Sozioökonomischer Status, Deprivation und die Affinität zur AfD – Eine Forschungsnotiz

Socioeconomic Status, Deprivation, and the Affinity for the AfD—A Note

Zusammenfassung

Wir zeigen anhand von drei aktuellen Datensätzen (ALLBUS 2016, GLES 2016, ESS 2016), dass die Affinität zur AfD ein sozial geschichtetes Phänomen ist. Akteure mit geringer Bildung, mit geringem Einkommen, Arbeitslose, Arbeiter und subjektiv sozioökonomisch deprivierte Akteure tendieren eher zur Unterstützung der AfD als sozioökonomisch bessergestellte. Dieser Befund konfligiert mit einigen vorangehenden Untersuchungen, die das Erstarken des Rechtspopulismus in Deutschland als Konsequenz einer Art ideellen Kulturkampfes deuten, der jeder Grundlage in der ökonomischen Basis der Gesellschaft entbehrt.

Abstract

Using three recent data sets (ALLBUS 2016, GLES 2016, ESS 2016), we show that the affinity for the AfD is a socially stratified phenomenon. Actors with minimal education and low income, the unemployed, workers, and actors who feel deprived in socioeconomic terms have a stronger tendency towards supporting the AfD than those actors with a higher socioeconomic status. This finding contrasts with previous research, which describes the rise of right-wing populism in Germany as the result of some kind of clash of idealistic cultures lacking any foundation in the economic basis of society.

Einleitung

Inglehart und Norris (2016, 2017) stellen in ihren Beiträgen zur Frage, was die Affinität zu populistischen Parteien wie den Front National in Frankreich, die UKIP in Großbritannien oder auch die AfD in Deutschland bedingt, zwei Hypothesen einander gegenüber. Der „economic insecurity hypothesis“ (EIH) zufolge tendieren vor allem objektiv sozioökonomisch benachteiligte Akteure sowie Akteure, welche sich subjektiv sozioökonomisch benachteiligt fühlen, zur Unterstützung von populistischen Parteien. Dem gegenüber steht die sogenannte „cultural backlash hypothesis“, derzufolge die Affinität zu populistischen Parteien weniger durch sozioökonomische, sondern eher durch kulturelle Faktoren, wie die Ablehnung von Multikulturalismus, Umweltschutz oder Feminismus, beeinflusst wird. Auf Basis der über alle teilnehmenden Länder und sechs Wellen gepoolten Daten des European Social Survey bestätigen sie beide Hypothesen. Zugleich argumentieren sie, dass ihre Analysen den Schluss zu lassen, dass kulturelle Faktoren einen stärkeren und wichtigeren Einfluss auf die Affinität zu populistischen Parteien haben als sozioökonomische Faktoren.

Lengfeld (2017) hat jüngst in dieser Zeitschrift einen Beitrag vorgelegt, der diese Fragestellung für den Fall der AfD weiterverfolgt. Auf der Grundlage einer Omnibuserhebung mit ca. 1000 Fällen kommt er zu einem Ergebnis, welches die Kernbotschaft der Studie von Inglehart und Norris (2016) noch verschärft. Demnach sind kulturelle Faktoren nicht nur wichtiger als sozioökonomische Faktoren bei der Erklärung der Affinität zu populistischen Parteien. Vielmehr sind sozioökonomische Faktoren sogar irrelevant, d. h., die EIH ist für den Fall der AfD nicht haltbar. Wohl auf Grund dessen, dass zum einen die Publikation dieses Ergebnisses zeitnah mit dem Einzug der AfD in den Deutschen Bundestag zusammengefallen ist und zum anderen den (naiven) Einschätzungen vieler politischer Beobachter entgegensteht, wurde diese Studie für die Verhältnisse der deutschen Soziologie breit in den populären Medien rezipiert.

