der anderen Kontrollfaktoren bleiben demgegenüber auffallend übe schaubar.

Weder Geschlecht noch Alter, Bildung oder politische Orientierung üben einen vergleichbaren Einfluss wie Cueing, Performanzzuschreibung oder EU-Identifikation aus. Auch mit der Häufigkeit politischer Diskussionen über europäische Angelegenheiten steigt die Wahrscheinlichkeit für Unionsvertrauen nicht an. Lediglich für Befragte, die sich (noch) in Ausbildung befinden, ist die Wahrscheinlichkeit auf ein positives EU-Vertrauensurteil etwas höher als für jene, die sich nicht in Ausbildung befinden. Der Anteil an zusätzlich gebundener Varianz gegenüber dem ersten Modell (Modell 1) beträgt 6 Prozentpunkte, der AIC sinkt um weitere 6 und der BIC um 5 Prozentpunkte.

Betrachtet man demgegenüber die einzelnen Ländereffekte (Tab. 4, Modell 2), erkennt man, dass es für das EU-Vertrauen häufig durchaus eine Rolle spielt, aus welchem Land eine Person kommt. Dabei scheint die Herkunft aus einem südeuropäischen Land wie Italien, Spanien, Portugal und auch Griechenland oder aus einem osteuropäischen Land (Rumänien, Bulgarien, Polen, Ungarn, Tschechische Republik, Litauen, Lettland, Slowakei, Estland, Slowenien) die Vertrauenswahrscheinlichkeit tendenziell zu erhöhen, während die Herkunft aus einem mittel(Westdeutschland, Österreich, Luxemburg, nicht jedoch Belgien) und deutlicher noch nordeuropäischen Land (Schweden, Dänemark) die Chance auf ein positives Vertrauensurteil verschlechtert. Für Niederländer, Iren, Nordiren, Ostdeutsche, Finnen sowie Zyprioten verändert sich die Wahrscheinlichkeit auf EU-Vertrauen aufgrund ihres Herkunftslandes nicht.

Aus erhebungstechnischer Perspektive ergibt sich für den Cueing-Indikator ein doppeltes Messproblem, welches sich auf das Analyseergebnis auswirken und den Einfluss des Cueing-Mechanismus in zweifacher Hinsicht überschätzen kann. Zum einen stellt sich die Frage, wie die oben bereits diskutierte generelle Vertrauensdisposition einer Person bei der Analyse von EU-Vertrauen und dessen Beziehung zu nationalem Vertrauen kontrolliert werden kann (Uslaner 2002, S. 18–26). Eine solche Disposition kann dann „herausgerechnet“ werden, wenn man eine entsprechend skalierte Fragebatterie zur Verfügung hat, die es erlaubt, den individuellen Antwortbias von den tatsächlich gegebenen Antworten zu subtrahieren, wie es beispielsweise Schwartz bei der Verwendung seiner Human Values-Skala vorschlägt (Schwartz 2002). Da das Vertrauen dichotom abgefragt wird, steht uns keine ausreichend hohe Skalierung zur Verfügung, um dieses Verfahren anzuwenden. Zum anderen erhebt das Eurobarometer das Vertrauen in nationale Institutionen regelmäßig in identischer Form und in derselben Fragebatterie wie das EU-Vertrauen, also wie die abhängige Variable. Im Hinblick auf das Antwortverhalten der Befragten kann dies bedeuten, dass die Wahl gleicher Antwortkategorien für unterschiedliche Vertrauensobjekte provoziert und so der Einfluss des Cueingfaktors auf die abhängige Variable überschätzt wird (Harteveld et al. 2013). Um diese beiden möglichen Verzerrungen ein Stück weit zu kontrollieren, wird ein additiver Index aus weiteren Items derselben Fragebatterie (Vertrauen in politische Parteien, Vertrauen in regionale und lokale Behörden) gebildet und als Kontrollvariable in die Regression mit aufgenommen. Die Ergebnisse zeigen, dass der Effekt der Cueingvariablen durch die Kontrolle des Vertrauens in weitere politische Objekte kleiner wird und der Mechanismus der individuellen Extrapolation in den Modellen 1 und 2 tatsächlich zunächst überschätzt wurde. So sinkt der standardisierte CueingKoeffizient des Vollmodells von 2,29*** (Modell 2) auf 1,75*** (Modell 3), während der standardisierte Biaskoeffizient einen Wert von 1,15*** (Modell 3) erreicht. Worauf genau der Antwortbias im Einzelnen basiert (einer sozialisationsbedingten Disposition oder durch das Messinstrument provoziert), kann an dieser Stelle nicht genau nachvollzogen werden. Es ist jedoch trotz der unterschiedlichen Stichprobengrößen der Modelle 2 und 3 gerechtfertigt, die Bedeutung der Unterschiede zwischen den Effektgrößen herauszustreichen. Während sowohl der unstandardisierte als auch der standardisierte Performanzwert sich kaum verändert haben, scheint die Wahrscheinlichkeit auf EU-Vertrauen aufgrund der Extrapolation von nationalem Vertrauen nicht mehr so ausgeprägt zu sein, wie es zunächst den Anschein hatte. Wer allgemein den Parteien und seinen regionalen und lokalen Behörden Vertrauen entgegenbringt, wird mit einer höheren Wahrscheinlichkeit auch der Europäischen Union sein Vertrauen aussprechen. Die Effekte der anderen Kontrollvariablen hingegen verändern sich so gut wie nicht.

