Aufsatz - · PDF fileAufsatz: Faktoren von Staatsverschuldung Wissenschaftliche Leitung: Dr....

Aufsatz:

Faktoren von Staatsverschuldung

Wissenschaftliche Leitung:

Dr. Armin Mühlböck

Autor: Michael Fürthaller

September 2014

Fürthaller 22.07.2014 1

Inhaltsverzeichnis:

1. Erkenntnisinteresse und Forschungsfrage...............................3

2. Theorie.......................................................................................5

3. Forschungsdesign..................................................................... 7

4. Empirie.......................................................................................9

4.1..Univariate Datenanalyse.....................................................9

a) Deskription und graphische Darstellung der abhängigen

Variable Y...........................................................................9

b) Deskription und graphische Darstellung der

unabhängigen Variablen Xi..............................................10

4.2. Multivariate Datenanalyse.................................................15

a) Multiple lineare Regressionsanalyse...............................21

b) Regressionstabelle und Ergebnis....................................23

5. Rückkoppelung Empirie-Theorie Interpretation.......................25

6. Quellenverzeichnisse...............................................................26

7. Anhang.................................................................................... 29


1.Erkenntnisinteresse und Forschungsfrage:

Was versteht man unter Staatsverschuldung? Der Begriff normiert als Bestandsgröße

jenen Betrag, welchen die öffentlichen Haushalte (Staaten) an Verbindlichkeiten gegenüber

dritten (z.B. Private Investoren) aufweißt. Die Schuldenquote ist die nominelle

Staatsverschuldung gemessen am Bruttoinlandsprodukt (BIP) der betreffenden

Volkswirtschaft. Unter Budget- oder Haushaltsdefizit versteht man jenen Betrag, um

welchen die Staatsausgaben die Staatseinnahmen übersteigen. Als relative Größe wird

jener durch die Einnahmen nicht gedeckter Ausgabenteil in % angegeben.

Welche Gefahren birgt eine hohe Staatsverschuldung? Eine der größten Gefahren ist ein

fiskalischer Teufelskreis. Durch eine hohe Verschuldung, die auch mit großen

Zinsbelastungen einhergeht, verringert sich der finanzielle Spielraum für den Staat

drastisch. Unter Umständen müssen Steuern erhöht werden, und damit die Bürger_innen

und Unternehmen stärker belastet werden, was Investitionen und Konsum bremsen kann,

sowie Arbeitsplätze gefährdet. Durch den Ausfall dieser Einnahmen erhöht sich wiederum

das Haushaltsdefizit, welches die Staatsverschuldung weiter ansteigen lässt

(Blanchard/Illing 2009, S.820-889).

Aus welchen Gründen ist die Staatsverschuldung auch ein politikwissenschaftliches

Thema? Staatsschulden werden sowohl als Problemlöser als auch als Problemgenerator

für das fiskalische Staatshandeln gesehen. Im Gegensatz zur Privatverschildung ist von

der Staatsverschuldung ein ganzes Volk und eine Volkswirtschaft betroffen und

Entscheidungen über öffentliche Haushalte, können nicht von einer Person alleine, sondern

werden durch den Gesetzgeber per Haushaltsgesetzgebung getroffen. Der Gesetzgeber

wird in der EU stets demokratisch legitmiert, er besteht also aus Politikern. Es stellt sich

daher die Frage, ob die Politik im Gegensatz zu Privaten vorrangig am Gemeinwohl

orientiert ist und nicht am persönlichen Nutzen. Dies geht auch damit einher, dass

Staatsverschuldung oft als Ergebnis unsolider Haushaltsführung gesehen wird, was jedoch

nicht in allen Fällen ein richtiges Urteil ist. Viele Theorien gehen davon aus, dass die Politik

hauptsächlich am eigenen Macht- und Positionserhalt, sowie der Befriedigung der eigenen

Wählerklientel interessiert ist und nicht am Gemeinwohl. Wie auch ihre Wähler haben

Politiker einen begrenzten Zeithoriziont, der in der Regel mit der Wahlperiode


deckungsgleich ist.

Die Politik kämpft jedoch nicht nur mit der Problematik, welche die Staatsverschuldung an

sich mitbringt sondern auch mit den Zwängen des politischen Systems und des

Rechtssystems. Sofern nicht eine Partei alleine in der Lage ist, die Haushaltsgesetze zu

beschließen, muss sie sich auch mit anderen Parteien und somit anderen Meinungen

arrangieren, was ein starkes Verhältniswahlrecht und eine große politische Zersplitterung

des Gesetzgebers zu einem Indikator für einen hohen Staatsschuldenstand macht. Ein

weiterer Schuldenindikator ist eine stark föderale Staatsstruktur und somit auch ein

vertikales Konfliktpotential zwischen staatlichen und substaatlichen Ebenen wie z.B. In

Deutschland und Österreich Bund-Bundesländer und in der Schweiz Bund-Kantone.

Welche Effekte haben nun Staatsverschuldungen auf Volkswirtschaften? Grundsätzlich ist

entscheidend aus welchen Motiven von Staaten Kredite aufgenommen werden. Das

einzige untadelige Motive stellt dabei die Konjunkturstabilisation in einer Rezessionsphase

dar, um die Wirtschaft mit öffentlichen Aufträgen wieder zu beleben. Diese Maßnahme

erhöht jedoch das Defizit welches dann in einer Expansionsphase des BIP wieder reduziert

werden sollte, sofern der Haushaltsplan auch nachhaltig aufgebaut ist. Problematisch ist

hierbei, dass höhere verschuldete Volkswirtschaften statistisch gesehen ein geringeres

BIP-Wachstum aufweisen, als besser konsolidierte Staaten. (Scharf 2009, S.398-444).

Welche Ursachen konnten für eine Verschuldung von Staaten erforscht werden? Zum

einen existieren mehrere gravierende Ursachen, wie Kriege, Naturkatastrophen oder

Seuchen, Epidemien, sowie auf politischer Ebene Systemumbrüche. Heute dominieren

jedoch in Europa ökonomische und sozio-ökonomische Ursachen, die meist in kleinem

Ausmaß von Statten gehen, eine Ausnahme bildet hier sicher die globale Finanz- und

Wirtschaftskrise ab 2008. Ökonomische und sozio-ökonomische Faktoren erwiesen sich

bis heute als wesentlich signifikanter als politisch-institutionelle Faktoren, jedoch soll dies

anhand dieser Arbeit noch einmal quantitativ überprüft werden. Es lassen sich dabei

ökonomische Ursachen wie Wirtschaftswachstum oder Haushaltsdeifizit als Ursache

erforschen. Im Zentrum dieser Forschungen stehen allerdings politische Determinanten,

wie die politische Fragmentierung der Parteien, die Zusammensetzung der Regierung, bzw.

Die Art des Wahlrechts. Ebenso sind Sozial- und Personalausgaben von Bedeutung. Hohe

politische Stabilität hingegen tritt eher als Schuldenbremse in Erscheinung


(Wagschal/Wenzelbuger 2008, S.141-145).

Graphik 1.

Hat die parteipolitische Zusammensetzung einen Einfluss auf die

Staatsverschuldung, und wenn ja, in welcher Form?

2.Theorie:

Welcher Einfluss der parteipolitischen Zusammensetzung einer Regierung auf die

Staatsverschuldung lässt sich theoretisch begründen? Die Beurteilung soll auf Basis eines

Links-Konservativ-Rechts Schema von Statten gehen. Unterschiedliche Parteifärbungen

und Ideologien bewirken verschiedene Ausmaße von Staatsverschuldungen. Jede Partei

möchte besonders ihre Wählerklientel bedienen und diese vor allem vor den Wahlen

besonders zufrieden stellen, da als erstes Ziel von Regierungen ihre Wiederwahl gilt.

Problematisch wirkt sich aus, dass einmal eingegangene Defizite schwer wieder

abzubauen sind. Linksgerichtete Regierungen sind eher bereit in wirtschaftlichen

Krisenzeiten Haushaltsdefizite einzugehen als konservative oder rechtsgerichtete


Regierungen. Während linke Regierungen höhere Staatsausgaben, wie für Sozialtransfers

mit höheren Steuern kombinieren, zeigt sich bei konservativen oder rechten Regierungen

in ihrer Haushaltspolitik ein Zielkonflikt. Sie sind einerseits um einen Schuldenabbau und

ein geringes Defizit bemüht, andererseits um Steuersenkungen, da sie vor allem eine

Klientel bedienen die sehr viele Steuern zahlt. Dies führt jedoch zu jenem Widerspruch,

dass ein Abbau von Schulden in der Regel mit höheren Einnahmen einhergehen muss,

wass durch die Steuersenkung unmöglich gemacht wird. Empirisch zu bestätigen scheint

sich daher zumindest in einem engeren Rahmen, dass Linksregierungen eher weniger

Schulden machen, entgegen der allgemeinen Auffassung (Wagschal 1996, S.1-11).

