{"id":419,"date":"2014-03-12T13:41:50","date_gmt":"2014-03-12T12:41:50","guid":{"rendered":"http:\/\/pwipdm.uzh.ch\/wordpress\/?p=419"},"modified":"2017-02-23T16:49:16","modified_gmt":"2017-02-23T15:49:16","slug":"auslanderanteil-raumtyp-keine-erklarung-fur-mei-annahme","status":"publish","type":"post","link":"https:\/\/pwiweb.uzh.ch\/wordpress\/blog\/2014\/03\/12\/auslanderanteil-raumtyp-keine-erklarung-fur-mei-annahme\/","title":{"rendered":"Ausl\u00e4nderanteil & Raumtyp: Keine Erkl\u00e4rung f\u00fcr MEI-Annahme"},"content":{"rendered":"

Im Nachfeld des Ja zur Masseneinwanderungsinitiative (MEI) wurde vielerorts dar\u00fcber ger\u00e4tselt, was die Ursachen der Zustimmung zur Initiative waren. An prominenter Stelle wurden aufgrund bivariater Analysen zwei Gr\u00fcnde gefunden: Im Datenblog des Tages-Anzeigers folgerte Marko Kovic vom IPMZ der Universit\u00e4t Z\u00fcrich, dass „ein Zusammenhang zwischen dem Ausl\u00e4nderanteil und dem Anteil an Ja-Stimmen [besteht]“<\/em> (Beitrag hier<\/a>), w\u00e4hrend Peter Moser (stv. Chef des Statistischen Amts des Kantons Z\u00fcrich, Leiter der Analyseabteilung) in der NZZ die gewachsene Skepsis gegen\u00fcber dem bilateralen Weg mit den Raumtypen der Gemeinden erkl\u00e4rte (Beitrag hier<\/a>). Beide Folgerungen lassen sich in einer multivariaten Analyse der Gemeinden des Kantons Z\u00fcrich nicht best\u00e4tigen.<\/strong><\/p>

Doch der Reihe nach. Was ist eine bi- und multivariate Analyse? Eine bivariate Analyse ist letztendlich wenig mehr als das in Verbindung setzen von zwei separaten Variablen. Also: Was f\u00fcr einen Zusammenhang gibt es, wenn ich den Ausl\u00e4nderanteil verschiedener Gemeinden mit der Zustimmung zur MEI derselben Gemeinden vergleiche? Kovic’s Analyse tat genau dies und fand eine negative Korrelation. Je mehr Ausl\u00e4nder, desto weniger Zustimmung. Das Problem dabei (worauf er in seinem Eintrag auch hinweist): Korrelation ist nicht gleich Kausalit\u00e4t. Es kann gut sein, dass wir eine Korrelation finden. Das muss aber nicht heissen, dass sich die Zustimmung wegen dem Ausl\u00e4nderanteil \u00e4nderte.<\/p>

Ein Beispiel: W\u00fcrden wir die Verkaufszahlen von Kleidern in XXL-Gr\u00f6ssen in St\u00e4dten mit der Anzahl Herzinfarkte in diesen St\u00e4dten vergleichen, w\u00fcrden wir wohl einen positiven Zusammenhang finden. Und zugleich ist klar, dass die Herzinfarkte nicht wegen dem Kleiderverkauf zunehmen, sondern weil die K\u00e4ufer der Kleider oft \u00fcbergewichtig sind. Wenn wir aus unserer bi- eine multivariate Analyse machen w\u00fcrden und die Anzahl \u00fcbergewichtiger Personen konstant halten w\u00fcrden, dann w\u00fcrde der Effekt der T-Shirts auf die Herzinfarkte wohl verschwinden.<\/p>

Um zu \u00fcberpr\u00fcfen, ob die Zustimmung zur MEI tats\u00e4chlich mit dem Ausl\u00e4nderanteil und der Zustimmungsschwund zur Bilateralen mit dem Raumtyp der Gemeinde zu tun hat, kann man \u00e4hnlich wie im obigen Beispiel vorgehen. Man sucht nach alternativen Faktoren, die einen Einfluss auf die abh\u00e4ngigen Variablen (Zustimmung MEI und Zustimmungsschwund Bilateral) haben k\u00f6nnten, und kontrolliert daf\u00fcr in einem statistischen Modell. Um das vorherige Beispiel wieder aufzunehmen: Wenn der Effekt des Kleiderverkaufs auf die Herzinfarkte immer noch besteht, wenn man f\u00fcr die Anzahl \u00dcbergewichtige kontrolliert, dann ist das ein st\u00e4rkeres Indiz f\u00fcr einen Zusammenhang, als ohne diese Kontrolle.<\/p>

