Lade Inhalt...

Die Verhaltensintention "Schwarzzufahren": Eine empirische Analyse mit dem ALLBUS-Datensatz 2000

Masterarbeit 2012 78 Seiten

Soziologie - Recht, Kriminalität abw. Verhalten

Leseprobe

3.1 Theoretische Fundierung

Der Ansatz des Rational Choice und die Spieltheorie sollen mir unter diesem Kapitel als theoretische Fundierung meiner Hypothesen dienlich sein. Dafür möchte ich in den nachfolgenden Absätzen auf Begrifflichkeiten wie ‚homo oeconomicus‘ eingehen und die Vor- und Nachteile des Rational Choice darlegen.

Der grundlegende Fakt des Rational Choice ist, dass jedes Individuum durch sein Handeln seinen Nutzen maximieren möchte. Dies gelingt nur, indem die Handlungssituation und die Folgen der Alternativen nach ihrem jeweiligen Nutzen abgeschätzt und den dabei entstehenden Kosten entgegen gesetzt werden. Dies setzt einen rational denkenden Akteur voraus, der seine Handlungen bewerten und in eine Rangordnung bringen kann – den ‚homo oeconomicus‘. Zudem besitzt er vollständige Informationen über sein Umfeld, um solche Entscheidungen fällen zu können.[1]

Rational Choice Theorien sind demzufolge akteurszentriert und haben die Erklärung kollektiver Sachverhalte zum Ziel.[2] Demnach ist ‚abweichendes Verhalten‘ ebenso eine Option aus einem Set von Handlungs­alternativen, wie das legale Handeln.

Der rationale Akteur wird sich dann für eine Handlungsoption entscheiden, sobald der persönliche Nutzen für ihn steigt und die persönlichen Kosten für ihn sinken. Hier spielt die subjektive Einschätzung dieser Komponenten eine große Rolle. Schließlich entscheidet jeder für sich selbst, worin konkret die Kosten und der Nutzen für einen bestehen.[3]

Die Ökonomische Kriminalitätstheorie bringt dies unter folgendem Zitat noch einmal klar zum Ausdruck:

„Je größer die subjektive Wahrscheinlichkeit ist, mit der eine Person angenehme Handlungsfolgen bei Ausführung einer bestimmten Handlungsalternative erwartet und je positiver sie diese Handlungsfolgen bewertet und je geringer die subjektive Wahrscheinlichkeit ist, mit der die Person unangenehme Handlungsfolgen bei Ausführung dieser Handlungsalternative erwartet, desto eher bzw. häufiger wird sie diese Handlungsalternative auch ausführen.“[4]

Die Ökonomische Kriminalitätstheorie kann als Spezialfall von Theorien rationalen Handelns angesehen werden. Dabei gelten nach Lüdemann und Ohlemacher folgende drei Grundannahmen:

1. Handeln wird durch individuelle Präferenzen wie Zielen, Wünschen oder Bedürfnissen bedingt
2. Handlungen werden durch subjektive sowie objektive Restriktionen und Möglichkeiten bedingt (Annahme der Handlungsrestriktionen)
3. Akteure versuchen ihre Ziele unter Berücksichtigung von Handlungsrestriktionen in höchstmöglichem Ausmaß zu realisieren (Annahme der Nutzenmaximierung)[5]

Lüdemann und Ohlemacher haben dies konkret an dem Beispiel ‚Schwarzfahren‘ zu verdeutlichen gesucht:

Dem Homo Oeconomicus liegen zwei Handlungsoptionen zur Auswahl. Möglichkeit A wäre die Entscheidung für das Schwarzfahren. Handlungsalternative B hieße, sich gegen das Schwarzfahren und für das Zahlen des Tickets zu entscheiden. Der Nutzen, der aus dem Schwarzfahren entsteht, könnte darin liegen, sich das Geld der Fahrkarte zu sparen. Aber auch soziale Anerkennung (Statuszuwachs[6] ) in einer Gruppe oder Nervenkitzel werden von Lüdemann und Ohlemacher als mögliche Nutzenfaktoren angeführt. Dem gegengerechnet werden die Kosten, die beim Schwarzfahren entstehen, wie beispielsweise: 40€ Strafe, sofern man ertappt wird, ein schlechtes Gewissen und/oder die Peinlichkeit erwischt zu werden. Demnach legen die Autoren auch großen Wert darauf, dass Kosten nicht als monetäre Leistung per se angesehen werden sollen, sondern eben auch als psychische, intrinsische oder soziale Kosten.[7]

Die zweite Handlung ‚das legale Mitfahren mit der Verkehrsgesellschaft‘ bringt den Nutzen mit sich, dass der rationale Akteur seine innere Ruhe hat und mit einem guten Gewissen an dieser Inanspruchnahme der erbrachten Leistung teilnimmt. Dem entgegen gestellt werden Kosten, wie: der Verlust des Geldes, um das Ticket finanzieren zu können, aber auch der Verlust von sozialem Ansehen in der eigenen Gruppe ist denkbar.[8] Dies verdeutlicht erneut, wie wichtig es ist, die Umstände einer einzelnen Person zu kennen. Schließlich befindet sich nicht jedes Individuum das schwarz fährt in der gleichen Situation des Gruppendruckes. So werden Rentner sicherlich seltener zu den letztgenannten Kosten gelangen, als eventuell ein Jugendlicher, der seit neuem einer ‚Clique‘ angehört.

Dabei sollte dem Sachverhalt Beachtung geschenkt werden, dass die einzelnen Elemente des Kosten-Nutzen-Kalküls unterschiedlich schwer wiegen. Abhängig davon, wie man die Situation in diesem bestimmten Moment auffasst und für wie wahrscheinlich man es hält, erwischt zu werden (Entdeckungs-/Kontroll­wahrscheinlichkeit). Dieser Einbezug von Wahrscheinlichkeiten, die subjektiv für sich einzuschätzen sind, haben Lüdemann und Ohlemacher in nachfolgenden Formeln dargelegt:

Nettonutzen für A (Schwarzfahren)=

(Wahrscheinlichkeit der Folge "Sparen von Fahrgeld" x Bewertung dieser Folge) + (Wahrscheinlichkeit der Folge "Nervenkitzel" x Bewertung dieser Folge) + (Wahrscheinlichkeit der Folge "erwischt werden und 40€ zahlen" x Bewertung dieser Folge)

Nettonutzen für B (Ticket lösen)=

(Wahrscheinlichkeit der Folge "gutes Gewissen" x Bewertung dieser Folge) + (Wahrscheinlichkeit der Folge "Kosten des Fahrscheins" x Bewertung dieser Folge) + (Wahrscheinlichkeit der Folge "Freunde halten einen für feige" x Bewertung dieser Folge)[9]

Ein solches Kosten-Nutzen-Kalkül, welches jeder für sich festzulegen hat, bevor er eine Handlung ausführt, wurde durch die Wissenschaftler McKenzie und Tullock auf ein klassisches Markt-Modell projiziert. Auch das Modell Becker soll an dieser Stelle kurz Erwähnung finden. Ich möchte diese beiden ähnlichen Modelle hier noch einmal anführen, da sie den Facettenreichtum der Rational-Choice-Theorie wiederspiegeln und aufzeigen sollen, dass dennoch alle zu dem gleichen Ergebnis führen: das jede Tat – ob kriminell oder nicht – einem klaren Kosten-Nutzen-Konstrukt zugrunde liegt.