Eine weitere Determinante für die Staatsverschuldung, welche jedoch diese bremst, ist das

Wirtschaftswachstum, also das Wachstum des BIP. Da durch durch dieses Wachstum auch

die Einnahmen des Staates durch Steuern und Abgaben steigen, bremst dieser Faktor das

Haushaltsdefizit und somit die Neuverschuldung. Eine Überalterung der Gesellschaft eines

Staates wirkt als Schuldenmotor, da für diese Beövlkerungsgruppe hohe Sozial- und

Gesundheitsausgaben von Nöten sind, sie außerdem ein immer höheres elektorales

Gewicht bekommen und daher von den Parteien stärker bedient werden. Eine

Komponente, welche den Haushalt betrifft und im ungünstigen Fall die Verschuldung bzw.

Das Haushaltsdefizit nach oben steigen lassen kann, sind Zinsen für Staatsanleihen.

Diesen Anleihen werden von Staaten ausgegeben um Geld von Investoren zu erhalten. Je

nachdem wie hoch das Risiko eines Zahlungsausfall ist, sind die Zinsen, welcher ein Staat

für dieses Fremdkapital zu bezahlen hat hoch oder niedrig. Länder mit hoher Bonität haben

daher niedrige Zinsen zu bezahlen wie Deutschland, Österreich, währenddessen die

Zinsen für Griechenland massiv angestiegen sind. Innerhalb der EU können sich

Unterschiede zwischen den Staaten der Eurozone und jenen Mitgliedsstaaten mit

nationalen Währung ergeben. Die Eurozone besitzt spezielle Konvergenzkriterien, betreffen

des Haushaltsdefizites und der Maximalverschuldung. So darf das Budgetdefizit maximal

3% des BIP betragen und die Verschuldung nicht mehr als 60% des BIP, wobei es in der

Vergangenheit zahlreiche Verstöße gab und heute bereits von mehreren Staaten

überschritten wird (Wagschal/Wenzelburger/Petersen 2009, S.204-207)(staatsanleihen.de

2014)(Europa.eu 2014)(Wagschal 1996, S.1-11)(Wagschal/Wenzelbuger 2008, S.141-145).


3.Forschungsdesign:

Das Forschungsdesign, welches dieser Arbeit zugrunde liegt, wurde als quantitativ-

statistisches Verfahren ausgestaltet. Konkret im Sinne eines Vergleichs mehrerer Merkmale

der Mitgliedsstaaten der Europäischen Union, auf Basis von Sekundär-Aggregatdaten. Die

Grundgesamtheit dieser Querschnittsanalyse, welche sich auf einen einzelnen Zeitpunkt

bezieht, sind die Staaten der EU.

Die einzelnen Datensätze werden aus unterschiedlichen, im Nachfolgenden beschriebenen

Quellen erfasst und mittels SPSS statistisch verarbeitet, auf Basis einer multivariaten

Datenanalyse im Rahmen einer linearen Regression. Auf dieser Basis wird ein politisch-

institutioneller Faktor herausgefiltert und mittels Kontrolle von Drittvariablen die

Arbeitshypothese getestet. Ebenso müssen Alternativerklärungen aufgeworfen werden.

Erfassung und Operationalisierung der einzelnen Variablen:

Die abhängige Variable Y wird den Platzhalter für die Staatsverschuldung darstellen. Die

Staatsverschuldung kann beispielsweise in absoluten Geldbeträgen angegeben werden,

sie ist dann jedoch nicht zwischen Staaten vergleichbar, da die Volkswirtschaften

unterschiedlich groß sind. Um sie vergleichbar zu machen wird sie durch das

Bruttoinlandsprodukt geteilt und in % des BIP angegeben. Die Staatsverschuldungsdaten

der EU-Länder beziehen sich auf das Jahr 2013 und entstammen der Europäischen

Statistikbehörde Eurostat (Eurostat 2014).

Aufgrund des multivariaten Forschungsdesigns müssen mehrere unabhängige Variablen X

operationalisiert werden: Zum ersten die unabhängige Variable XA der Arbeitshypothese.

Diese Determinante soll aus dem Bereich der politisch-institutionellen Faktoren entnommen

werden. Dabei wird die politische Ausrichtung, bzw. Ideologische Zusammensetzung der

Regierungen von EU-Mitgliedstaaten erfasst und mittels des sog. "Schmidt Index"

gemessen. Der Schmidt Index umfasst 5 Kategorien, welche aus den

Mehrheitsverhältnissen der Regierungen errechnet werden:

Besetzt eine politische Partei alle Mitglieder des Regierungskabinetts (100%), so spricht

man von einer Hegemonie. Von einer Dominanz wird gesprochen, wenn eine Partei


zwischen 2/3 (66,6%) und 100% der Kabinettssitze innehat. Ein Patt besteht bei einer

Sitzverteilung zwischen 1/3 (33,3%) und 2/3. Die Indexnummer 1 steht dabei für eine

Hegemonie einer Rechts- oder Zentrumspartei, Nummer 2 für eine Dominanz dieser

Parteien, Nummer 3 für eine Pattsituation, Nummer 4 für eine Dominanz von Linksparteien

und Nummer 5 von einer Hegemonie von Linksparteien. Die entsprechenden Daten

entstammen der Universiät Bern, für die Slowakei, Ungarn und Slowenien aus eigenen

Berechnungen (Universität Bern, Comparative Politics 2011)(Der Standard, 20.3.2013)(The

Slovak Spectator, 5.4.2012)(AG Friedensforschung).

Im Weiteren kommen drei Alternativerklärungen (Stör- bzw. Kontrollvariablen) XiK zum

Einsatz. Zum ersten soll ein Kontrollfaktor angewendet werden, welcher die Mitgliedsstaaten

der EU in Eurozone und Nicht-Eurozone aufteilt. Diese Variable X1K besteht auf nominalem

Skalenniveau (Europa.eu 2014).

Als ökonomische Kontrollvariable Variable X2K wird das Wirtschaftswachstum der EU-

Staaten im Jahr 2013 angegeben. Diese Größe wird ebenfalls als relativer Anteil in %

angegeben. Dies bedeutet um wieviel % die Wertschöpfung der jeweiligen Volkswirtschaft

diejenige des Vorjahres übersteigt. Die Daten entstammen der Statistikbehörde der EU

(Eurostat 2014).

Ebenso beschleunigend für eine Erhöhung des Schuldenstandes wirkt sich der Anteil der

Personen aus, welche ein Lebensalter über 65 Jahren aufweisen. Dies wird mittels der

Kontrollvariable Variable X3K operationalisiert. Diese Daten wurden von der Weltbank

entnommen und werden in % der Gesamtbevölkerung angegeben (Weltbank 2014).

Eine weitere Variable, welche im ungünstigen Fall den Schuldenstand nach oben treibt, sind

Zinsen auf Staatsanleihen. Diese werden in % des Wertes der Anleihe angegeben und mit

der Variable X4K operationalisiert. Die Daten entstammen Eurostat.

Die folgende quantitative Analyse und Interpretation soll auf Basis folgender

Zusammenhänge (Hypothesen) aufgebaut sein:

Arbeitshypothese: Je weiter linksgerichtet die Politik einer Regierung ist, desto geringer ist

die Staatsverschuldung.

Nullhypothese: Je weiter linksgerichtet die Politik einer Regierung ist, desto höher ist die

Staatsverschuldung.