Mit dieser Forschungsnotiz möchten wir diesen Literaturstrang ergänzen und insbesondere auch den Eindruck korrigieren, dass sozioökonomische Faktoren keinen Einfluss auf die Affinität zur AfD haben. Sowohl die Studie von Inglehart und Norris (2016) als auch der Beitrag von Lengfeld (2017) weisen eine Reihe von methodischen Defiziten auf, die überwiegend durch fehlende Informationen in den zugrundliegenden Datensätzen bedingt sind und ihre Aussagekraft in Frage stellen (vgl. Abschn. 2). So wurde unter anderem der vielleicht wichtigste sozioökonomische Faktor, nämlich das Haushaltsäquivalenzeinkommen, nicht (Inglehart und Norris 2016) oder nur auf eine nicht sehr überzeugende Weise (Lengfeld 2017) in die Analysen miteinbezogen. Wir greifen auf drei Datensätze zurück, die wohl mit am besten dafür geeignet sind, die Frage zu klären, ob sozioökonomische Faktoren die Affinität zur AfD bedingen, nämlich die Allgemeine Bevölkerungsumfrage der Sozialwissenschaften – ALLBUS 2016 (GESIS 2016), die German Longitudinal Election Study – GLES 2016 (Roßteutscher et al. 2017) und den European Social Survey – ESS 2016 (ESS ERIC 2016). Die Auswertungen dieser drei Datensätze fördern ein einheitliches und klares Ergebnis zu Tage: Je besser die objektive sozioökonomische Lage eines Akteurs ist (im Sinne von Bildung, Einkommen, Erwerbsstatus und Stellung im Beruf), desto geringer ist die Wahrscheinlichkeit dafür, dass der Akteur eine Affinität zur AfD besitzt. Ferner zeigt sich, dass subjektiv empfundene sozioökonomische Deprivation ein starker Prädiktor für die Affinität zur AfD ist.

Der weitere Beitrag ist wie folgt gegliedert. Wir verzichten auf eine Rekapitulation der einschlägigen theoretischen Argumente, da diese erst kürzlich in aller Ausführlichkeit von Lengfeld (2017) dargelegt wurden und da es uns in dieser Forschungsnotiz um eine rein empirische Frage geht. Abschnitt 2 beschreibt unser methodisches Vorgehen und insbesondere die Operationalisierung der relevanten Variablen im Detail. In Abschn. 3 präsentieren wir unsere Ergebnisse. Der Beitrag endet mit einer Diskussion der Schwächen unseres Vorgehens und skizziert offene Fragen für die zukünftige Forschung (Abschn. 4).

Daten und Methoden

Methodische Defizite bei Inglehart und Norris (2016) und Lengfeld (2017)

Wir bereits in der Einleitung angedeutet, weisen sowohl die Studie von Inglehart und Norris (2016) als auch die Studie von Lengfeld (2017) einige methodische Defizite auf, welche die Validität ihrer Schlussfolgerungen in Frage stellen und die es gilt, in der vorliegenden Studie zu vermeiden. Im Einzelnen sind die folgenden Punkte zu nennen. Erstens werden zentrale sozioökonomische Faktoren, wie die Einkommensschicht, das EGP-Klassenschema und der Erwerbsstatus, entweder gar nicht oder nur unzureichend in die Analysen miteinbezogen. So fehlt bei Inglehart und Norris (2016) die Einkommensschicht als erklärende Variable. Lengfeld (2017) arbeitet nicht mit dem Haushaltsäquivalenzeinkommen, sondern nur mit dem Haushaltsnettoeinkommen, berücksichtigt nicht die EGP-Klassen und geht auch nicht der Frage nach, ob der Status, arbeitslos zu sein, einen Effekt auf die Affinität zur AfD hat. Zweitens argumentieren Inglehart und Norris (2016) auf der Basis von zwei Eigenschaften ihrer multivariaten Modelle auf eine nicht überzeugende Weise, dass kulturelle Faktoren einen stärkeren oder wichtigeren Einfluss als sozioökonomische Faktoren auf die Affinität zu populistischen Parteien haben. So verweisen sie darauf, dass ein bestimmtes Pseudo R2-Maß (Nagelkerke) auf eine höhere Erklärungskraft der kulturellen Faktoren im Vergleich zu den sozioökonomischen Faktoren hinweist. Zugleich unterscheidet sich jedoch die Anzahl, der auf Grundlage der kulturellen Faktoren korrekt vorhergesagten Fälle nicht von der Anzahl, der auf Grundlage der sozioökonomischen Faktoren korrekt prognostizierten Fälle. Zum anderen stützen sie ihre These auf die Beobachtung, dass der Effekt der (unzureichend gemessenen) sozioökonomischen Deprivation unter Kontrolle von Bildung und kulturellen Faktoren negativ wird und damit der EIH widerspricht. Allerdings kollabiert in diesem Modell auch der ansonsten stabile Effekt der Bildung, was auf eine wenig robuste Spezifikation dieses Modells hinweist. Drittens nutzt Lengfeld (2017) einen Datensatz, der sich aus zumindest zweierlei Gründen nicht dafür anbietet, die EIH zu testen. Zum einen erlaubt es die von vornherein geringe Fallzahl, zusammen mit einer ungünstigen Verteilung der fehlenden Werte nur mit 616 Fällen, in den multivariaten Analysen zu arbeiten. Das Fehlen statistisch signifikanter Effekte von sozioökonomischen Faktoren und die damit einhergehende Widerlegung der EIH werden dadurch entscheidend begünstigt. Zum anderen wurden, wie bereits ausgeführt, zentrale sozioökonomische Faktoren in der Erhebung nicht berücksichtigt.