Mittels Daten f\u00fcr die Gemeinden des Kantons Z\u00fcrich wurde der Schritt von einer bi- zu einer multivariaten Analyse der MEI-Zustimmung und dem Bilateralen-Zustimmungsschwund getan. Davon ausgehend, dass dieselben Faktoren auf die Zustimmung zur MEI wie auf den Zustimmungsschwund wirken, wurde das selbe Modell f\u00fcr beide abh\u00e4ngigen Faktoren gew\u00e4hlt.<\/p>

Verschiedene Faktoren, die im Vorfeld der MEI-Abstimmung als Gr\u00fcnde zum Ja stimmen genannt wurden, sind im Modell enthalten. Diese sind der Ausl\u00e4nderanteil der Gemeinde (\u00dcberfremdung wegen Masseneinwanderung), der Pendleranteil (\u00fcberf\u00fcllter \u00d6V wegen Masseneinwanderung), die Arbeitslosen- und Sozialhilfequote (\u00fcberlastete Sozialwerke wegen Masseneinwanderung) und die Wanderungsbilanz von Ausl\u00e4ndern, Schweizern und aus dem Ausland (sowohl Schweizer wie Ausl\u00e4nder). Ein politischer Faktor, der auf die abh\u00e4ngigen Variablen wirken d\u00fcrfte, ist die Zustimmung gegen\u00fcber der SVP in der Gemeinde. Schliesslich wurden sozio\u00f6konomische Faktoren der Gemeinde (Einkommen und Bildung) sowie r\u00e4umlich-demographische Faktoren (Raumtypen – Stadt, Agglomeration, Land – und Anzahl Einwohner) ber\u00fccksichtigt.<\/p>

Der Zusammenhang wird in einem linearen Modell berechnet. D.h. es wird davon ausgegangen, dass der Effekt eines Faktors auf die abh\u00e4ngige Variable konstant bleibt. Da angenommen wird, dass der Einfluss des Einkommens und des Ausl\u00e4nderanteils sich ab einem gewissen Mass abschw\u00e4cht, wurde f\u00fcr diese Variablen zus\u00e4tzlich ein quadratischer Term eingef\u00fcgt. Weiter wird im Modell angenommen, dass der Effekt des Ausl\u00e4nderanteils davon abh\u00e4ngt, ob die Gemeinde eine Stadt, Agglomeration oder auf dem Land ist. Kulturelle Faktoren, die schwer in einem statistischen Modell zu fassen sind,\u00a0 k\u00f6nnten daf\u00fcr sorgen, dass eine Zunahme des Ausl\u00e4nderanteil in der Stadt einen ganz anderen Einfluss auf die Zustimmung zur MEI hat als auf dem Land.<\/p>

Wie bew\u00e4hrt sich das Modell hinsichtlich der MEI? Best\u00e4tigt sich Kovic’s These auch nach Kontrolle f\u00fcr verschiedene Faktoren? In tabellarischer Form sind die Resultate der Regression hier<\/a> dargestellt, w\u00e4hrend unten der Einfluss der Faktoren auf den Ja-Anteil graphisch dargestellt wird. Signifikant (d.h. wir k\u00f6nnen davon ausgehen, dass der wahre Wert des Zusammenhangs mit einer hohen Wahrscheinlichkeit nicht null ist) wirken der Anteil SVP-Stimmen (Lesebeispiel: Pro 1% mehr W\u00e4hleranteile der SVP in den NR-Wahlen 2011 steigt der Anteil der Zustimmung 2014 um 0.71%), die sozio\u00f6konomischen Faktoren und die Wanderungsbilanz der Schweizer. Nur auf den ersten Blick signifikant ist der Ausl\u00e4nderanteil: In den St\u00e4dten ist der Effekt negativ, in der Agglomeration und auf dem Land verschwindet dieser Effekt. Das zeigt sich in den Faktoren „Agglomeration * Ausl\u00e4nderanteil“ und „Land * Ausl\u00e4nderanteil“ in der Regression mit allen Raumtypen (diese Effekte sind positiv, w\u00e4hrend der Ausl\u00e4nderanteil in der Stadt negativ wirkt) oder aber, wenn wir die Regression nach Raumtyp unterschieden durchf\u00fchren (Grafiken „Agglomeration“ und „Land“). Hierbei ist der Ausl\u00e4nderanteil jeweils nicht signifikant. Kurz: Kontrollieren wir mit den genannten Faktoren f\u00fcr die Gemeinden des Kantons Z\u00fcrich, dann hat der Ausl\u00e4nderanteil in der Agglomeration und auf dem Land keinen Einfluss auf die Zustimmung zur MEI in diesem Modell.<\/p>

\"Alle<\/p>\n

<\/p>