Störgrößen: Land innerhalb der Eurozone --> niedrigere Staatsverschuldung, als außerhalb

Höheres Wirtschaftswachstum führt zu niedrigerer Staatsverschuldung

Höherer Anteil an über 65 Jährigen führt zu höherer Staatsverschuldung

4.Empirie:

Im empirischen Teil dieser Abhandlung werden nun mittels SPSS 22 statistische

Zusammenhänge berechnet. Insgesamt wurden 18 Länder der Europäischen Union in die

Analyse miteinbezogen:

➔ Belgien

➔ Dänemark

➔ Deutschland

➔ Irland

➔ Griechenland

➔ Spanien

➔ Frankreich

➔ Italien

➔ Luxemburg

➔ Ungarn

➔ Niederlande

➔ Österreich

➔ Portugal

➔ Slowenien

➔ Slowakei

➔ Finnland

➔ Schweden

➔ Vereinigtes Königreich


4.1.Univariate Datenanalyse:

a) Deskription und graphische Darstellung der abhängigen Variable Y:

Zu Beginn wird eine univariate Datenanalyse der am Modell beteiligten Variablen

durchgeführt. Die abhängige Variable Y fungiert als Platzhalter für die

Staatsverschuldungen der EU-Staaten, wobei die Daten für das Jahr 2013 aufgenommen

wurden. Die gesamte Analyse findet sich im Abschnitt A1 des Anhangs, hier sollen lediglich

kurz die wichtigsten Eckdaten erklärt werden. Der nachfolgende Boxplot zeigt die

wichtigsten Eckdaten der Wertverteilung:

Hier zeigt sich bereits, dass wie aus den Medien bekannt, Griechenland eine gegenüber

den anderen EU-Staaten massiv überhöhte Staatsverschuldung aufweißt. Der Medianwert

zeigt eine durchschnittliche Verschuldung der EU-Staaten von 78,8% des BIP im Jahr

2013.


b) Deskription und graphische Darstellung der unabhängigen Variablen Xi:

Die erste unabhängige Variable, welche als Variable X der Arbeitshypothese dient, ist die

unter Punkt 2 und 3 beschriebene Ideologische Ausrichtung der Parteien, also politische

Ideologie im Regierungskabinett dominant ist. Hier wurden die im Jahr 2011 amtierenden

Regierungen zur Berechnung herangezogen.

Es zeigt sich bereits, dass die europäischen Regierungen zu einer

konservativ/bürgerlichen/rechts – Dominanz neigen, wobei der Medianwert bei 2 liegt.

Ebenso wurden alle Kontrollvariablen einer Datenanalyse unterzogen um die Gestalt ihrer

Ausprägungen zu überprüfen:


Da das Wachstum der Wertschöpfung (BIP) einer Volkswirtschaft das Haushaltsdeifizit und

somit die Neuverschuldung bremst, kann es als negative Kontrollvariable gesehen werden,

es verursacht bei einer Erhöhung also einen Schuldentrend nach unten. Im Boxplot ist

jedoch bereits sichtbar, dass der Großteil der EU-Staaten im Jahr 2013 kein signifikantes

Wachstum erreichen konnte, mehrere Staaten wiesen sogar eine Verringerung des BIP auf,

die stärkste Rezession mit -3,9% zeigte sich nach wie vor im bereits am höchsten in der EU

verschuldeten Griechenland, das höchste Wachstum wies Luxemburg mit +2,1% auf,

welches auch den niedrigsten Schuldenstand der EU vorweisen kann.

Ein Schuldenmotor ist eine überaltete Bevölkerung, deswegen wurde der Anteil der über 65

jährigen in den EU-Ländern als Kontrollvariable in die Datenanalyse miteinbezogen:


Wie sich in der Box-Plot Verteilung zeigt, existieren in der Verteilung zwei Ausreißer mit der

Slowakei und Irland, wobei der Median der Verteilung bei 18% liegt und Irland mit 12% den

niedrigsten Anteil an über 65 jährigen aufweist.

Staaten sind oft gezwungen Geld am Kapitalmarkt aufzunehmen, im Rahmen von

Staatsanleihen. Die Verzinsung dieser Anleihen stellt eine Belastung für die öffentlichen

Haushalte dar, besonders wenn die Zinsen extensive Ausmaße annehmen:


Wie sich auch hier zeigt, schert das am stärksten von allen EU-Staaten und der Krise

leidende Griechenland aus der Verteilung der Ausprägungen mit 5,93% nach oben aus. Im

Median müssen die EU-Staaten 2,1% an Zinsen ihren Gläubigern bezahlen.

Zuletzt sollen die Staaten in EUROZONE und nicht EUROZONE unterteilt werden:


In unsere Analyse fließen also gesamt 18 Staaten ein, davon 4 Staaten mit nationalen

Währungen und 14 Staaten, welche der Eurozone angehören.

4.2.Multivariate Datenanalyse:

In der uniariaten Datenanalyse können lediglich einzelne Variablen und deren

Ausprägungen erklärt werden. Um eine Hypothese mittels quantitativer Methoden testen zu

können ist daher mindestens ein Verfahren erforderlich, welches die Ausprägungen von

zwie oder mehreren Variablen berücksichtigen kann. In diesem Fall sollen die

Zusammenhänge zwischen den einzelnen unabhängigen Variablen, welche bereits

erläutert wurden und der Staatsverschuldung überprüft werden. Diese

Zusammenhangmaße, welche als Korrelation drücken die Stärke einer Beziehung


zwischen jeweils zwei Merkmalen aus. Es gibt sehr unterschiedliche Zusammenhangmaße,

für verschiedene Skalenniveaus der Merkmale. Da es sich hier bei beiden Merkmalen um

metrisch skalierte Variablen handelt, kommt hier das Assoziationsmaß "Pearsons R" bzw.

Produkt-Moment Korrelation in Frage, welche sich mit Hilfe der sogenannten Co-Varianz

berechnet:

Formel 1.

Die Co-Varianz unterscheidet sich von der Varianz in der univariaten Datenanalyse

insofern, als dass hier die Abweichung vom Mittelwert beider Variablen einfließen und diese

nicht quadriert werden, daher sind auch negative Ergebnisse möglich. Geteilt werden die

"Summe der Abweichungsprodukte SAP" wiederum durch die Anzahl der Messwerte n. Die

Co-Varianz ist abhängig von den Maßstäben der Variablen, kann also schwer mit anderen

Maßen verglichen werden. Hier hilft die Produkt-Moment Korrelation R Abhilfe:

Formel 2.

Dazu wird die Co-Varianz durch das Produkt der Standardabweichungen der beiden

Variablen geteilt und somit standardisiert. Dies ergibt das Assoziationsmaß R, welches

Werte zwischen -1 und +1 annehmen kann. -1 bedeutet einen perfekten negativ-linearen

Zusammenhang, 0 zeigt keinen linearen Zusammenhang an und +1 wäre ein perfekt

positiv-linearer Zusammenhang. Wohl muss angemerkt werden, dass sich R auf das

Erkennen linearer Zusammenhänge beschränkt. Kein Zusammenhang laut R, bedeutet

nicht, dass es nicht Korrelationen anderer Art und Weise geben kann, hier wird auch der

Nachteil dieses Assoziationsmaßes deutlich.


Mittels SPSS wurde dieses Maß R berechnet und das Ergebnis zeigt sich in den

untenstehenden Tabellen:

Bruttostaatsv

erschuldung

in % des BIP

2013

Anteil der

Bevölkerung

65+ in %

Ideologische

Zusammense

tzung der

Regierung

Langfristige

Zinsen für 10

Jahres

Staatsanleihe

n

Wachstum

des BIP in %

2013

Bruttostaatsverschuldun

g in % des BIP 2013

Pearson-

Korrelation1 ,298 ,204 ,672** -,738**

Sig. (2-seitig) ,229 ,418 ,002 ,000

N 18 18 18 18 18

Anteil der Bevölkerung

65+ in %

Pearson-

Korrelation,298 1 -,250 ,106 -,431

Sig. (2-seitig) ,229 ,316 ,675 ,074

N 18 18 18 18 18

Ideologische

Zusammensetzung der

Regierung

Pearson-

Korrelation ,204 -,250 1 ,422 -,361

Sig. (2-seitig) ,418 ,316 ,081 ,142

N 18 18 18 18 18

Langfristige Zinsen für

10 Jahres

Staatsanleihen

Pearson-

Korrelation ,672** ,106 ,422 1 -,557*

Sig. (2-seitig) ,002 ,675 ,081 ,016

N 18 18 18 18 18

Wachstum des BIP in %

2013

Pearson-

Korrelation-,738** -,431 -,361 -,557* 1

Sig. (2-seitig) ,000 ,074 ,142 ,016

N 18 18 18 18 18

**. Korrelation ist bei Niveau 0,01 signifikant (zweiseitig).

*. Korrelation ist bei Niveau 0,05 signifikant (zweiseitig).

Auch wenn hier mehrere Variablen in der Tabelle berechnet wurden, so werden durch die

Korrelationsprodezur jeweils nur zwei verknüpft. Interessant für diese Abhandlung sind die

Einflüsse der unabhängigen Variablen auf die abhängige Variable, die

Staatsverschuldung. Die Arbeitshypothese, nämlich, dass je weiter links die Regierung

steht, die Staatsverschuldung abnimmt, konnte hier im Rahmen der Korrelation nicht


verifiziert werden, im Gegenteil, es zeigt sich sogar mit 0,204 ein leichter positiv-linearer

Zusammenhang, sodass angenommen werden könnte, die Verschuldung steigt sogar, je

weiter linksstehend die Regierung ist. Der Zusammenhang kann jedoch aufgrund des

Signifikanzniveaus von 0,418, also 41,8% Risiko für eine Zurückweisung der

Arbeitshypothese nicht als signifikant gesehen werden. Ebenso als nicht signifikant kann

der Zusammenhang zwischen Staatsverschuldung und Überalterung der Bevölkerung,

welche hier mit dem Anteil der über 65-jährigen operationalisiert wurde, gesehen werden.