Das Modell von McKenzie und Tullock stellt den Täter als Verbrechensproduzenten auf, der auf einem Verbrechensmarkt agiert, welcher über Nachfrage und Angebot organisiert ist. Bevor der potentielle Täter zur Tat schreiten kann, muss er sich über zwei Dinge im Klaren sein: welche Menge an Verbrechen ist rational und wie sehen hierfür Grenzkosten und –nutzen aus. Dabei sollte nach McKenzie und Tullock beachtet werden, dass die Kosten je Straftat von Tat zu Tat steigen, da die Opportunitätskosten sich erhöhen.[10]

Das Modell Becker wiederum nimmt erneut[11] stärkeren Bezug auf die subjektive Bewertung von Situationen durch das rationale Individuum. Der Akteur durchläuft (laut Becker) folgende Phasen der Entscheidungsfindung: zunächst Einholen von Informationen, danach Bewertung der Situation, anschließend die Bestimmung des Nettonutzen und daraufhin ergibt sich die Lösung des Entscheidungsproblems.[12]

Wie lässt sich nach dieser Erkenntnis kriminelles Verhalten also einschränken? Lüdemann und Ohlemacher kommen dabei auf folgende Lösung: situative Kriminalprävention.

„Eine situative Kriminalprävention hat zum Ziel, Kriminalität und abweichendes Verhalten zu verhindern, indem spezifische Maßnahmen eingeführt und angewendet werden, die die Merkmale solcher Situationen beeinflussen oder verändern, in denen Delikte begangen werden können [...].“[13]

Jene präventive Maßnahmen streben mindestens eines dieser Ziele an: Möglichkeiten und Gelegenheiten zur Begehung einschränken, Risiken erhöhen und Anreize verringern. Auf einen Nenner gebracht: wird die Situation zu Ungunsten des Täters ausgelegt, indem die Kosten gesteigert und der Nutzen gesenkt werde. Der Normadressat wäre demzufolge der Schwarzfahrer. Der Normsender ist das allgemeingültige Gesetz, welches diese Tat als ‚kriminell‘ einstuft. Nach diesem Gesetz handeln die Verkehrsgesellschaften, die als Normhüter auftreten.

Es ist also an den Verkehrsgesellschaften die Kosten der Schwarzfahrer zu steigern und so den Anreiz des Schwarzfahrens zu senken. Die Durchsetzbarkeit einer solchen Norm hängt laut Raiser stark von der Macht des Normsenders ab.[14]

„Zur Durchsetzung von Normen ist ein Sanktionspotential notwendig. [...] Auch die Verinnerlichung von Normen stellt keine wirksame Kontrolle dar, wenn sie nicht durch scharfe Sanktionen geschützt wird. Es ist zwischen dem absoluten und dem relativen Sanktionspotential zu unterscheiden. Es ist nicht nur wichtig, überhaupt ein Sanktionspotential zu besitzen, um seine Ansprüche durchzusetzen (absolutes Sanktionspotential), sondern dieses muß so groß sein, daß eventuelle Gegenreaktionen von Seiten des Normbrechers abgewehrt werden können (relatives Sanktionspotential).“[15]

Auf einen Punkt gebracht, soll dies darlegen, dass allein die Ankündigung von 40€ Strafe, zu denen die Verkehrsgesellschaften deutschlandweit berechtigt sind, nicht ausreicht, um das Schwarzfahren einzudämmen. Auch die Umsetzung dessen, sprich den Täter zu erwischen und ihm diese Strafe zu verhängen, ist erforderlich, um jene Handlungsoption als die schlechtere auszuweisen.

Einen interessanten Aspekt, bezugnehmend auf die Macht der Normsender, warf dabei Becker auf. Er brachte 1973 zu Papier, dass das abweichende Verhalten als Solches durch den Normsetzer definiert wird. Demnach erfolgt, laut Becker, auch die Normanwendung selektiv. Gleiche Verhaltensweisen werden personen- und situationsspezifisch unterschiedlich determiniert. Seiner Meinung nach ergeben sich diese Selektionskriterien aus unterschiedlichen Machtverhältnissen.[16] Es wird dabei von Etikettierung gesprochen. Dies ist ein gern aufgegriffenes Thema des ‚Marxistischen Ansatz‘, welches die Definitionsmacht von der ökonomischen Struktur abhängig macht und diese als gesellschaftlich ungleich verteilt ansieht.[17] Die Ansicht, dass kriminelles Verhalten nur eine Frage der Definition ist, wird auch von der Labeling-Theorie geteilt. Bereits 1953 wurde der Begriff der ‚Stigmatisierung‘ geprägt.

„The young delinquent becomes bad, because he is defined as bad.”[18]

Das Aushandeln der Zuschreibung lässt sich auf das Beispiel des Schwarzfahrens der Gestalt übertragen:

„Ein 'schwarz' fahrender Universitätsprofessor besitzt eine andere Definitionsmacht als ein Student oder gar ein Obdachloser: Der Professor wird auf seine Zerstreutheit verweisen können (weil er schließlich ausreichende materielle Ressourcen hat, um das Beförderungsentgelt zu entrichten), während bei dem Studenten und dem Obdachlosen wohl eher utilitaristische Motive unterstellt werden."[19]

Das heißt, dass dem Kontrolleur selbst ein angemessener Spielraum an Einschätzung offen bleibt und hierdurch eine Etikettierung kaum verhindert werden kann.

Doch damit komme ich zu dem wohl wichtigsten Einflussfaktor bei der Entscheidung ‚Schwarz zu fahren‘ – die Entdeckungswahrscheinlichkeit durch einen Kontrolleur.

„Viel bedeutsamer als die angedrohte Sanktionierung ist einmal die faktische Sanktionsbereitschaft und zum Anderen die Wahrscheinlichkeit dafür, dass ein bestimmtes normabweichendes Verhalten auch tatsächlich sanktioniert wird. […] Glaubt also ein potenzieller Normbrecher, dass die Sanktions­wahrscheinlichkeit für sein Verhalten gleich 0 ist, so nützt die höchste Strafandrohung nicht: Er wird sich gleichwohl abweichend verhalten, weil er damit rechnet, nicht entdeckt und nicht bestraft zu werden.“[20]

So viel zu den vermeintlichen Kosten für einen Schwarzfahrer. Es wird dem aktiven Leser erneut bewusst, dass die Strafhöhe nicht relevant für die Entscheidung eines potentiellen Schwarzfahrers ist, sondern vielmehr die Höhe der Wahrscheinlichkeit erwischt zu werden.

„Nichts macht den Apparat der Gesetze brüchiger, als die Hoffnung auf Straflosigkeit.“[21]

Foucault geht zusätzlich auf die Hauptfunktion von Strafen ein: die Vorbeugung. Schließlich wird nicht nur dem Delinquenten bewusst, dass er mit hohen Kosten zu rechnen hat. Sondern auch den umgebenden Mitfahrern wird ins Gedächtnis gerufen, dass sich Schwarzfahren aufgrund der Kontrollwahrscheinlichkeit nicht lohnt. Jemand, der möglichweise noch nie einen Kontrolleur zu Gesicht bekommen hat, wird eher geneigt sein, über ein zukünftiges Schwarzfahren nachzudenken und in seiner Handlung umsetzen. Warum sollte er ein Ticket lösen, wenn er doch kostenlos mitfahren kann, ohne eine Strafe abzufassen? Demnach sollte die ‚Dichte der Überwachung‘ und die ‚Kontrollmöglichkeit‘[22] von hoher Priorität für die Verkehrsgesellschaften sein.

