Search results

Im Beitrag wird der Einfluss des Anteils der Nicht-EU 15-Ausländer und der Arbeitslosenquote auf Vorurteile untersucht. International-vergleichende Untersuchungen zeigen ein größeres Ausmaß der Vorurteile in Staaten mit höherem Anteil "kulturell fremder" Bevölkerung. Bisherige Analysen für die Bundesrepublik widersprechen diesen Befunden, nehmen allerdings keine Differenzierung nach der Herkunft vor. Im vorliegenden Beitrag wird die Herkunft der Ausländer ebenso berücksichtigt wie die Arbeitslosenquote als Indikator der ökonomischen Lage in einem Gebiet. Die Analyse beruht auf Daten des ALLBUS 2006, der auf Kreisebene um amtliche Daten ergänzt wurde. Mehrebenenanalysen zeigen, dass 1) das Ausmaß der Vorurteile mit steigendem Anteil kulturell fremder Ausländer zunächst sinkt und ab einem hohen Niveau wieder ansteigt, und dass 2) ein Einfluss der Arbeitslosenquote nicht feststellbar ist. Der Einfluss des Ausländeranteils auf Vorurteile ist 3) über interethnische Kontakte vermittelt, die Vorurteile reduzieren. Höhere Vorurteile in ostdeutschen Kreisen resultieren schließlich 4) aus geringeren Kontakten, nach den vorliegenden Ergebnissen aber nicht aus einer höheren Arbeitslosenquote. Die Ergebnisse sprechen gegen die in den international-vergleichenden Analysen bevorzugte These der Gruppenbedrohung und für die Kontakthypothese.

'In wissenschaftlichen Analysen werden regelmäßig vergleichende Aussagen über das Ausmaß von Vorurteilen in Staaten getroffen, ohne angemessen zu prüfen, ob die verwendeten Instrumente in den untersuchten Staaten auch dasselbe messen. Dies ist erstaunlich, ist doch das Ausmaß von Vorurteilen in einer Gesellschaft von unmittelbar politischer und wissenschaftlicher Brisanz. Mit Daten des Eurobarometers 53 wird in diesem Beitrag daher die Prüfung der Messinvarianz dichotomer Vorurteilsindikatoren demonstriert. Eine bisher in der Literatur nicht ausreichend beachtete Ursache für die fehlende internationale Vergleichbarkeit von Vorurteilsskalen ist 'item-nonresponse'. Die Verzerrungen durch 'item-nonresponse' können durch den Einsatz theoretisch fundierter Methoden behoben oder zumindest eingrenzt werden, wie in diesem Beitrag gezeigt wird.' (Autorenreferat)

"Die multiple Imputation ist ein Verfahren zum Umgang mit fehlenden Werten bei der Datenanalyse, also dann, wenn die fehlenden Werte bereits entstanden sind. Unter multipler Imputation wird die Ergänzung (Imputation) fehlender Werte durch mehrere (multiple) 'plausible' Werte unter einem für die Daten geeigneten Modell verstanden. Multiple Imputationen können als eine Abfolge von drei Schritten dargestellt werden. Im Imputationsschritt werden für jeden fehlenden Wert D>l Werte generiert und damit D>l vervollständigte Datensätze erstellt, die keine fehlenden Werte mehr enthalten. Im Analyseschritt werden die D vervollständigten Datensätze getrennt mit Verfahren zur Analyse kompletter Daten ausgewertet. Im Integrationsschritt werden die Ergebnisse der D Einzelanalysen zu einer gemeinsamen Schätzung (Punktschätzer und Standardfehler) kombiniert. Der theoretisch und rechentechnisch anspruchsvollste Schritt ist die Erzeugung korrekter Imputationen. Wichtig ist, dass es sich bei den ergänzten Werten nicht um ad hoc, beliebig oder willkürliche eingesetzte Werte handelt, sondern um Werte, die unter einem spezifizierten Modell für die Daten auf Basis der beobachteten Werte wahrscheinlich sind. Multiple Imputationen sind dem listenweisen Ausschluss von fehlenden Werten (Listwise Deletion) überlegen, weil letzterer eine restriktivere Annahme über die fehlenden Werte trifft." (Autorenreferat, IAB-Doku)

"Die multiple Imputation ist ein Verfahren zum Umgang mit fehlenden Werten bei der Datenanalyse, also dann, wenn die fehlenden Werte bereits entstanden sind. Unter multipler Imputation wird die Ergänzung (Imputation) fehlender Werte durch mehrere (multiple) 'plausible' Werte unter einem für die Daten geeigneten Modell verstanden. Multiple Imputationen können als eine Abfolge von drei Schritten dargestellt werden: Im Imputationsschritt werden für jeden fehlenden Wert D>1 Werte generiert und damit D>1 vervollständigte Datensätze erstellt, die keine fehlenden Werte mehr enthalten. Im Analyseschritt werden die D vervollständigten Datensätze getrennt mit Verfahren zur Analyse kompletter Daten ausgewertet. Im Integrationsschritt werden die Ergebnisse der D Einzelanalysen zu einer gemeinsamen Schätzung (Punktschätzer und Standardfehler) kombiniert. Der theoretisch und rechentechnisch anspruchsvollste Schritt ist die Erzeugung korrekter Imputationen. Wichtig ist, dass es sich bei den ergänzten Werten nicht um ad hoc, beliebig oder willkürliche eingesetzte Werte handelt, sondern um Werte, die unter einem spezifizierten Modell für die Daten auf Basis der beobachteten Werte wahrscheinlich sind. Multiple Imputationen sind dem listenweisen Ausschluss von fehlenden Werten (Listwise Deletion) überlegen, weil letzterer eine restriktivere Annahme über die fehlenden Werte trifft." (Autorenreferat)

"This article reviews studies on wage inequality in the US and Germany from 1980 to 2000. Wage dispersion is supposed to increase in Western industrial countries because of a shift in the demand for more skilled workers. In fact, overall wage inequality increased in the US substantially up to 1995, with real wage loss for male workers at the bottom of the wage distribution. To understand the recent growth of wage inequality it is necessary to take into account both shifts in the demand for and in the supply of skilled workers as well as changes in wage setting institutions. During the time period the West German wage structure remained remarkably stable, while after unification wage dispersion increased in East Germany. There is no clear evidence that the high and increasing unemployment in West Germany is reciprocal to a stable wage dispersion. The stability at the top (where wage rigidities should be insignificant) is hardly to reconcile with a general shift in demand in industrialized countries. Perhaps social norms about acceptable wages for 'those at the top' play a significant role here." (Author's abstract, IAB-Doku) ((en))

Aus der rheinland-pfälzischen Landtagswahl ist die SPD unter Führung von Kurt Beck als klare Siegerin hervorgegangen. Die CDU und ihr Spitzenkandidat Christoph Böhr mußten dagegen mit dem schlechtesten Nachkriegsergebnis eine schwere Niederlage hinnehmen. Verluste gab es auch bei FDP und Grünen; letzteren gelang der Einzug in den Mainzer Landtag nur knapp. Die Wahlbeteiligung erreichte nicht zuletzt aufgrund der sehr niedrigen Partizipation junger Wahlberechtigter einen historischen Tiefstand. Nach den Wahlen wurde erneut eine sozialliberale Regierung gebildet, in der sich die Machtverteilung in Folge des Wahlresultats wieder zugunsten der SPD verlagert hat. Ohne eine personelle und programmatische Neuorientierung wird es der CDU auf Landesebene schwerfallen, die momentan unangefochtene Stellung von Kurt Beck und der SPD aufzubrechen. (Zeitschrift für Parlamentsfragen / FUB)