Mit einem Korrelationskoeffizient von 0,298 handelt es sich hier gerade um einen leichten

Zusammenhang, jedoch ist das Zurückweisungsrisiko mit 22,9% relativ hoch. Der

Zusammenhang ist also als nicht signifikant zu sehen. Einen starken positiv-linearen

Zusammenhang normiert jedoch die Variable "Zinsen auf 10 Jahres-Staatsanleihen", sie

fungiert mit einem Zusammenhang von 0,672 als mächtiger Staatsschuldentreiber, als R²

und als prozentualer Anteil kann damit gesagt werden, dass 45,1% der Verschuldung

durch die Zinssituation erklärbar ist. Das Zurückweisungsrisiko wurde hier mit 0,2%

errechnet ist also bereits im ** Bereich, weil das Risiko niedriger als 1% ist. Die stärkste

Wirkung auf die Staatsverschuldung, welche sich hier empirisch festgestellen lässt, hat

jedoch das Wachstum des BIP. Mit einem Maß von -0,738 steht es hier als starke

Schuldenbremse. Errechnet man den relativen Anteil, so könnten 54,5% der Verschuldung

durch das BIP-Wachstum erklärt werden, wobei das Restrisiko bei 0% liegt.

Das Zusammenhangmaß R ist relativ empfindlich gegenüber Ausreißern, sprich also

Extremwerten der ihn bestimmenden Variablen. Abhilfe kann durch eine univariate

Beobachtung der Primärdaten der Variablen mittels eines Boxplots in SPSS erreicht

werden, bzw. mittels ordinaler Korrelation, welche zwar einen Informationsverlust

verursacht, da sie nur Ränge beachtet und keine absoluten metrischen Werte, aus diesem

Grund jedoch auch nicht empfindlich gegenüber Ausreißern ist (Gehring/Weins 2009,

S.132-135).(Gehring/Weins 2009, S.165-174).

Dieses ordinale Assoziationsmaß "Spearmans rho", auch Rangkorrelationskoeffizient

genannt, identifiziert Rangzusammenhänge aller Art in Untersuchungseinheiten

(Kuckartz et al. 2010, S 189-213).


Formel 3.

n=Sample/Anzahl der Untersuchungseinheiten

di=Rangplatzdifferenz

Korrelationen

Bruttostaatsv

erschuldung

in % des BIP

2013

Anteil der

Bevölkerung

65+ in %

Ideologische

Zusammense

tzung der

Regierung

Langfristige

Zinsen für 10

Jahres

Staatsanleihe

n

Wachstum

des BIP in %

2013

Spearman-

Rho


g in % des BIP 2013

Korrelationskoeffizie

nt1,000 ,323 ,070 ,585* -,622**

Sig. (2-seitig) . ,192 ,782 ,011 ,006

N 18 18 18 18 18


65+ in %


nt,323 1,000 -,154 -,037 -,464

Sig. (2-seitig) ,192 . ,543 ,885 ,053

N 18 18 18 18 18

Ideologische

Zusammensetzung der

Regierung


nt ,070 -,154 1,000 ,319 -,272

Sig. (2-seitig) ,782 ,543 . ,197 ,275

N 18 18 18 18 18


10 Jahres

Staatsanleihen


nt ,585* -,037 ,319 1,000 -,395

Sig. (2-seitig) ,011 ,885 ,197 . ,105

N 18 18 18 18 18


2013


nt-,622** -,464 -,272 -,395 1,000

Sig. (2-seitig) ,006 ,053 ,275 ,105 .

N 18 18 18 18 18




Zur Überprüfung wurde noch eine Korrelationsprozedur auf ordinalem Skalenniveau

durchgeführt, welche allerdings an den auf Basis des Korrelationskoeffizienten berechneten

Ergebnis nur unwesentliche Änderungen aufzeigt. Ein leichter Trend in Richtung eines

geringeren Zusammenhanges beim Zinsniveau und Wirtschaftswachstum lässt sich

erkennen.

Ein weiteres Verfahren ist die partielle Korrelation, welche sich für multivariate

Zusammenhänge wie in diesem Fall eignet. Hier wird gezielt eine Arbeitsvariable analysiert,

währenddessen die Stör- oder Kontrollgrößen konstantgehalten, bzw. Gezielt kontrolliert

werden, um ihren Einfluss herauszurechnen. Nachfolgend findet sich eine Tabelle der

partiellen Korrelation:

Kontrollvariablen

Bruttostaatsverschuldung in %des BIP

2013

Ideologische

Zusammensetzung

derRegierung

Anteil der Bevölkerung 65+ in% & Langfristige Zinsen für 10 Jahres Staatsanleihen & Wachstum des BIP in % 2013

Bruttostaatsverschuldung in % des BIP 2013

Korrelation

1,000 -,279

Signifikanz (2-seitig)

. ,314

df 0 13

Ideologische Zusammensetzung der Regierung

Korrelation-,279 1,000


,314 .

df 13 0


Im Fall der partiellen Korrelation zeigt sich jedoch ein gänzlich anderes Bild. So wird nun

zumindest die Richtung des in der Hypothese behaupteten Zusammenhangs verifiziert. Je

weiter Linksgerichtet die Regierungen des Staates sind, desto niedriger der Schuldenstand.

Jedoch zeigt sich auch nach wie vor, wie anhand der Kennzahlen sichtbar, kein

signifikanter Zusammenhang (Kuckartz et al. 2010, S 189-213).

a) Multiple lineare Regressionsanalyse:

Im Rahmen des Verfahrens der Regression bzw. Regressionsanalyse lassen sich die

Ausprägungen von Variablen vorhersagen in dem man dem festgestellten Zusammenhang

ein mathematisches Modell zugrunde legt. Im einfachsten Fall ist dies die einfach lineare

Regression, hier wird der Zusammenhang durch eine Gerade dargestellt. Im Fall dieser

Abhandlung jedoch ist bereits eine multiple oder multivariate lineare Regression

erforderlich, um ein entsprechendes Modell berechnen zu können. Die Gleichung für die

Regressionsgerade enthält daher mehrere Variablen und Steigungsparameter:

Formel 4.

Zweck der Regression ist es hierbei, eine Gerade zu errechnen deren Verlauf möglichst

nah an allen Datenpunkten liegt um ein möglichst realistisches Modell zu erhalten.

Nachfolgend ist die Berechnungsgrundlage der Geraden dargestellt:


Formel 5.

Die Varianz ist wie aus der univariaten Datenanalyse bekannt, die Abweichung vom

Mittelwert. Die Qualität einer Regression beurteilt sich unter anderem danach, in welchem

Verhältnis die sog. Erklärte Varianz und die nicht erklärte Varianz stehen. Die erklärte

Varianz ist jene, welche durch die Regressionsgerade erklärt wird, die nicht erklärte bleibt

der Regression vorenthalten. Je größer als die erklärte Varianz gegenüber der nicht

erklärten Varianz ist, desto mehr entspricht das Modell der Wirklichkeit (Kuckartz et al.

2010, S 233-251).


b) Regressionstabelle und Ergebnis:

Die Modellübersicht zeigt die Korrelation noch einmal mit ihren Assoziationsmaßen:

Modellübersicht

Modell R

R-

Quadrat

Angepasstes

R-Quadrat

Standardfehl

er der

Schätzung Änderungsstatistik

Durbin-

Watson

Änderung R-

Quadrat

Änderung in

F df1 df2

Sig.

Änderung in

F

1 ,838 ,703 ,579 24,31699 ,703 5,676 5 12 ,007 1,366

Wie bereits aus der Korrelation bekannt findet sich auch hier wieder Pearsons R, als

Quadrierte Größe kann es direkt als Schätzung herangezogen werden. In der

multivariaten Statistik sollte das angepasste R² zur Interpretation herangezogen werden,

da dieses weitere Faktoren berücksichtigt, wie die Anzahl der Variablen im Modell. Für

unser Modell kann also zu 57,9% Staatsverschuldung in den für die Untersuchung

ausgewählten EU-Staaten erklären, mit einem Restrisiko von 0,7%.

ANOVA

Modell Quadratsumme df

Mittel der

Quadrate F Sig.