Hinsichtlich der nationalen Kontexteinflüsse sind die Ergebnisse jenen aus Modell 2 ausgesprochen ähnlich (Tab. 4, Modell 3). Die Koeffizienten verändern sich kaum, für die Italiener und die Rumänen spielt die Herkunft eine noch größere Rolle für das EUVertrauen als im Modell zuvor. Ansonsten sind die Effekte weitestgehend vergleichbar. Der Anteil an gebundener Varianz für dieses Modell (Tab. 2, Modell 3) beträgt 40 % der Ausgangsvarianz der abhängigen Variablen. Der AIC sinkt von ursprünglich 29.524 auf 17.778 und der BIC von 29.532 auf 18.098. Der gesunkene AIC zeigt an, dass das Modell besser an die Daten angepasst ist, was eine komplexere Parametrisierung zu rechtfertigen scheint (Best und Wolf 2010, S. 846). Allerdings sinkt der BIC nicht in gleicher Weise, was andeutet, dass die höhere Parameterzahl doch „bestraft“ wird.21 Der um die Antwortneigung bzw. die allgemeine Vertrauensdisposition der Befragten korrigierte Cueingeffekt ist also nicht nur deutlich gesunken, sondern dem Einfluss des Performanzfaktors sogar etwas unterlegen. Allerdings ist, wie erwähnt, zu bedenken, dass der Logit-Koeffizient nicht über seine Richtung und statistische Signifikanz hinaus interpretierbar ist (Best und Wolf 2012, S. 380). Ob die intuitive Interpretation also zutrifft, dass die Chance auf EU-Vertrauen mit zunehmender Performanzzuschreibung bzw. Nutzung des Cueings sich jeweils tatsächlich verbessert, zeigen erst die marginalen Effekte. Sie erlauben eine Antwort auf die Frage, welchen substantiellen Beitrag die Einflussfaktoren über Vorzeichen und Signifikanz hinaus zur Erklärung des EU-Vertrauens leisten können. Aus diesem Grund sind im dritten Modell zusätzlich die durchschnittlichen Marginaleffekte (Average Marginal Effects, AME) der beiden interessierenden Heuristiken ausgewiesen. Der durchschnittliche marginale Effekt hat den Vorteil, dass er nicht von unkorrelierter unbeobachteter Heterogenität verzerrt wird (Wooldridge 2002, S. 470) und dass er eine intuitive Interpretation ermöglicht (Best und Wolf 2012, S. 383). Wie man dem AME-Wert der Cueingvariablen in Modell 3 (Tab. 2) entnehmen kann, steigt die Wahrscheinlichkeit auf EU-Vertrauen um durchschnittlich 0,14 Punkte an, wenn der Cueing-Wert um eine Einheit steigt. Dieser Wert ist geringer als jener für Modell 2 (AME= 0,19, tabellarisch nicht ausgewiesen). Für die Performanzzuschreibung gilt analog, dass wenn der Wert dieser Variablen um eine Einheit anwächst (8er-Skala), die Wahrscheinlichkeit auf das Vertrauen in die Europäische Union um 0,04 Punkte steigt (Modell 3).22 Beide Vertrauensheuristiken liefern also einen eigenen substantiellen Beitrag zur Erklärung des individuellen EU-Vertrauens.