Auswahl der Datensätze, Gewichtung, Konstruktion der Variablen und betrachtete Fälle

Vor diesem Hintergrund zielt die vorliegende Studie auf einen möglichst überzeugenden Test der EIH für den Fall der AfD ab, der die methodischen Defizite der vorangehenden Untersuchungen vermeidet. Zu diesem Zweck greifen wir auf aktuelle Datensätze zurück, die im Jahr 2016 und 2017 erhoben wurden und die für unsere Fragestellung zentralen Variablen (Sonntagsfrage oder Parteibindung sowie sozioökonomischen Faktoren) beinhalten.Footnote 1 Nach einer Prüfung des GESIS-Datenarchivs führten diese Kriterien zur Auswahl von ALLBUS 2016, GLES 2016 und ESS 2016. Die Berücksichtigung dreier unabhängig voneinander konzipierter und erhobener Datensätze fördert die externe Validität unserer Ergebnisse.

Die drei Datensätze enthalten unterschiedliche Gewichtungsvariablen. Im ALLBUS werden Transformationsgewichte zur Korrektur des Oversamplings von ostdeutschen Befragten ausgewiesen, GLES enthält ein Anpassungsgewicht an den Mikrozensus und ESS Design- sowie Poststratifikationsgewichte. Alle in diesem Beitrag präsentierten Analysen sind ungewichtet. Dieses Vorgehen empfiehlt sich, da zusätzliche, auf Anfrage erhältliche Analysen mit gewichteten Fällen zeigen, dass sich im Vergleich zu den ungewichteten Analysen lediglich die Größen mancher Schätzer verändern, dass aber unsere inhaltlichen Schlussfolgerungen mit Blick auf die empirische Validität der EIH robust sind und von den Gewichten nicht beeinflusst werden (Gelman 2007).

Im Folgenden beschreiben wir die Variablen, welche in unsere Analysen miteinbezogen werden. Tabelle 1 stellt die Ausprägungen und die deskriptiven Statistiken der einzelnen Variablen dar.

Tab. 1 Beschreibung der Variablen

Der abhängigen Variable liegt im Falle des ALLBUS und des GLES die Sonntagsfrage (Zweitstimme) zugrunde. Im ESS wird die Sonntagsfrage nicht erhoben, weshalb wir auf die Frage nach einer besonderen Bindung an eine bestimmte Partei rekurrieren. In jedem Falle konstruieren wir auf Grundlage dieser Informationen die Dummy-Variable „Affinität zur AfD“, die den Wert 1 annimmt, wenn eine Absicht besteht, AfD zu wählen oder wenn eine besondere Nähe zur AfD angegeben wird. Der Dummy-Variable wird der Wert 0 zugewiesen, wenn die Absicht besteht, eine andere Partei zu wählen oder wenn eine besondere Bindung an eine andere Partei vorliegt.