1 Regression 16781,654 5 3356,331 5,676 ,007

Residuum 7095,791 12 591,316

Gesamtsumme 23877,445 17

Die ANOVA-Tabelle zeigt die errechneten Größen des Gesamten Modells aller

einbezogenen Variablen. Es zeigt sich bereits, dass das Mittel der Quadrate der

Regression viel größer ist, als jenes der Residuen, was bereits auf eine Verifizierung des

Gesamtmodells hindeutet und die Signifikanz auch bestätigt, mit einem Restrisiko von

0,7% für eine Zurückweisung des Forschungsmodells. Modell kann – wenn auch mit

Vorsicht – als signifikant betrachtet werden.


ModellNicht standardisierte

Koeffizienten

Standardisierte

Koeffizienten t Sig.

BStandardfe

hler Beta

1 (Konstante) 36,116 72,529 ,498 ,628

Wachstum des BIP in % 2013

-9,386 7,623 -,374 -1,231 ,242

Anteil der Bevölkerung 65+ in %

,190 3,189 ,012 ,060 ,953


-8,035 5,801 -,294 -1,385 ,191

Langfristige Zinsen für 10 Jahres Staatsanleihen

18,163 7,473 ,591 2,431 ,032

Mitgliedschaft in derEurozone

23,432 21,199 ,267 1,105 ,291

In der ersten Ergebniszeile und Ergebnisspalte B findet sich die Konstante für die

Regressionsgleichung mit 36,116. Die einzelnen Koeffizienten B sind nicht standardisiert

und in den jeweiligen Eingabegrößen. Um die Auswirkungen der einzelnen Variablen auf

die Regressionsgerade im multivariaten Modell vergleichen zu können ist daher die

Anwendung von standaridisierten Beta-Koeffizienten erforderlich diese sind angegeben

unter Annahme der Kontrolle aller anderen unabhängigen Variablen. Es zeigt sich hier,

dass vor allem das Zinsniveau für langfristige Staatsanleihen den größten Schuldentreiber

darstellt, es weißt darüber hinaus in der Signifikanzspalte auch mit 3,2% das geringste

Zurückweisungsrisiko auf. Das Wirtschaftswachstum hat hingegen einen

schuldenbremsenden Einfluss ist jedoch bereits mit 24,2% Restrisiko behaftet. Praktisch

als unbedeutend wurde hier der Einfluss der Bevölkerungsstruktur in Bezug auf einen

hohen Anteil der über 65-jährigen berechnet. Ebenso nur einen leichten Einfluss hat die

Zusammensetzung der Regierung auf die Staatsverschuldung. Je weiter linksstehen die

Regierung ist, desto eher sind die Schulden niedriger, jedoch ist auch hier das

Zurückweisungsrisiko bereits 19%. Die Mitgliedschaft in der Eurozone treibt laut diesem

Modell die Schulden leicht nach oben, jedoch mit einem Fehlerrisiko von 29,1% (Kuckartz

et al. 2010, S 233-251).


5. Rückkoppelungen Empirie-Theorie Interpretation:

Welche Schlüsse lassen sich nun aus den Analysen ziehen?

Grundsätzlich gelangen, wie auch in den Texten von Wagschal ausgeführt,

unterschiedliche empirische Studien zu verschiedenen Ergebnissen. Ländervergleiche sind

in den vergleichenden Politikwissenschaften stets umstritten, da das Sample stark begrenzt

ist und kaum ein Staat dem anderen zur Gänze gleichen wird. Auch in Bezug auf die

Staatsschuldenthematik hat sich hier gezeigt, dass vor allem ökonomische Größen Einfluss

auf die Verschuldung ausüben und weniger politische, institutionelle oder demographische

Einflussfaktoren. Bei den EU-Staaten muss zudem angemerkt werden, dass viele heutige

EU-Staaten post-kommunistische Länder sind, welchen über Jahrzehnte hinweg ein völlig

anderes Wirtschaftssystem zugrunde lag, sowie auch die unterschiedlichen Bonitäten der

Länder auf dem internationalen Kapitalmarkt eine Rolle spielen. Darüberhinaus wie auch

bereits erwähnt können Naturkatastrophen und Kriege massive Einwirkungen haben und

auch eine unterschiedliche Bedrohungslage zu divergierenden Militärausgaben führen,

welche mitttels Krediten finanziert werden. So lässt sich immer nur maximal ein Teil des

Einflusses auf die Staatsverschuldung aufdecken ohne jedoch ein für alle Staaten der EU

oder der Welt allgemein gültiges Modell aufstellen zu können.


6.Quellenverzeichnisse:

Graphiken:

Graphik 1: Staatsverschuldung in der EU. Internetpublikation, abgerufen am 17.07.2014:

http://www.tagesschau.de/wirtschaft/staatsdefizit116.html

Formeln:

Formel 1: Gehring/Weins 2009 S.169

Formel 2: Gehring/Weins 2009 S.170

Formel 3: Kuckartz et al. 2010, S.199

Formel 4 und 5: Lehrunterlagen PS Quantitative Methoden politikwissenschaftlicher

Forschung SS14 PLUS, Dr. Armin Mühlböck

Literatur:

● AG Friedensforschung. "Ungarn im Griff der Rechten". Internetpublikation,

abgerufen am 19.07.2014: http://www.ag-

friedensforschung.de/regionen/Ungarn/wahl2010c.html

● Blanchard, Oliver/Illing, Gerhard (2009). "Makrokökonomie". 5. Auflage Pearson

Verlag Deutschland, München (2009).

● Der Standard vom 20.3.2013. "Slowenische Mitte-Links-Regierung vom Parlament

bestätigt". Internetpublikation, abgerufen am 19.07.2014:

http://derstandard.at/1363705574555/Slowenische-Mitte-Links-Regierung-vom-

Parlament-bestaetigt

● Europäische Union, Offizielle Webseite. Internetauftritt, abgerufen am 19.07.2014:

http://europa.eu/index_de.htm

● Europäische Statistikbehörde Eurostat. Internetauftritt, abgerufen am 19.07.2014:


http://www.tagesschau.de/wirtschaft/staatsdefizit116.html

http://europa.eu/index_de.htm

http://derstandard.at/1363705574555/Slowenische-Mitte-Links-Regierung-vom-Parlament-bestaetigt

http://derstandard.at/1363705574555/Slowenische-Mitte-Links-Regierung-vom-Parlament-bestaetigt

http://www.ag-friedensforschung.de/regionen/Ungarn/wahl2010c.html

http://www.ag-friedensforschung.de/regionen/Ungarn/wahl2010c.html

http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/

● Gehring, Uwe/Weins, Cornelia (2009); „Grundkurs Statistik für Politologen und

Soziologen“; VS Verlag für Sozialwissenschaften Wiesbaden, 2009.

● Grundlagen über Staatsanleihen. Internetpublikation, abgerufen am 19.07.2014:

http://staatsanleihen.de

● Kuckarts, Udo/Rädiker, Stefan u.a. (2010); „Statistik: Eine verständliche Einführung;

VS Verlag für Sozialwissenschaften Wiesbaden, 2010.

● The Slovak Spectator vom 05.04.2012. "President appoints new government

ministers". Internetpublikation, abgerufen am 19.07.2014:

http://spectator.sme.sk/articles/view/45980/10/president_appoints_new_government

_ministers.html

● Weltbank. Internetauftritt, angerufen am 19.07.2014:

http://data.worldbank.org/indicator/SP.POP.65UP.TO.ZS

● Scharf, Oliver. Gießen (2009). "Öffentliche Finanzen". Lucius&Lucius, Stuttgart

2009.

● Wagschal, Uwe (1996). "Der Einfluss von Parteien und Wahlen auf die

Staatsverschuldung." Swiss Political Science Review 2 (4), 1996.

● Universität Bern, Comparative Political Data Sets. Internetpublikation, abgerufen am

19.07.2014:

http://www.ipw.unibe.ch/content/team/klaus_armingeon/comparative_political_data_

sets/index_ger.html


http://www.ipw.unibe.ch/content/team/klaus_armingeon/comparative_political_data_sets/index_ger.html

http://www.ipw.unibe.ch/content/team/klaus_armingeon/comparative_political_data_sets/index_ger.html

http://data.worldbank.org/indicator/SP.POP.65UP.TO.ZS

http://spectator.sme.sk/articles/view/45980/10/president_appoints_new_government_ministers.html

http://spectator.sme.sk/articles/view/45980/10/president_appoints_new_government_ministers.html

http://staatsanleihen.de/

http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/

● Wagschal, Uwe/Wenzelburger Georg (2008). Die Rückgewinnung staatlicher

Handlungsfähigkeit. Staatsverschuldung und Haushaltskonsolidierung im

internationalen Vergleich. dms – der moderne Staat – Zeitschrift für Public Policy,

Recht und Management Heft 1/2008, S. 141-145.