Auch Tuck und Riley kommen zu dem selben Fazit:

“[…] criminal behavior varies more with the certainty than with the severity of punishment.”[23]

Diesen Schluss hatte ich bereits im zweiten Abschnitt zusammengetragen und namentlich Tsebelis und Rauhut angeführt. Dabei hatte ich bereits vorgemerkt, dass ich unter diesem Kapitel noch einmal konkreter auf die Spieltheorie einzugehen beabsichtige, welches ich im Folgenden umsetzen werde.

Rauhut bringt in seiner Dissertation die Problematik auf folgenden Punkt und führt auch sogleich die Lösung an:

„Crime is a dilemma, in which victims suffer more than perpetrators gain. […] The Hobbesian solution is that a leviathan in form of the state pays control agents to inspect and punish the criminals. Such punishment shall deter criminal behavior with raising the costs of crime and making it unattractive.”[24]

Diese Aussage geht mit der obigen konform. Rauhut geht aber noch einen Schritt weiter und fragt konkret nach, wie der optimale Level an Strafe aussieht?

“The answer from economic theory: [...] Set the expected punishment equal to the damage done minus the marginal cost of deterrence. [...] For policy makers, three variables are changeable; certainty and severity of punishment and the kind of punishment with its associated costs. [...] An efficient enforcement system would apply certainty and severity of punishment such that enforcement costs are minimized.”[25]

Erneut wird die Meinung vertreten, dass nicht die Härte der Strafe maßgebend ist, sondern vielmehr die Gewissheit der Strafe. Doch kann diese Aussage auch auf rechnerischem Wege bewiesen werden? Ja.

Rauhut geht dabei auf Tsebelis[26] ein, der mittels der Spieltheorie seine Belege anführt. Darauf möchte ich in den nachstehenden Absätzen eingehen. Diese ausführliche Verknüpfung mit der Spieltheorie hat den Hintergrund, dass meine Daten nicht auf die faktische Kontrollwahrscheinlichkeit der Verkehrsgesellschaften ausgelegt sind, sondern stattdessen die subjektiv eingeschätzte Entdeckungswahrscheinlichkeit des Delinquenten beinhalten. Demnach kann ich die Seite des Normhüters nicht abbilden und möchte dies zumindest über die Spieltheorie so gewissenhaft wie möglich ergänzen. Zum Verständnis: die Spieltheorie versucht an Hand von Wahrscheinlichkeitsberechnungen Prognosen über das Verhalten von Personen zu ermitteln. Demnach soll anschließend an dem Beispiel des Schwarzfahrens ausgerechnet werden, wie es dazu kommt, dass die Kontrollwahrscheinlichkeit und nicht die Strafhöhe so einen starken Einfluss auf das Handeln der potentiellen Delinquenten ausübt.

Eine Annahme, der sich die Spieltheorie bedient, lautet, dass die Kontrolleure eine zusätzliche Entlohnung erhalten, sofern sie einen Schwarzfahrer entdeckt haben. Diese Belohnung soll bei 10€ liegen. Allerdings muss der Kontrolleur auch Kosten in Höhe von 5€ aufwenden, um nach Schwarzfahrern zu fahnden, so eine weitere Annahme. Meines Erachtens ein sehr sinnvolles Konstrukt, da somit den Kontrolleuren an Anreiz für die Durchführung von Kontrollen gesetzt wird. Aber auch der Aufwand als fassbare Kosten verbucht werden, um einen realistischen Bezug zu wahren.

Dieses Konstrukt lässt sich wie folgt darstellen:

Abbildung in dieser Leseprobe nicht enthalten

Die Wahrscheinlichkeit hierbei Schwarz zu fahren wird von der Kontrollwahrscheinlichkeit in Abhängigkeit gesetzt. Dabei kommt es zum Einsatz von Nutzenwerten.

Als erstes soll die Wahrscheinlichkeit ‚q‘ errechnet werden, die die Schwarzfahrwahrscheinlichkeit angibt. Dabei wird dem Kontrollieren ein Nicht-Kontrollieren gegenübergestellt:

EUK(K) = EUK(┐K)

5q – 5(1-q) = 0q + 0(1-q)

Für ‚q‘ lässt sich dabei der Wert 0,5 ermitteln. Also würde der Fahrer hier zu 50% schwarzfahren.

Diese Gleichung nach ‚p‘ umgestellt, ergibt:

60p + 100(1-p) = 98p + 98(1-p)

rechnet, dann erhält man ein Ergebnis von 0,05 für ‚p‘. Sprich es wird zu 5% eine Kontrolle durchgeführt.

Dieses mathematische Vorgehen lässt auf Aussagen schließen, wie:

1. Die Strafe darf nicht unter die Fahrkosten fallen.
2. Die Strafhöhe ist ‚uninteressant‘, da unabhängig vom Strafmaß die Schwarzfahrerquote bei 50% liegt.
3. Je mehr Geld als Fangprämie ausgegeben wird, desto eher ist der Fahrgast geneigt, nicht schwarz zu fahren.

Um die dritte Hypothese noch einmal besser nachvollziehen zu können, hier eine Anschlussrechnung:

Abbildung in dieser Leseprobe nicht enthalten

Das ‚t‘ soll an dieser Stelle für eine variable Fangprämie stehen. Es ergibt sich folgende Gegenüberstellung:

EUK(K) = EUK(┐K)

(t-5) q – 5(1-q) = 0q + 0(1-q)

Die Wahrscheinlichkeit des Schwarzfahrens ‚q‘ entspricht am Ende dem Verhältnis aus 5 / t. Daraus lässt sich schlussfolgern, dass wenn ‚t‘ den Wert 10 annimmt (die Fangprämie von unseren Anfangsannahmen), sich wie zuvor ‚q‘ mit 0,5 errechnen lässt. Sollte jedoch ‚t‘ über den Wert 10 ansteigen, sinkt automatisch ‚q‘. Also: Je höher die Fangprämie, desto weniger wird Schwarzgefahren.[27]

Somit lässt sich das Fazit mittels der Spieltheorie bestätigen, dass die Kontrollwahrscheinlichkeit stärker wiegt, als die Höhe des Strafmaßes. Sofern die Verkehrsgesellschaften dieses noch durch zusätzliche Fangprämien unterstützen, sinkt der Anreiz zum Schwarzfahren immer mehr. Dies würde aber voraussetzen, dass die Verkehrsgesellschaften hierzu bereit wären. Eine solche Entscheidung würde wiederum die Kosten für die Mitarbeiter steigern und die Einnahmen des Strafgeldes von 40€ würden abnehmen. Dennoch wäre ein Ausgleich geschaffen, da immer mehr Fahrgäste ein Ticket lösen. Wenn man diesen Faden jedoch weiter spinnt, könnte sich das Problem ergeben, dass ohne Schwarzfahrer auch keine Fangprämien mehr fällig werden und die Motivation der Kontrolleure tendenziell abnehmen würde. Daraufhin würde sich Schwarzfahren wieder mehr lohnen, welches die Problematik erneut produziert.