Es muss allerdings bedacht werden, dass es sich bei logistischen Regressionen um eine nicht-lineare Funktion handelt und die Steigung der Wahrscheinlichkeitskurve nicht konstant ist, sondern der marginale Effekt von X sowohl mit den Ausprägungen von X als auch mit den Ausprägungen der anderen unabhängigen Variablen variiert (Best und Wolf 2010, S. 839). So wird nicht nur der nichtlineare Verlauf der Wahrscheinlichkeitskurve durch die Angabe eines globalen Durchschnittseffekts ignoriert (Best und Wolf 2010, S. 838), auch können die marginalen Effekte des Cueing und der Performanzzuschreibung aufgrund unterschiedlicher X -Ausprägungen nicht direkt miteinander verglichen werden. Daher bietet sich zur besseren Interpretation beispielsweise eine Darstellung der nichtlinearen Zusammenhänge mittels graphischer Mittel an, bei welchen der Einfluss der unabhängigen Variablen auf die Erfolgswahrscheinlichkeit für jedes Niveau der unabhängigen Variablen dargestellt werden kann.

Wie man Abb. 4 (linke Seite) entnehmen kann, liegt die vorhergesagte Wahrscheinlichkeit auf ein positives Vertrauensurteil für einen Befragten, der seinen eigenen nationalen Institutionen kein Vertrauen entgegenbringt, bei ca. 42,2 %. Mit dem Anstieg des Vertrauens in die eigenen parteipolitischen Institutionen um eine Einheit steigt diese Wahrscheinlichkeit um 18,9 Prozentpunkte auf 61,1 % an. Dies ist aus statistischer Sicht ein signifikanter Zuwachs. Die höchste Wahrscheinlichkeit auf EU-Vertrauen mit 70,2 % haben Befragte, die sowohl ihrer eigenen Regierung als auch ihrem nationalen Parlament Vertrauen entgegenbringen.

Auf der rechten Seite von Abb. 4 sind die marginalen Effekte für die einzelnen Niveaus des Performanzindikators dargestellt.23 Die Graphik zeigt, dass Befragte, die der Europäischen Union drei negative Leistungen zuschreiben, mit einer Wahrscheinlichkeit von 28,9 % der EU ihr Vertrauen aussprechen. Mit abnehmender negativer Beurteilung bzw. steigender positiver Performanzzuschreibung wächst dieser Wert stetig und für so gut wie alle Ausprägungen auch in signifikanter Weise an. Die Wahrscheinlichkeit auf EU-Vertrauen liegt für Befragte, die meinen, dass ihr Land von der EU-Mitgliedschaft profitiert und der EU dabei noch drei positiv besetzte Leistungen zuschreiben, bei knapp 70 % und ebenso für Befragte, die ihrem Parlament und ihrer Regierung vertrauen.

Insgesamt gilt für beide Vertrauensheuristiken gleichermaßen, dass ein ansteigendes Niveau der unabhängigen Variablen jeweils mit einer signifikant höheren Wahrscheinlichkeit auf eine positive Vertrauensäußerung einhergeht. Welcher Faktor hier klar „die Nase vorne“ hat, kann jedoch kaum entschieden werden. Die standardisierten Koeffizienten deuten darauf hin, dass der Performanzfaktor einen größeren Einfluss auf das EU-Vertrauen hat, die marginalen Effekte hingegen halten dieser Annahme nicht stand. Es scheint also so zu sein, dass beide Mechanismen einen nahezu vergleichbaren Einfluss auf das EU-Vertrauen ausüben. Einen weiteren Hinweis auf den jeweiligen Ein-

Abb. 4 Marginale Effekte des Cueings und der Performanzzuschreibung auf das EU-Vertrauen (Quelle: EB 73.3 (2010). Eigene Berechnungen). (Anmerkung: Vorhergesagte Wahrscheinlichkeiten für EU-Vertrauen für die einzelnen Ausprägungen des Cueingfaktors und der Performanzvariablen mit Konfidenzintervallen auf dem 95 %-Niveau, gewichtet auf Basis der EU-27)

fluss beider Faktoren erhält man, wenn man prüft, ob und inwiefern sich der Anstieg der gebundenen Varianz mit der Reihenfolge der aufgenommenen Faktoren verändert. Zu diesem Zweck werden nochmals Regressionsmodelle berechnet, wobei das zweite Vollmodell der Tab. 2 (Modell 3) in der Weise variiert wird, dass in einem ersten Schritt zunächst der Cueingfaktor aufgenommen und anschließend umgekehrt verfahren wird. Ein Vergleich der jeweiligen Modellgüte ist in Tab. 3 dargestellt.