● Wagschal, Uwe/Wenzelburger Georg/Petersen, Thieß/Wintermann, Ole (2009).

Determinanten der Staatsverschuldung in den deutschen Bundesländern.

Wirtschaftsdienst 2009 / 3, S. 204-212.


8.Anhänge:

Anhang Abschnitt A1:

FREQUENCIES VARIABLES=BSVS13

/NTILES=4 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.

Häufigkeiten

Hinweise

Ausgabe erstellt 20-JUL-2014 00:03:24

Kommentare

Eingabe Daten D:\Michael\Documents\Studium\Politikw

issenschaft\Bakkalaureatsstudium\PS

Quantitative Methoden der

politikwissenschaftlichen

Forschung\TH3.sav

Aktives Dataset DataSet1

Filter <ohne>

Stärke <ohne>

Aufgeteilte Datei <ohne>

Anzahl Zeilen in

Arbeitsdatendatei28

Handhabung fehlender

Werte

Definition von 'Fehlend' Benutzerdefiniert fehlende Werte

werden als fehlend behandelt

Verwendete Fälle Die Statistik basiert auf allen Fällen mit

gültigen Daten.


Syntax FREQUENCIES VARIABLES=BSVS13

/NTILES=4

/STATISTICS=STDDEV VARIANCE

RANGE MINIMUM MAXIMUM

SEMEAN MEAN MEDIAN MODE SUM

SKEWNESS SESKEW KURTOSIS

SEKURT

/HISTOGRAM NORMAL

/ORDER=ANALYSIS.

Ressourcen Prozessorzeit 00:00:01,39

Verstrichene Zeit 00:00:00,92

[DataSet1] D:\Michael\Documents\Studium\Politikwissenschaft\Bakkalaureatsstudium\PS Quantitative Methoden der politikwissenschaftlichen Forschung\TH3.sav

Statistiken


N Gültig 18

Fehlend 10

Mittelwert 85,4167

Standardfehler des Mittelwerts 8,83351

Median 78,8000

Modalwert 23,10a

Standardabweichung 37,47740

Varianz 1404,556

Schiefe ,646

Standardfehler der Schiefe ,536

Kurtosis ,591

Standardfehler der Kurtosis 1,038

Bereich 152,00

Minimum 23,10

Maximum 175,10

Summe 1537,50

Perzentile 25 56,6000

50 78,8000

75 107,0500

a. Es sind mehrere Modi vorhanden. Der

kleinste Wert wird angezeigt.



Häufigkeit Prozent Gültige Prozent

Kumulative

Prozente

Gültig 23,10 1 3,6 5,6 5,6

40,60 1 3,6 5,6 11,1

44,50 1 3,6 5,6 16,7

55,40 1 3,6 5,6 22,2

57,00 1 3,6 5,6 27,8

71,40 1 3,6 5,6 33,3

73,50 1 3,6 5,6 38,9

74,50 1 3,6 5,6 44,4

78,40 1 3,6 5,6 50,0

79,20 1 3,6 5,6 55,6

90,60 1 3,6 5,6 61,1

93,50 1 3,6 5,6 66,7

93,90 1 3,6 5,6 72,2

101,50 1 3,6 5,6 77,8

123,70 1 3,6 5,6 83,3

129,00 1 3,6 5,6 88,9

132,60 1 3,6 5,6 94,4

175,10 1 3,6 5,6 100,0

Gesamtsumme 18 64,3 100,0

Fehlend System 10 35,7

Gesamtsumme 28 100,0


Hinweise



Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei28


Werte

Definition von 'Fehlend' Ein Fall wird als fehlend behandelt,

wenn er in einer Variablen, die für diese

Analyse verwendet wird,

systemdefiniert und/oder

benutzerdefiniert fehlende Werte

enthält.

Verwendete Fälle Für die verwendeten Fälle sind in der

Zählervariable nicht negative Werte und

in der Nennervariable positive Werte

vorhanden.

Syntax RATIO STATISTICS BSVS13 WITH

DENO

/MISSING=EXCLUDE

/PRINT=COD MDCOV PRD.



RATIO STATISTICS BSVS13 WITH DENO /MISSING=EXCLUDE /PRINT=MNCOV.

Verhältnisstatistik

Hinweise



Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei28


Werte






enthält.




vorhanden.

Syntax RATIO STATISTICS BSVS13 WITH

DENO

/MISSING=EXCLUDE

/PRINT=MNCOV.



Zusammenfassung der

Fallverarbeitung

Anzahl

Insgesamt 18

Ausgeschlossen 10

Gesamtsumme 28


Verhältnisstatist

ik für

Bruttostaatsver

schuldung in %

des BIP 2013 /

Denominator

Variationskoeffizi

ent

Zentrierter

Mittelwert

43,9%

EXAMINE VARIABLES=BSVS13 BY STAT /PLOT=BOXPLOT /STATISTICS=NONE /NOTOTAL /ID=MSEU.

Explorative Datenanalyse

Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte

Definition von 'Fehlend' Benutzerdefiniert fehlende Werte für

abhängige Variablen werden als

fehlend behandelt.


Verwendete Fälle Die Statistik basiert auf Fällen, bei

denen keine fehlenden Werte für

abhängige Variablen oder Faktoren

verwendet werden.

Syntax EXAMINE VARIABLES=BSVS13 BY

STAT

/PLOT=BOXPLOT

/STATISTICS=NONE

/NOTOTAL

/ID=MSEU.



Bruttostaatsverschuldung der EU-Staaten

Zusammenfassung der Fallverarbeitung

Bruttostaatsverschuldung

der EU-Staaten Fälle

Gültig Fehlend

H Prozent H Prozent

Bruttostaatsverschuldung in

% des BIP 201318 69,2% 8 30,8%


Bruttostaatsverschuldung der EU-

Staaten Fälle

Gesamtsumme

H Prozent

Bruttostaatsverschuldung in % des

BIP 201326 100,0%



FREQUENCIES VARIABLES=WABIP /NTILES=4 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.


Häufigkeiten

Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte




gültigen Daten.

Syntax FREQUENCIES VARIABLES=WABIP

/NTILES=4





SEKURT

/HISTOGRAM NORMAL

/ORDER=ANALYSIS.




Statistiken


N Gültig 18

Fehlend 8

Mittelwert -,1722

Standardfehler des Mittelwerts ,35219

Median ,2000

Modalwert -1,40a


Varianz 2,233

Schiefe -,695


Kurtosis ,787


Bereich 6,00

Minimum -3,90

Maximum 2,10

Summe -3,10

Perzentile 25 -1,2500

50 ,2000

75 ,9500





Kumulative

Prozente

Gültig -3,90 1 3,8 5,6 5,6

-1,90 1 3,8 5,6 11,1

-1,40 2 7,7 11,1 22,2

-1,20 1 3,8 5,6 27,8

-1,10 1 3,8 5,6 33,3

-,80 1 3,8 5,6 38,9

-,30 1 3,8 5,6 44,4

,20 2 7,7 11,1 55,6

,30 1 3,8 5,6 61,1

,40 2 7,7 11,1 72,2

,90 1 3,8 5,6 77,8

1,10 1 3,8 5,6 83,3

1,60 1 3,8 5,6 88,9


1,70 1 3,8 5,6 94,4

2,10 1 3,8 5,6 100,0




RATIO STATISTICS WABIP WITH DENO /MISSING=EXCLUDE /PRINT=MNCOV.


Hinweise



Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte






enthält.




vorhanden.

Syntax RATIO STATISTICS WABIP WITH

DENO

/MISSING=EXCLUDE

/PRINT=MNCOV.



Zusammenfassung der

Fallverarbeitung

Anzahl

Insgesamt 10

Ausgeschlossen 16

Gesamtsumme 26


Verhältnisstatist

ik für Wachstum

des BIP in %

2013 /

Denominator

Variationskoeffizi

ent

Zentrierter

Mittelwert

79,0%

EXAMINE VARIABLES=WABIP BY BIPW /PLOT=BOXPLOT /STATISTICS=NONE /NOTOTAL /ID=MSEU.


Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte



fehlend behandelt.





verwendet werden.

Syntax EXAMINE VARIABLES=WABIP BY

BIPW

/PLOT=BOXPLOT

/STATISTICS=NONE

/NOTOTAL

/ID=MSEU.



Wachstum des BIP in % 2013 EU-Staaten



2013 EU-Staaten Fälle

Gültig Fehlend

H Prozent H Prozent


201318 69,2% 8 30,8%


Wachstum des BIP in % 2013 EU-

Staaten Fälle

Gesamtsumme

H Prozent

Wachstum des BIP in % 2013 26 100,0%



FREQUENCIES VARIABLES=SENI /NTILES=4 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.

Häufigkeiten

Hinweise


Kommentare






Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte




gültigen Daten.