Eine weitere interessante Vorgehensweise des Rational-Choice-Ansatzes mit spieltheoretischen Zügen ist der Einbezug von verschiedenen Charakteren an Fahrgästen und potentiellen Schwarzfahrern. Auch ein solches Maß an detailliertem Vorgehen wird mir. über die mir zur Verfügung stehenden Daten, nicht möglich sein.

Dabei werden erneut Erwartungswerte genutzt und Entscheidungen unter Risiko modelliert. Das heißt, es wird hinterfragt, ob der Schwarzfahrer risikoneutral handelt oder eher risikofreudig, beziehungsweise risikoscheu.

Wenn man hierbei beispielsweise von einem Strafmaß in Höhe von 40€ ausgeht und 2€ Fahrscheinkosten, kann man errechnen, wie hoch die Entdeckungswahrscheinlichkeit (p) liegt und wie sie anhand des Akteurs variiert. Dabei wird angenommen, dass der Akteur Geld in Höhe von 100€ besitzt.

Option 1: das legale Nutzen der Straßenbahn durch Einlösen eines Fahrscheines.

Die erste Lotterie gestaltet sich dabei folgendermaßen: L1 = (98,1). Dabei gibt der Wert 98 die 100€ minus 2€ Fahrscheinkosten an und die 1 entspricht der Wahrscheinlichkeit.

Option 2: das illegale Verhalten des Schwarzfahrens.

Die zweite Lotterie gestaltet sich dabei wie folgt: L2 = (60,100;p,1-p). Bei einer Entdeckungs­wahrscheinlichkeit von ‚p‘ wird es zu einem Strafgeld in Höhe von 40€ kommen, so dass dem Delinquenten nur noch 60€ verbleiben. Mit einer Gegenwahrscheinlichkeit von 1-p wird er nicht entdeckt, fährt schwarz ohne Kosten zu haben und kann so seine 100€ behalten.

Um nun einen Wert für ‚p‘ zu erhalten, wird angenommen, dass der Nutzen dem der Akteur aus Lotterie 1 entsteht, größer ist als der Nutzen, der bei Lotterie 2 entsteht. Schließlich soll sich der Nutzer der Straßenbahn für das legale Verwenden der Verkehrsgesellschaften entscheiden.

Ergo: L1 ≥ L2. Werden nun die Werte für die Lotterien eingesetzt und anschließend nach ‚p‘ umgestellt, ergibt sich ein Wert von 0,05. Das heißt, wenn die Entdeckungswahrscheinlichkeit unter den gegeben Umständen bei 5% liegt, entscheidet sich der risikoneutrale Akteur für das Kaufen einer Fahrkarte.

Ein risikoscheuer Akteur wird einem Nutzenwert von U(x) = √x zugeordnet, was die Werte der Lotterien (98, 60 und 100) dezimiert.

Nach dem gleichen Prinzip wie oben (bei den risikoneutralen Akteuren), wird nun eingesetzt und umgestellt. Hier ergibt sich ein Wert von 4,5%. Dies bedeutet, ein risikoscheuer Akteur würde sich bereits bei einer niedrigeren Entdeckungswahrscheinlichkeit gesetzeskonform verhalten.

Der risikofreudige Akteur hingegen wird mit U(x) = x² angegeben und besitzt somit eine Entdeckungs­wahrscheinlichkeit von 6,2%. Interessant wäre bei diesem Akteur, wie sich sein Verhalten steuern lässt. Bei Verdopplung der Strafe würde lediglich eine Entdeckungswahrscheinlichkeit von 4,1% benötigt werden.

Während dieser gesamten Berechnungen sollte jedoch nicht aus den Augen geraten, dass, auch wenn hier versucht wird verschiedene Individuen abzubilden und auf ihre Charaktere einzugehen, dennoch immer verschiedene subjektive Faktoren in die Entscheidung mit einfließen, die keine noch so gute Rechnung umsetzen könnte.

So sind beispielsweise die Kosten eines Tickets – für das Beispiel Leipzig: 2,10€ für ein Einzelfahrticket Zone 110 – nicht für jeden Einzelnen die gleichen Kosten. Damit möchte ich zum Ausdruck bringen – mitunter schichtbedingt und abhängig davon, wie viel eine Einzelperson verdient – dass 2,10€ unterschiedlich schwer in einem Portmonee wiegen können. Diese Betrachtung wird unter der Anomietheorie aufgegriffen und soll hier nicht stärker vertieft werden. Dennoch sollte es an dieser Stelle Erwähnung finden, da es unterschiedliche Differenzen zwischen den Chancen des Zugangs zu legitimen, als auch den illegitimen Mitteln gibt.[28] Denn auch dieser Gedankengang zählt in die Einschätzung von Kosten mit ein.

Ebenso können die psychischen Kosten eines Schwarzfahrers unterschiedlich ausgelegt werden. Nicht jeder empfindet die gleichen Gewissensbisse und nach Sykes und Matza gibt es die sogenannten ‚Neutralisierungs­techniken‘, um diese psychischen Kosten zu senken. Demnach lehnt der Delinquent die Eigenverantwortung ab und verneint im gravierendsten Falle sein Unrecht. Auch die Ablehnung des Opfers – demnach die Verkehrs­gesellschaften – zählt zu diesen Techniken der Neutralisierung. Des Weiteren zählt die Verdammung der Verdammenden hinzu – die in meinem Falle keinen Einfluss haben – und die Berufung auf höhere Instanzen.[29]

Diese Technik dient als Mechanismus zur Verringerung der kognitiven Dissonanz. Der Delinquent schützt sich somit vor seinen eigenen Vorwürfen und derer anderer, indem er seine Tat „rechtfertigt“. Auch eine Art und Weise seine Kosten zu senken.

3.2 Kritik am Rational-Choice-Ansatz

Schlussendlich hat jede Theorie ihre Schwachstellen vorzuweisen. Deswegen möchte ich unter den nachfolgenden Absätzen die Kritikpunkte des Rational Choice anführen.

Lattimore und Witte gaben 1986 sieben Punkte zu bedenken:

1. “[…] in many cases the model fails to predict individual choices accurately.”
2. “[...] early work by Frederich Mosteller and Philip Nogee (1951) that shows that subjects did not give consistent responses on repeated measures of preferences.”
3. “[...] experimental work by Sarah Lichtenstein and Paul Slovic [...] has revealed a phenomenon termed 'preference reversal'. Preference reversals occur when individuals prefer to play a gamble that features a high probability of winning a modest sum of money [...] rather than a gamble that features a small probability of winning a large amount of money [...] but, at the same time, attach a higher monetary value to the low probability/ large return than to the high probability/ small return bet. Such preferences represent reversals because the individual is simultaneously preferring on a choice and placing a higher value on the other choice.”
4. “[...] Kahneman und Tversky [...] In a series of experiments, they found that individuals tend to overweight certain outcomes, a clear violation of the predictions of the expected utility model. Additionally, they have found that people often employ a heuristic when predicting values of outcomes [...] This heuristic applies when people make estimates by starting from an initial value that is adjusted to yield the final answer. They report that research has shown that the adjustment is usually insufficient, with final answers being biased toward initial values.”
5. “Hillel Einhorn [...] reported that because task structures are often unknown and people often act in ways that preclude learning, it is unlikely that appropriate adjustments are made.”
6. “Considerable evidence also exists that individuals underweight objective probabilities when forming subjective probabilities, unless the probabilities are 'small', in which case they are overweighted [...]”
7. “Additionally, the formation of subjective probabilities appears to be affected by whether a situation is strictly a gamble of one in which an individual feels capable of exerting control [...]”.[30]

Das Hauptargument liegt darin, dass rein rational betrachtet, jedes Individuum unter gleichen Umständen und Situationen auf das gleiche Ergebnis – sprich die gleiche Handlungsalternative – kommen müsste. Dies passiert in der Realität aber nicht. Das kann zum Beispiel an Über- oder Unterschätzungen von subjektiven Wahr­scheinlichkeiten liegen.