Sieht man sich den Anstieg der Varianzaufklärung bei schrittweiser Aufnahme der beiden zentralen Faktoren im Vergleich an, erkennt man, dass die zusätzliche Varianzaufklärung durch das Hinzufügen der jeweils zweiten Variablen nur gering ausfällt und sich zwischen beiden Variablen nur wenig unterscheidet. Fügt man dem Regressionsmodell mit allen Kontrollfaktoren, dem Faktor zur Kontrolle der Antwortneigung und der Cueingvariablen zusätzlich die Performanzvariable hinzu, so steigt der Anteil an gebundener Varianz um weitere 7,3 Prozentpunkte; umgekehrt liefert der Cueingfaktor zusätzliche 4,7 Prozentpunkte. Demnach scheint der CueingMechanismus im direkten Vergleich einen etwas geringeren Beitrag zur Entstehung des EU-Vertrauens der Bürger zu leisten.

Insgesamt lassen die empirischen Ergebnisse den Schluss zu, dass sowohl die Cueing-Heuristik als auch die Zuschreibung von Performanzen genuine Quellen des Vertrauens in die Europäische Union darstellen. Welcher der beiden Faktoren dem anderen als Quelle des EU-Vertrauens überlegen ist, kann letztlich nicht eindeutig

Tab. 3 Anstieg der Varianzaufklärung bei schrittweiser Aufnahme der beiden Mechanismen im Vergleich (analog zu Tab. 2, Modell 3) (Quelle: EB 73.4 (2010). Eigene Berechnungen)

Güte logistischer Regressionen nach McFadden, gewichtet auf Basis der EU-27

bestimmt werden. Die Ergebnisse deuten jedoch insgesamt darauf hin, dass die Performanzzuschreibungen das Vertrauen in die Europäische Union etwas stärker beeinflussen als nationale Einstellungscues.

Abschließend soll auf mögliche nationale Unterschiede des Cueing-Mechanismus eingegangen werden. Wie die deskriptiven Analysen gezeigt haben, unterscheiden sich die nationalen Vertrauensniveaus hinsichtlich der EU sowie der nationalen politischen Institutionen zum Teil deutlich zwischen den einzelnen Ländern. Diese unterschiedlichen Kontextfaktoren wirken sich möglicherweise auch auf das Cueing-Verhalten der Individuen aus. Zum Beispiel können die Bürger in Ländern wie Litauen mit einem allgemein eher niedrigen Vertrauenslevel fehlendes Vertrauen in ihr politisches System mit Vertrauen in eine andere Ebene kompensieren, während sich in Ländern mit einem allgemein hohen Vertrauensniveau das Vertrauen in verschiedene politische Systeme gegenseitig verstärkt. Anders ausgedrückt ist es möglich, dass länderabhängig entweder das Kompensationsoder das Kongruenzmodell auf Individualebene gültig ist.

Um die Wirksamkeit von länderspezifischen Cueing-Mechanismen zu überprüfen, wurde das Modell 3 der Tab. 2 abermals, nun aber für jedes EU-Mitgliedsland einzeln geschätzt. In Tab. 7 (Anhang) sind die standardisierten Koeffizienten der Cueing-Heuristik und zusätzlich die Effekte der Performanzvariablen pro Land dargestellt. Wenn man sich die Effekte vergleichend anschaut, fällt zunächst auf, dass alle Assoziationen ausnahmslos positiv sind. Die Frage, ob das Kongruenzmodell auf der Mikroebene in allen Ländern wirkt, kann also mit „ja“ beantwortet werden. Da es sich um jeweils andere Personengruppen handelt, können die Koeffizienten nicht miteinander vergleichen werden. Es ist jedoch möglich, sich über den Vergleich des Cueingeffekts mit dem Einfluss der Performanzvariablen einen Eindruck davon zu verschaffen, wie sich Cueing und Performanzzuschreibungen zueinander verhalten. Der Einfluss des Cueings ist insgesamt in lediglich 10 von 29 Fällen stärker als der der Performanzzuschreibung und dann auch nicht in derselben Deutlichkeit, wie es umgekehrt der Fall ist (z. B. Dänemark, Großbritannien, Ungarn, Ausnahme: Spanien). Dieses Ergebnis deutet also tendenziell wieder auf eine Überlegenheit der Leistungszuschreibungen gegenüber der Cueing-Heuristik hin.

  • [1] Da wir uns in diesem Beitrag nicht für die jeweiligen Ländereffekte interessieren, sondern diese lediglich kontrollieren wollen, sind die nationalen Einflüsse aus Darstellungsgründen im Anhang ausgewiesen (Tab. 4).
 
< Zurück   INHALT   Weiter >