Syntax FREQUENCIES VARIABLES=SENI

/NTILES=4





SEKURT

/HISTOGRAM NORMAL

/ORDER=ANALYSIS.




Statistiken


N Gültig 18

Fehlend 8

Mittelwert 17,5556


Median 18,0000

Modalwert 18,00


Varianz 6,026

Schiefe -,921


Kurtosis ,713


Bereich 9,00

Minimum 12,00

Maximum 21,00

Summe 316,00


50 18,0000

75 19,0000



Kumulative

Prozente

Gültig 12,00 1 3,8 5,6 5,6

13,00 1 3,8 5,6 11,1

14,00 1 3,8 5,6 16,7

17,00 4 15,4 22,2 38,9

18,00 5 19,2 27,8 66,7

19,00 3 11,5 16,7 83,3

20,00 1 3,8 5,6 88,9

21,00 2 7,7 11,1 100,0





RATIO STATISTICS SENI WITH DENO /MISSING=EXCLUDE /PRINT=MNCOV.


Hinweise


Kommentare






Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte






enthält.




vorhanden.

Syntax RATIO STATISTICS SENI WITH DENO

/MISSING=EXCLUDE

/PRINT=MNCOV.




Zusammenfassung der

Fallverarbeitung

Anzahl

Insgesamt 18

Ausgeschlossen 8

Gesamtsumme 26

Verhältnisstatist

ik für Anteil der

Bevölkerung

65+ in % /

Denominator

Variationskoeffizi

ent

Zentrierter

Mittelwert

14,0%

EXAMINE VARIABLES=SENI BY SENIO /PLOT=BOXPLOT /STATISTICS=NONE /NOTOTAL /ID=MSEU.


Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>


Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte



fehlend behandelt.




verwendet werden.

Syntax EXAMINE VARIABLES=SENI BY

SENIO

/PLOT=BOXPLOT

/STATISTICS=NONE

/NOTOTAL

/ID=MSEU.



Anteil der Bevölkerung über 65 Jahren in %


Anteil der Bevölkerung über

65 Jahren in % Fälle

Gültig Fehlend

H Prozent H Prozent

Anteil der Bevölkerung 65+

in %18 69,2% 8 30,8%


Anteil der Bevölkerung über 65

Jahren in % Fälle

Gesamtsumme

H Prozent

Anteil der Bevölkerung 65+ in % 26 100,0%



FREQUENCIES VARIABLES=ZINA /NTILES=4 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.

Häufigkeiten

Hinweise



Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte




gültigen Daten.

Syntax FREQUENCIES VARIABLES=ZINA

/NTILES=4





SEKURT

/HISTOGRAM NORMAL

/ORDER=ANALYSIS.




Statistiken


N Gültig 18

Fehlend 8

Mittelwert 2,4706


Median 2,0900

Modalwert 1,26a


Varianz 1,489

Schiefe 1,609


Kurtosis 2,764


Bereich 4,67

Minimum 1,26

Maximum 5,93

Summe 44,47


50 2,0900

75 2,9725





Kumulative

Prozente

Gültig 1,26 1 3,8 5,6 5,6

1,38 1 3,8 5,6 11,1

1,44 1 3,8 5,6 16,7

1,57 1 3,8 5,6 22,2

1,60 1 3,8 5,6 27,8

1,66 1 3,8 5,6 33,3

1,71 1 3,8 5,6 38,9

1,80 1 3,8 5,6 44,4

1,83 1 3,8 5,6 50,0

2,35 1 3,8 5,6 55,6

2,44 1 3,8 5,6 61,1

2,72 1 3,8 5,6 66,7

2,73 1 3,8 5,6 72,2


2,92 1 3,8 5,6 77,8

3,13 1 3,8 5,6 83,3

3,50 1 3,8 5,6 88,9

4,50 1 3,8 5,6 94,4

5,93 1 3,8 5,6 100,0




RATIO STATISTICS ZINA WITH DENO /MISSING=EXCLUDE /PRINT=MNCOV.



Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte






enthält.




vorhanden.

Syntax RATIO STATISTICS ZINA WITH DENO

/MISSING=EXCLUDE

/PRINT=MNCOV.



Zusammenfassung der

Fallverarbeitung

Anzahl

Insgesamt 18

Ausgeschlossen 8

Gesamtsumme 26


Verhältnisstatist

ik für

Langfristige

Zinsen für 10

Jahres

Staatsanleihen /

Denominator

Variationskoeffizi

ent

Zentrierter

Mittelwert

49,4%

EXAMINE VARIABLES=ZINA BY ZINS /PLOT=BOXPLOT /STATISTICS=NONE /NOTOTAL /ID=MSEU.


Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26



Werte



fehlend behandelt.




verwendet werden.

Syntax EXAMINE VARIABLES=ZINA BY ZINS

/PLOT=BOXPLOT

/STATISTICS=NONE

/NOTOTAL

/ID=MSEU.





Langfristige Zinsen für 10

Jahres Staatsanleihen Fälle

Gültig Fehlend

H Prozent H Prozent


Jahres Staatsanleihen18 69,2% 8 30,8%


Langfristige Zinsen für 10 Jahres

Staatsanleihen Fälle

Gesamtsumme

H Prozent

Langfristige Zinsen für 10 Jahres

Staatsanleihen26 100,0%



FREQUENCIES VARIABLES=REGP /NTILES=4 /STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM SEMEAN MEAN MEDIAN MODE SUM SKEWNESS SESKEW KURTOSIS SEKURT /HISTOGRAM NORMAL /ORDER=ANALYSIS.


Häufigkeiten

Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte




gültigen Daten.

Syntax FREQUENCIES VARIABLES=REGP

/NTILES=4





SEKURT

/HISTOGRAM NORMAL

/ORDER=ANALYSIS.




Statistiken


N Gültig 18

Fehlend 8

Mittelwert 2,3333


Median 2,0000

Modalwert 1,00


Varianz 1,882

Schiefe ,700


Kurtosis -,490


Bereich 4,00

Minimum 1,00

Maximum 5,00

Summe 42,00


50 2,0000

75 3,0000



Kumulative

Prozente

Gültig 1,00 7 26,9 38,9 38,9

2,00 3 11,5 16,7 55,6

3,00 5 19,2 27,8 83,3

4,00 1 3,8 5,6 88,9

5,00 2 7,7 11,1 100,0





RATIO STATISTICS REGP WITH DENO /MISSING=EXCLUDE /PRINT=MNCOV.


Hinweise


Kommentare






Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte






enthält.




vorhanden.

Syntax RATIO STATISTICS REGP WITH

DENO

/MISSING=EXCLUDE

/PRINT=MNCOV.




Zusammenfassung der

Fallverarbeitung

Anzahl

Insgesamt 18

Ausgeschlossen 8

Gesamtsumme 26

Verhältnisstatist

ik für

Ideologische

Zusammensetzu

ng der

Regierung /

Denominator

Variationskoeffizi

ent

Zentrierter

Mittelwert

58,8%

EXAMINE VARIABLES=REGP BY REPA /PLOT=BOXPLOT /STATISTICS=NONE /NOTOTAL /ID=MSEU.


Hinweise


Kommentare





Forschung\TH3.sav



Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte



fehlend behandelt.




verwendet werden.

Syntax EXAMINE VARIABLES=REGP BY

REPA

/PLOT=BOXPLOT

/STATISTICS=NONE

/NOTOTAL

/ID=MSEU.





Ideologische

Zusammensetzung der

Regierung Fälle

Gültig Fehlend

H Prozent H Prozent

Ideologische

Zusammensetzung der

Regierung

18 69,2% 8 30,8%


Ideologische Zusammensetzung der

Regierung Fälle

Gesamtsumme


H Prozent

Ideologische Zusammensetzung der

Regierung26 100,0%



FREQUENCIES VARIABLES=EURZ /BARCHART FREQ /ORDER=ANALYSIS.

Häufigkeiten

Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte




gültigen Daten.

Syntax FREQUENCIES VARIABLES=EURZ

/BARCHART FREQ

/ORDER=ANALYSIS.



Statistiken

Mitgliedschaft in der Eurozone

N Gültig 18

Fehlend 8


Mitgliedschaft in der Eurozone


Kumulative

Prozente

Gültig Nicht in der Eurozone 4 15,4 22,2 22,2

Eurozone 14 53,8 77,8 100,0




Anhang Abschnitt A2:


CORRELATIONS /VARIABLES=BSVS13 SENI REGP ZINA WABIP /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE.

Korrelationen

Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte



Verwendete Fälle Die Statistik für die einzelnen

Variablenpaare basiert auf allen Fällen

mit gültigen Daten für das jeweilige

Variablenpaar.