Auch Johnson und Payne führten im selben Jahr einen Kritikpunkt an. Dieser liegt darin, dass die Hauptannahme des rationalen Akteurs - nämlich die Kenntnis über alle Informationen - ein Trugschluss sei. Die wohl realistischere Herangehensweise, laut der beiden Autoren, nennt sich ‚Bounded Rationality‘.

„The bounded rationality hypothesis states that behavior is reasoned within constraints, but not necessarily rational in the strict expected utility maximization sense. […] Whereas an expected utility approach would suggest that all crimes and possible outcomes are considered for any criminal decision, a bounded rationality view suggests that only a few aspects of a few alternatives may be considered, and the rest ignored. […] We suggest that decision makers use highly flexible, contingent heuristics, and that resultant choices will depend upon a number of task and problem characteristics such as the manner in which information is presented.”[31]

Demnach bezieht sich eine Entscheidung nicht auf alle Informationen, sondern eben auf jene, die dem Entscheider als wichtig vorkommen und die er überhaupt wahrnimmt. Alle anderen werden ignoriert.

Bezugnehmend auf die vorangegangenen Kritikpunkte lässt sich für meine Studie jedoch anführen, dass diese Einwände unnötig sind. Es werden konkrete Fragestellungen an den Probanden gestellt, die vorrangig auf aktive Handlungen (sowohl in der Vergangenheit, als auch Zukunftsabsichten), persönliche Einstellungen und Wohlbefinden abzielen. Genaueres werde ich erst im vierten Kapitel anführen.

Auch der letzte Kritikpunkt lässt sich leicht entkräften. Dieser Einwand kommt von Rottleuthner und stellt dem rationalen Adressaten einen Akteur entgegen, der stattdessen „aus dem Affekt heraus“ handelt.[32] Ein solcher Tathergang ist verständlicherweise nicht mit dem Rational-Choice-Ansatz abzudecken. Doch wie bereits erwähnt, wird dies für das Schwarzfahren nicht von Relevanz sein, da Schwarzfahren meines Erachtens nach nicht „im Affekt“ passiert, sondern stets eine überlegte Sache ist. Selbst wenn der Fahrgast auch nur für einen Bruchteil seine Chancen abwägt, kann nicht mehr von Affekt gesprochen werden. Für mich schließt eine Handlung aus Affekt eine starke Emotion ein, die beim Schwarzfahren wohl fehl am Platz ist.

Nachdem ich nun meine theoretische Fundierung offen gelegt und über den Rational-Choice-Ansatz hinaus meine Gedankengänge formuliert habe, sollen nun meine Forschungshypothesen konkretisiert werden.

3.3 Herleitung von Forschungshypothesen

Zunächst werde ich meine Hypothesen aufzählen, um danach Schritt für Schritt auf jede einzelne einzugehen und zu erklären suchen, wie diese durch den oben erwähnten Rational-Choice-Ansatz abgedeckt werden kann.

H1: Je häufiger Schwarzfahren bereits in der Vergangenheit ausgeführt wurde, desto höher die Absicht dies in Zukunft erneut umzusetzen.

H2: Je häufiger jemand kriminelle Handlungen bereits in der Vergangenheit verübt hat, desto höher die Schwarzfahrabsicht. (Alkohol am Steuer, Steuerbetrug/-hinterziehung, Ladendiebstahl)

H2.1: Je häufiger jemand ‚Alkohol am Steuer‘ bereits in der Vergangenheit verübt hat, desto höher die Schwarzfahrabsicht.

H2.2: Je häufiger jemand ‚Steuerbetrug‘ bereits in der Vergangenheit verübt hat, desto höher die Schwarzfahrabsicht.

H2.3: Je häufiger jemand ‚Kaufhaus-/ Ladendiebstahl ‘ bereits in der Vergangenheit verübt hat, desto höher die Schwarzfahrabsicht.

H3: Je höher die eigene Entdeckungswahrscheinlichkeit eingeschätzt wird, desto geringer die Schwarz­fahrabsicht.

H4: Je positiver die Einstellung einer Person gegenüber abweichendem Verhalten, desto höher die Schwarzfahrabsicht. (1: Gewalt bei Widerspruch, Gewalt gegen Kinder, Vergewaltigung in der Ehe, Diebstahl in der Wohnung, Alkohol am Steuer, Ausländerfeindlichkeit)

H5: Je positiver die Einstellung einer Person gegenüber abweichendem Verhalten, desto höher die Schwarzfahrabsicht. (2: Steuerbetrug, Schwarzfahren, Kaufhausdiebstahl, Haschischkonsum, Homosexualität)

H6: Je stärker jemand Gesetzesnormen im Allgemeinen akzeptiert, desto niedriger die Wahrscheinlichkeit Schwarz zu fahren.

H7: Je zufriedener jemand mit seinem Umfeld ist, desto niedriger die Schwarzfahrabsicht.

Die erste Hypothese zielt auf Erfahrung ab und hinterfragt, wie oft das abweichende Verhalten bereits umgesetzt werden konnte. Dadurch konnte der Delinquent seine Situation besser auskundschaften und feststellen, ob sein Verhalten mit einer „Belohnung“ gekürt wurde. Die Erfahrung ermöglicht es ihm, sein Kosten-Nutzen-Kalkül zu testen und auch die Entdeckungswahrscheinlichkeit besser einschätzen zu können. Jemand, der immer wieder zum Schwarzfahrer wird und nicht erwischt wurde, kann sicherlich auch seine psychischen Kosten senken. Er wird weniger aufgeregt sein, da es sich nicht mehr um eine neue Situation handelt. Je häufiger der Schwarzfahrer sein Verhalten an Tag legen kann, umso stärker konnte sich sein Nutzen manifestieren.

Die zweite Hypothese hat den gleichen Ansatz. Nur dass hier die Vermutung laut wird, dass nicht nur das Schwarzfahren, sondern auch andere kriminelle Verhaltensstrukturen – wie Alkohol am Steuer, Ladendiebstahl und Steuerbetrug – zu dem gleichen Nutzen führen. Allgemein ermöglicht der Umgang mit illegalen Situationen es dem Delinquenten in Erfahrung zu bringen, ob sich ein solches Verhalten ‚lohnt‘, je häufiger er es umsetzt.

Die dritte Hypothese geht auf den in der Literatur am stärksten genannten Faktor ein – die Entdeckungs­wahrscheinlichkeit. Hierbei handelt es sich nicht um die faktische Umsetzung durch die Verkehrsgesellschaften (Kontrollwahrscheinlichkeit), sondern um die subjektive Einschätzung dieser Wahrscheinlichkeit. Dies wiegt in meinen Augen stärker, denn nur das eigene Empfinden wird in das Kosten-Nutzen-Kalkül eines rationalen Akteurs eingerechnet.

