Zusammenfassung
Das Konzept der „political efficacy“ (Bürgerkompetenz) gehört zum Kernbestand der politischen Partizipationsforschung. Es bezeichnet das Gefühl der Bürger, den politischen Prozess beeinflussen zu können, und ist damit für das Selbstverständnis von Demokratien von zentraler Bedeutung. Wenn die Bürger den Glauben an ihren eigenena politischen Einfluss verlieren, liegt politische Entfremdung vor. In diesem Sinne wird das Konzept bereits von den Klassikern (Almond und verba 1965; Campbell und Miller 1954) verwendet, auch wenn seine genaue Operationalisierung und Struktur kontrovers diskutiert wurden (Vetter 1997b). Dabei lassen sich grob zwei Dimensionen unterscheiden: internal political efficacy bezeichnet die Selbsteinschätzung der Bürger bezüglich ihrer politischen Kompetenz und Informiertheit, die als eine notwendige, aber nicht hinreichende Bedingung für politischen Einfluss betrachtet werden kann. External political efficacy hingegen meint die wahrgenommene Offenheit des Systems und der Eliten für die politischen Präferenzen und Meinungsäußerungen der Bürger. Beide Komponenten hängen empirisch zusammen, lassen sich aber analytisch voneinander abgrenzen.
The impression that science is over has occurred many times in various branches of human knowledge… .
Charles Fabry
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Simulationsstudien deuten darauf hin, dass das Verfahren selbst hier recht robust ist, sofern die Abstände zwischen den Kategorien von den Befragten als ähnlich wahrgenommen werden (Coenders et al. 1997).
- 2.
Für fünf- und sechstufige Variablen gibt es keine einheitliche Forschungspraxis.
- 3.
Diese Bereitschaft muss nicht der tatsächlichen Wahlbeteiligungsabsicht entsprechen, sondern kann ihrerseits eine Funktion der tatsächlichen Verhaltensabsicht und anderer Einflüsse wie z. B. der sozialen Erwünschtheit sein.
- 4.
Die Syntax von gsem ist der von sem sehr ähnlich. Über die Unterschiede im Detail informiert das Handbuch bzw. help gsem.
- 5.
Kleinere Abweichungen ergeben sich z. B. aus Unterschieden bei der voreingestellten Zahl von Integrationspunkten sowie unterschiedlichen Integrationsverfahren.
- 6.
Inhaltlich macht dies in der Regel keinen Unterschied; das logistische Modell wird aber in der Politikwissenschaft etwas häufiger angewendet. Für einen detaillierten Vergleich von multinomialen Logit- und Probit-Modellen siehe Dow und Endersby 2004; Kropko 2010.
- 7.
In komplizierteren Designs können alle drei Annahmen bzw. Voraussetzungen aufgegeben oder modifiziert werden.
- 8.
Nicht alle Respondenten haben an allen fünf Befragungswellen teilgenommen. Außerdem setzten die Befragungen bereits früher ein und wurden auch nach der Bundestagswahl fortgesetzt. Um das Modell übersichtlich zu halten, beschränkt sich die Analyse hier aber auf jene Befragten, die sich an den fünf Wellen während des Wahlkampfes beteiligt und die Fragen nach ihrem Interesse am Wahlkampf beantwortet haben. Zudem wurde die Information zum Befragungszeitpunkt so umkodiert, dass allen Respondenten einer Welle exakt das gleiche Datum zugewiesen wurde, obwohl die reale Feldzeit pro Welle bei mehreren Tagen lag.
- 9.
Dabei ist allerdings zu beachten, dass es sich hier nur um Schätzungen für den Wert der Steigung und dessen Varianz in der Population handelt, die ihrerseits mit einem nicht unerheblichen Stichprobenfehler behaftet sind, wie ein Blick auf die Konfidenzintervalle zeigt. Das Konfidenzintervall der Varianz ist asymmetrisch, weil Varianzen nicht negativ sein können.
- 10.
Dies gilt grundsätzlich für alle e-class (estimation) Kommandos. Welche Werte im einzelnen gespeichert werden können, hängt vom jeweiligen Kommando ab.
- 11.
Siehe dazu das den Band [G]raphics des Stata-Handbuches bzw. help graph twoway.
- 12.