Bei der Auswahl der Kontrollvariablen orientieren wir uns an den einschlägigen Studien von Inglehart und Norris (2016) und Lengfeld (2017). Die Kontrollvariablen „Alter“, „quadriertes Alter“, „Mann“ sowie „Ost“ sind weitgehend selbsterklärend (vgl. Tab. 1). Die Kontrollvariable „Religiosität“ stellt in allen drei Datensätzen auf die Häufigkeit der Teilnahme an religiösen Zeremonien ab. Die Kontrollvariable „Migrationshintergrund“ ist eine Dummy-Variable, die den Wert 1 annimmt, wenn mindestens ein Elternteil des Befragten nicht in Deutschland geboren ist, und ansonsten den Wert 0.

Auch bei der Selektion der sozioökonomischen Variablen orientieren wir uns an den einschlägigen Studien von Inglehart und Norris (2016) und Lengfeld (2017). Der Bildungsgrad des Befragten wird in Form von drei Kategorien, nämlich „Hochschulreife“, „Mittlere Reife/FHS“ (enthält auch Fachhochschulreife und Abschluss POS) und „kein Abs./HS“ (kein Abschluss, Hauptschulabschluss, etc.), in die Analysen miteinbezogen.

Die Einkommensschicht des Befragten wird auf eine involvierte Weise operationalisiert und bestimmt sich auf Grundlage des Haushaltsäquivalenzeinkommens. Im ALLBUS ist das Haushaltsäquivalenzeinkommen als metrische Variable ausgewiesen. Im GLES und ESS fehlen diese Angaben. In beiden Datensätzen wird das Haushaltsnettoeinkommen lediglich kategorial zur Verfügung gestellt. Um von dieser Information auf das Haushaltsäquivalenzeinkommen zu schließen, gehen wir wie folgt vor. Zunächst ordnen wir den Einkommenskategorien den Mittelwert ihrer Randpunkte zu. Bei der nach oben offenen höchsten Kategorie greifen wir auf das in der Literatur häufig angewandte Verfahren nach Hout (2004) zurück (vgl. auch Parker und Fenwick 1983; Celeste und Bastos 2014). Diese Größen zum Haushaltsnettoeinkommen werden dann mithilfe der OECD-Skala zu Personengewichten in ein metrisches Haushaltsäquivalenzeinkommen überführt. Es ist zu beachten, dass im GLES anders als im ESS die Verteilung der Haushaltsmitglieder unter 18 Jahren nicht explizit enthalten ist. Hier ordnen wir deshalb als erste Näherung jedem Haushaltsmitglied unter 18 Jahren ein Gewicht von 0,4 zu. In Anlehnung an das Vorgehen von Lengfeld (2017) bestimmen wir die Einkommensschicht des Befragten wie folgt. Befragte, deren Haushaltsäquivalenzeinkommen nicht mehr als 70 % des Medians des Haushaltsäquivalenzeinkommens entspricht, ordnen wir der „unteren Schicht“ zu. Befragte, deren Haushaltsäquivalenzeinkommen mehr als 70 % aber nicht mehr als 150 % des Medians des Haushaltsäquivalenzeinkommens entspricht, ordnen wir der „Mittelschicht“ zu. Alle anderen Befragten, für die ein Haushaltsäquivalenzeinkommen vorliegt, ordnen wir der „Oberschicht“ zu. Gemäß den Angaben des Statistischen Bundesamtes lag 2016 in Deutschland der Median des Haushaltsäquivalenzeinkommens im Monat bei (ganzzahlig gerundet) 1773 € (vgl. Statistisches Bundesamt 2017). In den Analysen werden ferner Befragte, bei denen die Angabe ihres Haushaltsnettoeinkommens nicht vorliegt, als separate Kategorie mitaufgenommen.

Der Erwerbsstatus des Befragten wird in Form von drei Kategorien, nämlich „erwerbstätig“, „Sonstige“ (z. B. Auszubildende, Studierende) und „arbeitslos“, in die Analysen miteinbezogen. Im ESS gibt es nur zwei arbeitslose Befragte, weshalb wir die entsprechenden Modelle für diesen Datensatz nicht präsentieren.