Hypothesen vier und fünf decken die Annahme der psychischen Kosten ab. Sobald jemand eine positive Einstellung gegenüber Verbrechen hegt, lässt dies auf Argumente schließen, die ein solches Handeln in gewissem Maße gutheißen. Sonst würde man sie nicht als positiv verbuchen. Dementsprechend wird das schlechte Gewissen beim Schwarzfahren geringer ausfallen.

Hypothese sechs geht auf einen ähnlichen Gedankengang ein. Bei einer Einstellung, die Gesetzestreue als obere Priorität hat, würde das schlechte Gewissen – also die psychischen Kosten – bei einer Schwarz­fahr­situation steigen.

Je unzufriedener jemand mit seinem Umfeld ist, umso stärker ist die Neigung einen Nutzen aus diversen Situationen zu ziehen. Hypothese sieben soll damit zum Ausdruck bringen, dass jemand der zufrieden ist, keines weiteren Nutzens bedarf. So zumindest die These.

Im Anschluss werde ich auf den verwendeten Datensatz eingehen und sowohl die Stichprobe, als auch das statistische Verfahren beschreiben, um meine Hypothesen zu prüfen und bestenfalls verifizieren zu können.

4. Methode

In den nächsten Unterkapiteln dieses vierten Abschnitts wird die Beschreibung der Stichprobe, der Erhebungsinstrumente, als auch der von mir durchgeführten Operationalisierung der Variablen erfolgen.

4.1 Daten

Die Datengrundlage meiner Studie ist der ALLBUS 2000.

Der ALLBUS (Allgemeine Bevölkerungsumfrage der Sozialwissenschaften) ist eine multithematische, langfristig angelegte Umfrageserie zu Verhaltensweisen, Einstellungen sowie Sozialstruktur der Bevölkerung Deutschlands. Diese Erhebung findet seit 1980 in einem zweijährigen Turnus statt und wird von der Institution GESIS (Gesellschaft Sozialwissenschaftlicher Infrastruktureinrichtungen) mittels persönlich-mündlichen Interviews durchgeführt.[33]

Der exakte Erhebungszeitraum für den von mir verwendeten Datensatz ‚ALLBUS 2000‘ liegt zwischen Januar 2000 bis einschließlich Juli 2000. Die Grundgesamtheit bezieht sich dabei auf das Untersuchungsgebiet der Bundesrepublik Deutschland, wobei die erwachsene Wohnbevölkerung befragt wird. Diese bezieht sich aus den Einwohnermelderegistern mit den Auswahlstufen Gemeinden - Personen. Dabei ist zu erwähnen, dass im Jahr 2000 ein Umstieg von traditionellen Papierfragebögen (PAPI) zur computergestützten Befragung mit Laptop (CAPI) erfolgte.[34]

Um der Untersuchung Aussagen über Einstellungen und Verhaltensweisen abgewinnen zu können, wurden repräsentative Querschnittsdatensätze gebildet, die einen eigenen inhaltlichen Schwerpunkt besitzen. In dieser Untersuchung des Datensatzes 2000 lautet einer der Themenschwerpunkte ‚Abweichendes Verhalten und Sanktion‘, weswegen ich diesen Datensatz für meine Analyse ausgewählt habe.[35]

Insgesamt 3138 Personen aus Privathaushalten konnten befragt werden. Dabei verhält sich die Geschlechterverteilung sehr ausgewogen. 51,7% der Befragten sind Frauen. Demgegenüber wurden 48,3% Männer befragt.[36] Auch das Alter der Probanden kann als nahezu normalverteilt angesehen werden.[37] Es beginnt bei 18 und endet bei 95 Jahren. Das Durchschnittsalter liegt somit bei 47,63 Jahren. Am stärksten ist dabei das mittlere Feld ausgeprägt, mit 56,1% aller 31- bis 60-Jähriger.[38]

4.2 Operationalisierung der Variablen

Meine verwendeten Variablen belaufen sich auf eine abhängige Variable, neun unabhängige Variablen und vier demographischen Kontroll-/Moderatorvariablen. Die Bildung dieser Variablen lässt sich in einem Überblick der Tabelle 1 (unter IV. Anhang – IV.2 Tabellen) entnehmen. Diese Rekodierungsübersicht soll den Prozess der Umwandlung vereinfacht darstellen und leichter nachvollziehbar machen. Zu der Linken sind die Angaben zu den Originalvariablen des Datensatzes ALLBUS 2000 abzulesen und zu der Rechten sind meine neu rekodierten Variablen wiederzufinden. Dabei ist in der Mitte die Fragestellung dargelegt. In wenigen Fällen kam es zu einem Richtungswechsel der Skalierung (von ‚v80‘ zu ‚treu‘) oder der Bildung einer dichotomen Variable (‚schwarz_z‘ und ‚zufrieden‘).

Doch nun werde ich auf die von mir gebildeten Variablen genauer eingehen, um zu zeigen, was sich genau dahinter verbirgt.[39]

Meine abhängige Variable ‚schwarz_z‘ bildet die Zukunftsintention ab, ob der Proband gewillt ist zukünftig schwarz zu fahren oder nicht. Demnach handelt es sich hier um eine dichotome abhängige Variable. Hintergrund der Verwendung einer Zukunftsintention ist der, dass die einzige alternative Variable – bereits in der Vergangenheit schwarzgefahren zu sein – eine rückgewandte Aktion darstellt. Diese durch unabhängige Variablen zu erklären, die zu einer späteren Zeit gemessen wurden (Erhebungszeitpunkt des ALLBUS 2000), wäre weder sinnvoll noch logisch.

Dabei machten insgesamt 33,7% der Befragten die Angabe, niemals ein solches Handeln in Zukunft umsetzen zu wollen. Hingegen 10,6% der Befragten können es sich unter Umständen vorstellen schwarz zu fahren. Diese Häufigkeitsverteilung entspricht einer L-Kurve, die sich als klassisches Bild von abweichendem Verhalten bezeichnen lässt.[40] Dabei ist jedoch kritisch anzumerken, dass seitens der ALLBUS-Befragung ungeklärt bleibt, ob eine normrelevante Situation für jeden Probanden besteht oder nicht. Damit möchte ich zum Ausdruck bringen, dass zum Beispiel keine konkrete Fragestellung existiert, inwiefern Straßenbahnfahren zum Alltag gehört oder ob man stattdessen ein Auto besitzt. Frei nach dem Motto ‚Gelegenheit macht Diebe‘ kann somit nicht eingegrenzt werden, welcher Befragte stärker der Versuchung des Schwarzfahrens ausgesetzt ist, oder nicht.

Zusätzlich ist an dieser Stelle zu beachten, dass eine soziale Verzerrung nicht gänzlich auszuschließen ist. Es kann nicht in Erfahrung gebracht werden, ob einzelne Befragte bewusst falsche Angaben machen, da sie in der Gesellschaft nicht als kriminell dargestellt werden möchten (Soziale Erwünschtheit). Dem wurde aber seitens der GESIS stark entgegen gewirkt, indem die ‚sealed-envelope-Technik‘ zum Einsatz kam. Dabei gaben die Befragten ihre Antwort zur Häufigkeit von begangenem abweichenden Verhalten oder auch Zukunftsintentionen eines solchen ‚kriminellen‘ Handelns via eines geschlossenen Umschlages an, den der Interviewer nicht zu sehen bekam.[41]

Im Anschluss folgen nun die unabhängigen Variablen.

