World Values Survey Case Study

Analyse von politischem Vertrauen

Analyse des Zusammenhangs zwischen kulturellen und gesellschaftlichen Werten und dem Vertrauen in politische Institutionen mithilfe von World Values Survey Wave 7 und Zeitreihendaten. Das Projekt kombiniert explorative Analyse, ordinale Regression, Länder­vergleich, Zeittrend-Analyse und Clustering.

Auf GitHub ansehen WVS-Datensatz Zurück zu Projekten

-

-

Institution

TU Dortmund

Methode

Ordinale Regression

Daten

WVS Wave 7 + Zeitreihen

Projektüberblick

Diese Case Study untersucht politisches Vertrauen anhand des World Values Survey, eines internationalen Forschungsprogramms zu sozialen, politischen, wirtschaftlichen, religiösen und kulturellen Werten in vielen Ländern. Der Schwerpunkt liegt darauf, wie kulturelle und gesellschaftliche Werte mit dem Vertrauen in politische Institutionen zusammenhängen.

Die Analyse wurde für ein Case-Studies-Modul an der TU Dortmund entwickelt und kombiniert Survey-Datenaufbereitung, Länder­vergleich, ordinale Modellierung, Zeitreihenanalyse und eine zusätzliche Clustering-Komponente.

Forschungsfrage

Die übergeordnete Forschungsfrage des Projekts lautete:

Wie beeinflussen kulturelle und gesellschaftliche Werte politisches und wirtschaftliches Verhalten?

Spezifische Forschungsfragen

RQ1: Prädiktoren politischen Vertrauens Welche kulturellen Werte stehen hauptsächlich mit Vertrauen in politische Institutionen in Verbindung?
RQ2: Länder­vergleich Wie unterscheidet sich das Vertrauen in politische Institutionen zwischen ausgewählten Ländern?
RQ3: Zeitliche Entwicklung Wie hat sich das Vertrauen in politische Institutionen von 2017 bis 2022 und über den gesamten verfügbaren Zeitraum entwickelt?

Datensatz

Das Projekt nutzte Daten des World Values Survey Wave 7, der die aktuellste abgeschlossene WVS-Welle von 2017 bis 2022 abdeckt, sowie den WVS-Zeitreihendatensatz für den längeren Zeitraum von 1981 bis 2022. Die Daten enthalten Variablen zu politischem Vertrauen, sozialen Werten, Korruptionswahrnehmung, politischer Partizipation, Religion, Demografie und Länderkennungen.

Die Analyse konzentrierte sich auf institutionelle Vertrauensvariablen sowie ausgewählte kulturelle, politische und demografische Prädiktoren. Fehlwert-Codes wie „weiß nicht“, „keine Antwort“ und „nicht gefragt“ wurden im Preprocessing vor der Modellierung behandelt.

Zentrale Variablen

Kategorie Beispiele Zweck
Abhängige Variablen Vertrauen in Regierung, Parlament, Parteien, Gerichte, Polizei, Wahlen Messung des Vertrauens in politische Institutionen
Kulturelle und politische Werte Starke Führungsperson, Expert:innen-Entscheidungen, politisches Interesse, demokratische Werte Erklärung von Unterschieden im institutionellen Vertrauen
Soziale und demografische Kontrollvariablen Alter, Geschlecht, Bildung, Einkommen, Land Kontrolle individueller Unterschiede zwischen Befragten
Zeitreihenvariablen Vergleichbare Vertrauensvariablen über verschiedene Wellen Analyse zeitlicher Veränderungen

Methodik

Der zentrale Modellierungsansatz war ordinale Regression mit einer kumulativen Link-Funktion, da die Vertrauensvariablen ordinale Antwortvariablen mit geordneten Kategorien sind. Dadurch wird die geordnete Struktur der Survey-Antworten berücksichtigt, statt sie wie rein kontinuierliche Variablen zu behandeln.

Analyse-Pipeline

  1. Datenaufbereitung: Auswahl relevanter WVS-Variablen, Filterung von Ländern und Wellen, Umwandlung von Fehlwert-Codes in fehlende Werte und Vorbereitung ordinaler Variablen.
  2. Explorative Analyse: Untersuchung von Missingness, Altersverteilung und Verteilungen institutioneller Vertrauensvariablen.
  3. Ordinale Regression: Modellierung von Vertrauens-Outcomes mit politischen, kulturellen und demografischen Prädiktoren.
  4. Länder­vergleich: Vergleich institutioneller Vertrauensmuster zwischen ausgewählten Ländern.
  5. Zeitreihenanalyse: Untersuchung der Veränderung von Vertrauen in politische Institutionen über verschiedene WVS-Wellen.
  6. Zusätzliches Clustering: Exploration von Gruppierungsmustern unter Befragten oder Ländern anhand ausgewählter Variablen.

Zentrale Ergebnisse

Das Projekt zeigte, dass politisches Vertrauen nicht durch einen einzelnen Faktor erklärt wird. Vielmehr hängt es mit einer Kombination aus institutionellem Vertrauen, Präferenzen zum politischen System, demografischen Merkmalen und länderspezifischen Unterschieden zusammen.

  • Das Vertrauensniveau unterschied sich deutlich zwischen Ländern und zwischen verschiedenen Institutionen.
  • Ordinale Regression wurde genutzt, um geordnete Vertrauens-Outcomes zu modellieren, ohne sie zu einer binären Variable zu reduzieren.
  • Die Zeitreihenanalyse ermöglichte den Vergleich aktueller Wave-7-Ergebnisse mit längeren historischen Entwicklungen.
  • Clustering wurde als zusätzliche Analyse genutzt, um breitere Ähnlichkeitsmuster zu untersuchen, wobei methodische Grenzen sorgfältig berücksichtigt wurden.

Lessons Learned und Verbesserungen

Auf Basis von Feedback war eine wichtige Verbesserung, ordinale Survey-Variablen methodisch vorsichtiger darzustellen. Beispielsweise sind Balkendiagramme für ordinale Variablen oft geeigneter als Boxplots, und ordinale Kategorien sollten nicht ohne klare methodische Begründung zusammengelegt oder gemittelt werden.

Eine weitere wichtige Erkenntnis war, die Modellspezifikation klar zu beschreiben: abhängige Variable, Prädiktoren, Kodierung, Länder­auswahl und Interpretation. Dadurch wird die Analyse verständlicher und methodisch robuster.

Ergebnis

Dieses Projekt stärkte meine Fähigkeit, mit großskaligen Survey-Daten zu arbeiten, Codebooks zu nutzen, Daten über verschiedene Wellen hinweg aufzubereiten und ordinale Regression auf reale sozialwissenschaftliche Forschungsfragen anzuwenden. Außerdem vertiefte es mein Verständnis für Länder­vergleiche, Zeitreihenanalysen von Survey-Daten und die Bedeutung passender Visualisierungsmethoden für das Messniveau der Daten.

World Values Survey Political Trust Ordinal Regression Cumulative Link Function Time Series Cross-Country Analysis Survey Data TU Dortmund