Die Klassenlage der Befragten wurde in Anlehnung an Inglehart und Norris (2016) anhand des EGP-Klassenschemas operationalisiert. Das EGP-Klassenschema (Erikson et al. 1979) wird in keinem der drei Datensätze ausgewiesen. Allerdings liegt sowohl im ALLBUS als auch im ESS die ISCO-08 Klassifikation des aktuellen oder zuletzt ausgeübten Berufes vor. Davon ausgehend haben wir anhand einer Transformationstabelle der International Labour Organization (ILO) die ISCO-88 Klassifikation des aktuellen oder zuletzt ausgeübten Berufes abgeleitet (ILO 2016). Damit konnten wir anhand eines von Ganzeboom und Treiman (1996, 2011) entwickelten und von Hendrickx (2004) modifizierten Verfahrens (Stata-ado „ISKO“) die EGP-Klasse der Befragten ermitteln. Die EGP-Klassen wurden dann in Anlehnung an Inglehart und Norris (2016) auf die Kategorien „manager“, „routine non-manual“, „petite bourgeoisie“, „skilled manual“ und „unskilled“ rekodiert.Footnote 2

Die subjektiv empfundene sozioökonomische „Deprivation“ wurde im ALLBUS und im GLES mittels eines Items operationalisiert, das den Befragten darum bittet, anzugeben, wie gerecht er seinen Anteil im Vergleich zu den anderen hier in Deutschland lebenden Personen einschätzt. Auf Grundlage dieses Items wurde eine Dummy-Variable konstruiert, welche den Wert 0 annimmt im Falle von Antworten, welche auf einen gerechten oder mehr als gerechten Anteil hinweisen, und bei Antworten, die einen auf zu geringen Anteil hindeuten, den Wert 1. Im ESS liegt keine im engeren Sinne auf Deprivation abzielendes Item vor.

Grundsätzlich beziehen sich alle in diesem Beitrag präsentierten Analysen und auch die deskriptiven Statistiken der Variablen (vgl. Tab. 1) nur auf diejenigen Fälle, die in keiner der für diesen Datensatz relevanten Variablen einen fehlenden Wert aufweisen. Für die Analysen des ALLBUS sind alle Variablen relevant. Im GLES sind alle Variablen mit Ausnahme der EGP-Klasse relevant. Beim ESS betrachten wir alle Variablen, außer den Erwerbsstatus und die subjektiv empfundene Deprivation. Ferner werden Verweigerer bei der Angabe des Einkommens mit einer separaten Kategorie in den Analysen aller drei Datensätze berücksichtigt.

Empirische Analysen

Der linke Graph in Abb. 1 stellt die Kernbefunde unserer Studie dar. Gezeigt werden die durchschnittlichen marginalen Effekte (average marginal effects, AMEs) der objektiven sozioökonomischen Faktoren und der subjektiv empfundenen sozioökonomischen Deprivation auf die Affinität zur AfD. Den AMEs liegen multivariate logistische Modelle zugrunde, bei denen die Affinität zur AfD auf die Kontrollvariablen (Alter, quadriertes Alter, Ost, Geschlecht, Religion, Migrationshintergrund) und jeweils einen sozioökonomischen Faktor (Bildung, Einkommensschicht, Erwerbsstatus, EGP-Klasse, Deprivation) regressiert werden. Alle multivariaten Modelle werden im Appendix vollständig ausgewiesen.Footnote 3

Abb. 1
figure1

AMEs (95 % Konfidenzintervalle) und Predicted Probabilities beruhen auf logistischen Modellen, in denen die Affinität zur AfD auf alle Kontrollvariablen und jeweils einen sozioökonomischen Faktor regressiert werden. Die Modelle sind im Appendix vollständig ausgewiesen. Grafisch werden die Referenzkategorien durch Nulleffekte angezeigt

Es zeigt sich, dass alle sozioökonomischen Faktoren in der von der EIH beschriebenen Weise mit der Affinität zur AfD in Zusammenhang stehen. Relativ Ungebildete, Befragte mit geringem Einkommen, Arbeitslose, Arbeiter und deprivierte Befragte haben im Allgemeinen eine größere Affinität zur AfD. Diese Befunde zeigen sich, von zwei Ausnahmen (Mittlere Reife/FHS und Mittelschicht im ESS) abgesehen, konsistent in allen drei Datensätzen.