Unter den neun unabhängigen Variablen, mit denen ich die Zukunftsabsicht der Probanden zu erklären suche, sind vier Kavaliersdelikte abgefragt wurden. Hierbei handelt es sich um Schwarzfahren, Steuerbetrug, Alkohol am Steuer und Ladendiebstahl. Dabei geht es um die konkrete Umsetzung dieser Handlungen in der Vergangenheit. Demnach lässt sich einschätzen, ob eine solche Tat bereits begangen wurde und wenn ja, wie oft. Da ich in meiner Analyse vor allem am Schwarzfahren interessiert bin, habe ich diese Variable ‚schwarz‘ in einer separaten Hypothese formuliert (H1). Die anderen drei Massendelikte sind in Hypothese 2 untergebracht (‚alk‘, ‚dieb‘, ‚steuer‘).

Bei der Frage, ob bereits schon einmal Schwarzfahren in der Vergangenheit ausgeübt wurde (Variable ‚schwarz‘[42] ), gaben 28,3% der Probanden an, dies noch nie getan zu haben. Die zweitstärkste Antwortkategorie war ‚2 bis 5 Mal‘ mit 7,3%, gefolgt von 5,7% mit lediglich ‚1 Mal‘.

Bei Alkohol am Steuer (Variable ‚alk‘[43] ) ist eine ähnliche Verteilung zu erkennen. Erneut gibt die Mehrheit an, ein solches Verhalten noch nie umgesetzt zu haben (32,1%). Auch hier ist die Antwortkategorie ‚2 bis 5 Mal‘ die am stärksten vertretene unter den Delinquenten (mit 5,9%). Wiederum gefolgt von der Angabe ‚1 Mal‘ mit 4,3%.

Steuerbetrug (Variable ‚steuer‘[44] ) verhält sich ein wenig anders. Ebenfalls gibt die Mehrheit an, noch nie die Steuerbehörden betrogen zu haben (38,8%). Die am häufigsten genannte Kategorie liegt hier bei ‚1 Mal‘ unter den Abweichlern (2,6%). 2,3% der Befragten gaben an, in der Vergangenheit zwischen ‚2 bis 5 Mal‘ bei der Steuererklärung falsche Angaben gemacht zu haben.

Auch der Kaufhaus-/Ladendiebstahl (Variable ‚dieb‘[45] ) lässt ein solches Verhaltensmuster erkennen. Erneut gibt die Mehrheit an, mit 39,8%, kein abweichendes Verhalten in der Vergangenheit gezeigt zu haben. 2,9% hingegen haben bereits ‚1 Mal‘ einen Ladendiebstahl begangen. Gefolgt von 1,6% Befragter, die eine Häufigkeitsspanne von ‚2 bis 5 Mal‘ angekreuzt haben.

Es lässt sich kritisch anmerken, dass Angaben von zurückliegenden Handlungen, die der Befragte einmal begangen hat, einen langen Zeitraum implizieren, wodurch Erinnerungsfehler auftreten können. Sowohl eine Überschätzung der Häufigkeit, als auch eine Unterschätzung können die Folge sein.

Die unabhängige Variable ‚entdeckung‘[46] ist in meiner dritten Hypothese untergebracht und stellt die Entdeckungswahrscheinlichkeit dar, die die Probanden subjektiv einschätzen. Diese stellt das Hauptrisiko beim Schwarzfahren dar und kann unter den entstehenden Kosten einer rationalen Entscheidung verbucht werden. Die meisten der Befragten gaben eine Wahrscheinlichkeit von ‚50 zu 50‘ an. Jene Meinung wurde mit 17,6% wiedergegeben. Die Antwort ‚eher unwahrscheinlich‘ wurde mit 10,8% der Gesamtbefragten abgebildet. Dies hinterlässt den Eindruck, dass die meisten ein niedriges Risiko beim Schwarzfahren vermuten, erwischt zu werden. Dennoch ist die Antwortmöglichkeit ‚sehr unwahrscheinlich‘ am wenigsten bestätigt worden (mit 5,4%). Demnach rechnen sich immerhin 14,8% der potentiellen Fahrgäste geringe Chancen aus, beim Schwarzfahren unbemerkt davon zu kommen (Antwortkategorien ‚sehr wahrscheinlich‘ und ‚eher wahrscheinlich‘).

Die sechste unabhängige Variable ‚einstellung‘ gibt die Einstellungen der Personen gegenüber verschiedenen Situationen wieder, die abweichendes Verhalten beinhalten. Dabei ist nicht das eigene Handeln der Maßstab, sondern die Einschätzung einer Handlung per se, als ob man einen Fremden bei der beschriebenen Tat beobachten würde[47]. Diese Variable kann als fast normalverteilt angesehen werden[48]. Leider bleibt es bei dieser Verteilung nicht, da ich nach einer durchgeführten Faktorenanalyse[49] zu dem Schluss einer Aufsplittung gelangt bin. Das Ergebnis sind zwei Faktoren: ‚einstellung_1‘ (Reliabilitätsanalyse ergab einen Chronbachs-Alpha-Wert von 0,673) und ‚einstellung_2‘ (Reliabilitätsanalyse ergab einen Chronbachs-Alpha-Wert von 0,676), die sich auch in den Hypothesen vier und fünf wiederfinden lassen. Welche Verhaltensweisen genau von den Befragten beurteilt werden sollten, kann nochmals genau in der von mir erstellten Rekodierungstabelle nachgelesen werden[50]. Es ist deutlich zu erkennen, dass ‚einstellung_1‘ eher eine Einschätzung von schwereren Delikten impliziert und ‚einstellung_2‘ hingegen vielmehr auf Kavaliersdelikte Bezug nimmt.

Die Meinung der Interviewten unter der Variable ‚einstellung_1‘[51] ist am häufigsten bei der Antwortkategorie ‚sehr schlimm‘ anzutreffen. Die Antwortmöglichkeit ‚gar nicht schlimm‘ wurde erst gar nicht in Betracht gezogen. Hier liegt nun ein L-förmiger Häufigkeitsverlauf vor.[52]

Der zweite Faktor ‚einstellung_2‘[53] kann hingegen immer noch als fast normalverteilt angesehen werden. Hier liegt die am häufigsten bekundete Meinung bei ‚ziemlich schlimm‘. Auch die Position zwischen ‚weniger schlimm‘ und ‚gar nicht schlimm‘ wurde häufiger eingenommen, als bei ‚einstellung_1‘. Demnach kann bei der Variable ‚einstellung_2‘ von Handlungen ausgegangen werden, die die Befragten für weniger schlimm erachten, als vergleichsweise unter ‚einstellung_1‘.[54]

Die insgesamt befragten 3138 Teilnehmer der ALLBUS-Umfrage 2000 können vorrangig als gesetzestreu tituliert werden. Knapp 50% enthielten sich ihrer Stimme. Aber von denjenigen, die auf die Frage der Gesetzestreue eingegangen sind, haben 24,5% der Aussage ‚voll und ganz‘ zugestimmt. Weitere 20,1% stimmen immerhin ‚eher zu‘. Lediglich 6% vertreten Ansichten zwischen ‚stimme eher nicht zu‘ und ‚stimme gar nicht zu‘. Demnach sieht die Häufigkeitsverteilung bei dieser Variable (‚treu‘[55] ) J-förmig aus. Diese Variable habe ich in meiner sechsten Hypothese untergebracht.