Statt der vertrauten Variable \(t\) repräsentiert hier \(x\) die Zeit. Dies ist den Beschränkungen der Stata-Syntax geschuldet: graph twoway function lässt als Namen für abhängige und unabhängige Variable nur y und x zu.
- 13.
Das entsprechende Kap. 6 im Benutzerhandbuch umfasst mehr als fünfzig Druckseiten.
- 14.
Kompliziertere Mitgliedschaftsstrukturen sind grundsätzlich denkbar, können hier aber außer Betracht bleiben.
- 15.
Diese Form der Abhängigkeit ist unabhängig von der oben in Abschn. 2.6.4 diskutierten Schachtelung von Modellen.
- 16.
Die Notation zur Beschreibung von Mehr-Ebenen-Modellen ist uneinheitlich. Die hier verwendete Notation lehnt sich an Hox (2010) und das Programm MLWiN an.
- 17.
\( \mathbf \Omega _{e}\), \( \mathbf \Omega _{u0}\) und \( \mathbf \Omega _{u1}\) repräsentieren hier die Abhängigkeiten zwischen den zufälligen Einflüssen. Grundsätzlich könnte hier ein autoregressives Muster spezifiziert werden, das räumliche oder zeitliche Nähe abbildet. Hier im Beispiel wird jedoch festgelegt, dass es sich jeweils um Diagonalmatrizen handelt, deren Hauptdiagonale jeweils einen konstanten Wert enthält. Die zufälligen Einflüsse sind somit identisch und unabhängig voneinander verteilt.
- 18.
In Mplus ist es auch innerhalb des multivariaten SEM-Ansatzes möglich, dass die Befragten zu unterschiedlichen Zeiten interviewt werden.
- 19.
Die Ergebnisse unterscheiden sich minimal von denen des Befehls reg interesse tn, weil die Schätzungen nicht auf (OLS) sondern auf ML basieren.
- 20.
Kleinere Abweichungen ergeben sich u. a. daraus, dass in der SEM-Variante mehr Parameter geschätzt werden.
- 21.
Die übrigen Parameter des Strukturgleichungsmodells werden nicht geschätzt, sondern sind fixiert, um den erwarteten linearen Effekt der Zeit abzubilden.
- 22.
Die im folgenden skizzierte Vorgehensweise reproduziert die in Stata geschätzten Ergebnisse, widerspricht aber den Empfehlungen im Mplus-Benutzerhandbuch. Dessen Autoren bevorzugen es, Wachstumsmodelle innerhalb des in Mplus implementierten flexiblen generellen Ansatzes zur Behandlung latenter Variablen als Strukturgleichungsmodelle zu schätzen.
- 23.
Während Stata zahlreiche unterschiedliche Befehle für verschiedene Modelle kennt, wird die entsprechende Auswahl in Mplus durch die Kombination von Anweisungen im Analysis bzw. Model-Block getroffen.
- 24.
Die alternative Methode des paarweisen Löschens (pairwise deletion) schließt weniger Fälle aus, wird aber sehr kontrovers diskutiert. Siehe dazu auch Punkt 8, Seite 100.
- 25.
Für die Parameterschätzungen wird dabei einfach der Mittelwert über die separaten Analysen gebildet. Die Regel zur Ermittelung der korrigierten Standardfehler berücksichtigt neben den Standardfehlern aus den einzelnen Analysen zusätzlich die Zahl der Imputationen sowie die Variation der Parameterschätzungen über die imputierten Datensätze hinweg. Moderne Programme führen diese Berechnungen automatisch durch.
- 26.
Das fehleranfällige Zusammenspiel mit externen Programmen ist damit in vielen Fällen entbehrlich. Für einige spezielle Anwendungen haben diese aber nach wie vor ihre Berechtigung. Zu nennen ist hier insbesondere Amelia II (http://gking.harvard.edu/amelia), das bayesianische Methoden sowie die Imputation für spezielle Datenstrukturen (Zeitreihen- und Paneldaten) unterstützt.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2016 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Arzheimer, K. (2016). Fortgeschrittene Themen. In: Strukturgleichungsmodelle. Methoden der Politikwissenschaft. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-09609-0_4
Download citation
DOI: https://doi.org/10.1007/978-3-658-09609-0_4
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-09608-3
Online ISBN: 978-3-658-09609-0
eBook Packages: Social Science and Law (German Language)