Vor dem Hintergrund, dass die Affinität zur AfD in allen drei Datensätzen nur eine geringe Prävalenz aufweist (ALLBUS: 11,5 %, GLES: 17,5 %, ESS: 6,9 %), sind die ausgewiesenen Effektstärken mit zum Teil ±10 % durchaus beachtlich. Diese Einschätzung lässt sich anhand des rechten Graphen in Abb. 1 verdeutlichen, welcher die vorhergesagten Wahrscheinlichkeiten (predicted probabilities) dafür darstellt, eine Affinität zur AfD zu besitzen, und auf den zugehörigen multivariaten logistischen Modellen beruht.Footnote 4 Betrachten wir exemplarisch den Bildungseffekt im ALLBUS. 17,2 % der Befragten mit geringer Bildung haben die Absicht, AfD zu wählen, während lediglich 5,7 % der Befragten mit Hochschulzugangsberechtigung diese Absicht hegen. Dieser Unterschied von knapp 11 %-Punkten lässt sich auch mit den Worten beschreiben, dass Personen mit relativ niedrigem Bildungsniveau dreimal häufiger als Personen mit hohem Bildungsniveau die Absicht haben, AfD zu wählen.

Angesichts der Tatsache, dass wir viele objektive sozioökonomische Faktoren und mit der subjektiv empfundenen Deprivation nur einen subjektiven Faktor betrachten, drängt sich die Frage auf, in welchem Ausmaß die Effekte der objektiven Indikatoren über Unterschiede in der subjektiven Deprivation vermittelt werden. Dieser Frage möchten wir im Folgenden anhand eines objektiven Indikators, nämlich der Einkommensschicht, exemplarisch nachgehen. Aufgrund des Umstandes, dass die Größe eines Koeffizienten in nicht-linearen Wahrscheinlichkeitsmodellen sich bei der Aufnahme eines weiteren Prädiktors auch dann ändert, wenn beide perfekt unkorreliert sind (sog. Skalierungsproblem), reicht ein einfacher Vergleich genesteter Modelle hierfür nicht aus. Aus diesem Grund bedienen wir uns der von Karlson et al. (2012; KHB-Methode; siehe auch Kohler et al. 2011) vorgeschlagenen Methode zur Dekomposition von totalen in direkte und indirekte Effekte. Tabelle 2 gibt hierzu den totalen Effekt der Einkommensschicht, den direkten Effekt unter Kontrolle der subjektiven Deprivation und den indirekten Effekt, der durch die subjektive Deprivation vermittelt wird, wieder.Footnote 5

Tab. 2 Dekomposition des Effektes der Einkommensschicht unter Berücksichtigung subjektiver Deprivation

Zunächst ist zu erkennen, dass unter Kontrolle der subjektiven Deprivation die direkten marginalen Effekte höherer Einkommen geringer ausfallen und sich damit auch die Unterschiede in der Affinität zur AfD zwischen den Einkommensschichten reduzieren. Darüber hinaus liefert die Betrachtung der einzelnen Datensätze im Detail leicht divergierende Befunde. In jedem Falle lässt sich jedoch sagen, dass zwischen 27 und 48 % des totalen Effektes der Einkommensschicht auf die Affinität zur AfD über eine stärkere Neigung der unteren Schichten zu einer subjektiven Deprivation erklärt werden.

Diskussion

Anhand von drei aktuellen Datensätzen zeigt die vorliegende Forschungsnotiz, dass die EIH auch für den Fall der AfD empirische Validität beanspruchen kann. Je besser die sozioökonomische Lage eines Akteurs ist, im Sinne von Bildung, Einkommen, Berufsstatus und EGP-Klasse, desto geringer ist die Wahrscheinlichkeit dafür, dass der Akteur eine Affinität zur AfD besitzt. Ferner tendieren subjektiv sozioökonomisch deprivierte Akteure dazu, die AfD zu wählen. Schließlich scheinen die Effekte der sozioökonomischen Faktoren nicht nur signifikant, sondern auch so schwerwiegend zu sein, dass sie in der gesellschaftlichen Debatte um das Erstarken des Rechtspopulismus in Deutschland berücksichtigt werden müssen.