Die Zufriedenheit mit dem Umfeld (Variable ‚zufrieden‘[56] ), was sowohl gesellschaftliches Klima, Politik und Wirtschaftslage beinhaltet (Chronbachs-Alpha-Wert liegt bei 0,488), fällt bei den Probanden tendenziell schlecht aus. Es ist eine L-förmige Häufigkeitsverteilung zu erkennen, wonach mehr Personen unzufrieden mit ihrem Umfeld sind, als zufrieden. Jene Variable gibt die letzte Hypothese wieder, die siebte.

Die Kontrollvariablen, die ich meiner Analyse mit beifügen möchte, sind die demographischen Variablen Alter, Geschlecht, Einkommen und die eigene subjektive Schichteinschätzung. Zur Häufigkeitsverteilung bezüglich Alter und Geschlecht habe ich bereits zu Beginn des vierten Abschnitts gesprochen. Nun werde ich lediglich auf die zwei zuletzt verbleibenden Variablen eingehen.

Bei den Einkommensvariablen (Variable ‚ek_kat‘[57] und ‚einkommen‘[58] ) gaben lediglich 6,4% aller Befragten eine Antwort an. Die meisten verdienen von 0 bis 1.999DM (Netto) pro Monat (siehe ‚ek_kat‘). Bei genauerem Hinsehen zeigt sich jedoch eine Spitze bei einem monatlichen Nettoverdienst von 2.750 bis zu 2.999DM und von 3.500 bis 3.999DM (siehe ‚einkommen‘).

Dieser hohe Bezug von monatlichem Einkommen geht jedoch mit der persönlichen Einschätzung des Befragten nicht konform. Bei der Variable ‚sub_schicht‘[59], die die subjektive Schichteinschätzung abbildet, geben die meisten Interviewteilnehmer an (52%), sich der Mittelschicht zugehörig zu fühlen. Daraufhin folgen bereits mit 35,2% diejenigen, die sich als Arbeiterschicht ansehen. Demnach gaben die Interviewten zwar an, einen guten Verdienst verzeichnen zu können, siedeln sich selber jedoch nicht beziehungsweise selten in der ‚gehobenen Mittelschicht‘ oder gar der ‚Oberschicht‘ an.

Nachdem die detaillierte Beschreibung der verwendeten Variablen erfolgt ist, werde ich anschließend im fünften Kapitel meiner Arbeit auf die Ergebnisse der Analyse eingehen können.

[...]


[1] Lamnek (2008): S.165-185.

[2] Lamnek (2008): S. 165.

[3] Lüdemann und Ohlemacher (2002): S.51-57.

[4] Lüdemann und Ohlemacher (2002): S.52.

[5] Lüdemann und Ohlemacher (2002): S.51f.

[6] Vgl. Opp (2010): S.52.

[7] Lüdemann und Ohlemacher (2002): S.52f.

[8] Lüdemann und Ohlemacher (2002): S.53f.

[9] Lüdemann und Ohlemacher (2002): S.55.

[10] McKenzie und Tullock in Lamnek (2008): S.179.

[11] Vgl. Lüdemann und Ohlemacher (2002): S.54f.

[12] Becker in Lamnek (2008): S.181.

[13] Lüdemann und Ohlemacher (2002): S.135.

[14] Raiser (1987): S.143ff.

[15] Raiser (1987): S.245.

[16] Becker (1973): S.162f.

[17] Vgl. Lamnek (2008): S.137-145.

[18] Tannenbaum (1953): S.17.

[19] Lamnek (2007): S.242f.

[20] Lamnek (2007): S.23-27.

[21] Foucault (1976): S.122.

[22] Raiser (1987): S.246.

[23] Tuck und Riley (1986): S.165.

[24] Rauhut (2008): S.10.

[25] Rauhut (2008): S.11.

[26] Tsebelis (1990): S.255ff.

[27] Tsebelis (1990): S. 255 – 281.

[28] Anomiebegriff nach Cloward und Ohlin in Lamnek (2007): S.129.

[29] Sykes und Matza (1957): S.664ff.

[30] Lattimore und Witte (1986): S.134ff.

[31] Johnson und Payne (1986): S.172-183.

[32] Rottleuthner (1987): S. 71-74.

[33] http://www.gesis.org/allbus

[34] http://www.gesis.org/allbus

[35] Vgl. Wasmer und Koch (2002): S.1-19.

[36] Siehe IV. Anhang unter IV.1 Grafiken: Abb.16.

[37] Siehe IV. Anhang unter IV.1 Grafiken: Abb.14.

[38] Siehe IV. Anhang unter IV.1 Grafiken: Abb.15.

[39] Sollten die Angaben von Mittelwert und Standardabweichung je Variable von Interesse sein, so können diese im Anhang bei den verwiesenen Grafiken nachgelesen werden.

[40] Siehe IV. Anhang unter IV.1 Grafiken: Abb.2.

[41] Vgl. Wasmer und Koch (2002): S.1-19.

[42] Siehe IV. Anhang unter IV.1 Grafiken: Abb.3.

[43] Siehe IV. Anhang unter IV.1 Grafiken: Abb.5.

[44] Siehe IV. Anhang unter IV.1 Grafiken: Abb.6.

[45] Siehe IV. Anhang unter IV.1 Grafiken: Abb.7.

[46] Siehe IV. Anhang unter IV.1 Grafiken: Abb.8.

[47] Vgl. mit Rekodierungstabelle unter IV.2 Tabellen: Tab.1.

[48] Siehe IV. Anhang unter IV.1 Grafiken: Abb.9.

[49] Siehe IV. Anhang unter IV.2 Tabellen: Tab.12.

[50] Siehe IV. Anhang unter IV.2 Tabellen: Tab.1.

[51] Siehe IV. Anhang unter IV.1 Grafiken: Abb.10.

[52] Eigene Anmerkung: Es lässt sich kritisch hinzufügen, dass bei den Formulierungen der Tathergänge vorrangig von Männern die Rede ist. Eine neutrale Wortwahl wurde leider nicht verwendet. Es entsteht das Bild, dass kriminelles Verhalten nur Männern vorbehalten ist.

[53] Siehe IV. Anhang unter IV.1 Grafiken: Abb.11.

[54] Eigene Anmerkung: Hier ist vorrangig eine neutrale Formulierung mit ‚jemand‘ gewählt wurden, wodurch sich jeder Befragter angesprochen fühlt.

[55] Siehe IV. Anhang unter IV.1 Grafiken: Abb.12.

[56] Siehe IV. Anhang unter IV.1 Grafiken: Abb.13.

[57] Siehe IV. Anhang unter IV.1 Grafiken: Abb.18.

[58] Siehe IV. Anhang unter IV.1 Grafiken: Abb.17.

[59] Siehe IV. Anhang unter IV.1 Grafiken: Abb.19.

Details

Seiten
78
Erscheinungsform
Erstausgabe
Jahr
2012
ISBN (eBook)
9783955497675
Dateigröße
5.5 MB
Sprache
Deutsch
Katalognummer
v297170
Institution / Hochschule
Universität Leipzig
Note
2,3
Schlagworte
Kriminalsoziologie Schwarzfahren Spieltheorie Rational Choice Diekmann-Opp-Modell

Autor

Zurück

Titel: Die Verhaltensintention "Schwarzzufahren": Eine empirische Analyse mit dem ALLBUS-Datensatz 2000