Syntax CORRELATIONS

/VARIABLES=BSVS13 SENI REGP

ZINA WABIP

/PRINT=TWOTAIL NOSIG

/MISSING=PAIRWISE.



Korrelationen


Bruttostaatsv

erschuldung

in % des BIP

2013

Anteil der

Bevölkerung

65+ in %

Ideologische

Zusammense

tzung der

Regierung

Langfristige

Zinsen für 10

Jahres

Staatsanleihe

n

Wachstum

des BIP in %

2013


g in % des BIP 2013

Pearson-

Korrelation1 ,298 ,204 ,672** -,738**

Sig. (2-seitig) ,229 ,418 ,002 ,000

N 18 18 18 18 18


65+ in %

Pearson-

Korrelation,298 1 -,250 ,106 -,431

Sig. (2-seitig) ,229 ,316 ,675 ,074

N 18 18 18 18 18

Ideologische

Zusammensetzung der

Regierung

Pearson-

Korrelation ,204 -,250 1 ,422 -,361

Sig. (2-seitig) ,418 ,316 ,081 ,142

N 18 18 18 18 18


10 Jahres

Staatsanleihen

Pearson-

Korrelation ,672** ,106 ,422 1 -,557*

Sig. (2-seitig) ,002 ,675 ,081 ,016

N 18 18 18 18 18


2013

Pearson-

Korrelation-,738** -,431 -,361 -,557* 1

Sig. (2-seitig) ,000 ,074 ,142 ,016

N 18 18 18 18 18



NONPAR CORR /VARIABLES=BSVS13 SENI REGP ZINA WABIP /PRINT=SPEARMAN TWOTAIL NOSIG /MISSING=PAIRWISE.

Nicht parametrische Korrelationen


Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte



Verwendete Fälle Die Statistik für die einzelnen

Variablenpaare basiert auf allen Fällen

mit gültigen Daten für das jeweilige

Variablenpaar.

Syntax NONPAR CORR

/VARIABLES=BSVS13 SENI REGP

ZINA WABIP

/PRINT=SPEARMAN TWOTAIL

NOSIG

/MISSING=PAIRWISE.



Anzahl der zulässigen Fälle 98304 Fällea

a. Basiert auf der Verfügbarkeit des Hauptspeichers


Korrelationen

Bruttostaatsv

erschuldung

in % des BIP

2013

Anteil der

Bevölkerung

65+ in %

Ideologische

Zusammense

tzung der

Regierung

Langfristige

Zinsen für 10

Jahres

Staatsanleihe

n

Wachstum

des BIP in %

2013

Spearman-

Rho


g in % des BIP 2013


nt1,000 ,323 ,070 ,585* -,622**

Sig. (2-seitig) . ,192 ,782 ,011 ,006

N 18 18 18 18 18


65+ in %


nt,323 1,000 -,154 -,037 -,464

Sig. (2-seitig) ,192 . ,543 ,885 ,053

N 18 18 18 18 18

Ideologische

Zusammensetzung der

Regierung


nt ,070 -,154 1,000 ,319 -,272

Sig. (2-seitig) ,782 ,543 . ,197 ,275

N 18 18 18 18 18


10 Jahres

Staatsanleihen


nt ,585* -,037 ,319 1,000 -,395

Sig. (2-seitig) ,011 ,885 ,197 . ,105

N 18 18 18 18 18


2013


nt-,622** -,464 -,272 -,395 1,000

Sig. (2-seitig) ,006 ,053 ,275 ,105 .

N 18 18 18 18 18



PARTIAL CORR /VARIABLES=BSVS13 REGP BY SENI ZINA WABIP /SIGNIFICANCE=TWOTAIL /STATISTICS=DESCRIPTIVES /MISSING=LISTWISE.

Partielle Korrelation


Hinweise


Kommentare





Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte

Definition von 'Fehlend' benutzerdefiniert fehlende Werte



denen für keine der aufgelisteten

Variablen Daten fehlen.

Syntax PARTIAL CORR

/VARIABLES=BSVS13 REGP BY

SENI ZINA WABIP

/SIGNIFICANCE=TWOTAIL

/STATISTICS=DESCRIPTIVES

/MISSING=LISTWISE.




Deskriptive Statistiken

Mittelwert

Standardabweic

hung H

Bruttostaatsverschuldung in

% des BIP 201385,4167 37,47740 18

Ideologische

Zusammensetzung der

Regierung

2,3333 1,37199 18

Anteil der Bevölkerung 65+

in %17,5556 2,45482 18


Jahres Staatsanleihen2,4706 1,22015 18


2013-,1722 1,49423 18

Korrelationen

Kontrollvariablen

Bruttostaatsverschuldung in %des BIP

2013

Ideologische

Zusammensetzung

derRegierung

Anteil der Bevölkerung 65+ in% & Langfristige Zinsen für 10 Jahres Staatsanleihen & Wachstum des BIP in % 2013


Korrelation

1,000 -,279


. ,314

df 0 13


Korrelation-,279 1,000


,314 .

df 13 0


GET FILE='D:\Michael\Documents\Studium\Politikwissenschaft\Bakkalaureatsstudium\PS Quantitative Methoden der politikwissenschaftlichen Forschung\TH3.sav'.DATASET NAME DataSet1 WINDOW=FRONT.REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT BSVS13 /METHOD=ENTER WABIP SENI REGP ZINA EURZ /RESIDUALS DURBIN /SAVE PRED ZPRED RESID ZRESID.

Regression

Hinweise


Kommentare

Input Daten D:\Michael\Documents\Studium\Politikw




Forschung\TH3.sav


Filter <ohne>

Stärke <ohne>


Anzahl Zeilen in

Arbeitsdatendatei26


Werte




denen für alle verwendeten Variablen

alle Werte vorhanden sind.


Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS R

ANOVA CHANGE

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT BSVS13

/METHOD=ENTER WABIP SENI

REGP ZINA EURZ

/RESIDUALS DURBIN

/SAVE PRED ZPRED RESID

ZRESID.



Erforderlicher Speicher 5728 Byte

Es ist zusätzlicher Speicher

für Residuendiagramme

erforderlich

0 Byte

Erstellte oder geänderte

Variablen

PRE_3Unstandardized Predicted Value

RES_3 Unstandardized Residual

ZPR_3 Standardized Predicted Value

ZRE_3 Standardized Residual

[DataSet1] D:\Michael\Documents\Studium\Politikwissenschaft\Bakkalaureatsstudium\PS Quantitative Methoden der politikwissenschaftlichen Forschung\TH3.sav


Eingegebene/Entfernte Variablen

Modell

Eingegebene

Variablen

Entfernte

Variablen Methode

1 Mitgliedschaft in

der Eurozone ,

Langfristige

Zinsen für 10

Jahres

Staatsanleihen,

Anteil der

Bevölkerung

65+ in %,

Ideologische

Zusammensetzu

ng der

Regierung,

Wachstum des

BIP in % 2013

. Aufnehmen

Modellübersicht

Modell R

R-

Quadrat

Angepasstes

R-Quadrat

Standardfehl

er der

Schätzung Änderungsstatistik

Durbin-

Watson

Änderung R-

Quadrat

Änderung in

F df1 df2

Sig.

Änderung in

F

1 ,838 ,703 ,579 24,31699 ,703 5,676 5 12 ,007 1,366

ANOVA

Modell Quadratsumme df

Mittel der

Quadrate F Sig.

1 Regression 16781,654 5 3356,331 5,676 ,007

Residuum 7095,791 12 591,316

Gesamtsumme 23877,445 17

Koeffizienten


ModellNicht standardisierte

Koeffizienten

Standardisierte

Koeffizienten t Sig.

BStandardfe

hler Beta

1 (Konstante) 36,116 72,529 ,498 ,628


-9,386 7,623 -,374 -1,231 ,242


,190 3,189 ,012 ,060 ,953


-8,035 5,801 -,294 -1,385 ,191


18,163 7,473 ,591 2,431 ,032

Mitgliedschaft in derEurozone

23,432 21,199 ,267 1,105 ,291

Residuenstatistik

Minimum Maximum Mittelwert

Standardabweic

hung H

Vorhergesagter Wert 44,5469 167,4840 85,4167 31,41904 18

Residuum -34,44717 32,56221 ,00000 20,43036 18

Standardvorhersagewert -1,301 2,612 ,000 1,000 18

Standardresiduum -1,417 1,339 ,000 ,840 18


Aufsatz - · PDF fileAufsatz: Faktoren von Staatsverschuldung Wissenschaftliche Leitung: Dr....

Documents

Transcript of Aufsatz - · PDF fileAufsatz: Faktoren von Staatsverschuldung Wissenschaftliche Leitung: Dr....