Im Vergleich mit alternativen Studien weist die vorliegende Untersuchung einige methodische Vorzüge auf. Insbesondere werden die relevanten sozioökonomischen Faktoren in die Analyse miteinbezogen und ihre Effekte werden konsistent anhand von drei etablierten Datensätzen demonstriert. Wie in jeder empirischen Untersuchung und insbesondere bei Sekundäranalysen von Großdatensätzen mussten natürlich eine Vielzahl von methodischen Entscheidungen getroffen werden. Jede davon kann man sicherlich im Detail kritisieren. Allerdings zeigt eine Vielzahl zusätzlicher Analysen, dass die hier präsentierten Befunde robust sind. Unabhängig davon, ob gewichtet oder ungewichtet, mit oder ohne robusten Standardfehlern gerechnet wird, wie genau die Einkommensschichten konstruiert werden – arbeitet man mit ALLBUS, GLES oder ESS wird sich sicherlich zeigen, dass die Affinität zur AfD durch den sozioökonomischen Status der Akteure bedingt ist.

Neben den Studien von Inglehart und Norris (2016) und Lengfeld (2017) lassen sich noch weitere für die hier behandelte Forschungsfrage relevant Beiträge identifizieren. Das lediglich bivariat und deskriptiv arbeitende Papier von Kroh und Fetz (2016) legt nahe, dass sich unsere Befunde auch mit der aktuellen Welle des SOEP (die uns nicht zur Verfügung steht) replizieren lassen. Gleiches gilt für den Artikel von Hambauer und Mays (2018), die mit Hilfe von Daten einer älteren Welle des GLES zu der Erkenntnis kommen, dass es sich bei der Wählerschaft der AfD um vorwiegend „unterdurchschnittlich formal Gebildete, die sich auch in der Mehrheit der Unterschicht zugehörig fühlen“ handelt (Hambauer und Mays 2018, S. 150). Schmitt-Beck et al. (2017) arbeiten mit einer selbst erhobenen repräsentativen Umfrage aus Baden-Württemberg und finden mit Ausnahme eines Deprivationseffektes keine positive Evidenz für die EIH. Bei ihren Analysen werden allerdings weder EGP-Klassen noch die Einkommensschicht berücksichtigt. Ferner könnte das Negativresultat auch daher rühren, dass die AfD unter Führung von Jörg Meuthen wohl ein vergleichsweise gemäßigtes und bürgerliches Profil in diesem Bundesland besitzt.

Schließlich berichten Bergmann et al. (2017), dass Bildung und der Status, arbeitslos zu sein, nicht aber das Einkommen Effekte auf die Affinität zur AfD besitzen, die der EIH entsprechen. Diese Befunde beziehen sich allerdings nicht auf die Individualebene einzelner Befragter, sondern auf die Ergebnisse vergangener Landtagswahlen auf Kreisebene und bergen somit nicht nur die Gefahr eines ökologischen Fehlschlusses, sondern sind auch mit Blick auf die sich wandelnde Parteienstruktur nicht zwingend aktuell. Franz et al. (2018) hingegen verwenden ein ähnliches Verfahren für die AfD-Zweitstimmenergebnisse der Bundestagswahl 2017 und bestätigen signifikante Einkommenseffekte auf Aggregatebene. Alles in allem: Auch wenn es gemischte Evidenzen im Hinblick auf die Validität der EIH für den Fall der AfD gibt, hoffen wir mit dieser methodisch aufwendigen und anhand von drei etablierten Datensätzen arbeitenden Forschungsnotiz den Forschungsstand fundiert und nachhaltig prägen zu können.

Abschließend möchten wir betonen, dass die vorliegende Untersuchung an keiner Stelle die Validität der cultural backlash hypothesis thematisiert. Kulturelle Faktoren, wie die Einstellung gegenüber Flüchtlingen und Migranten, die Einstellung gegenüber Feminismus oder auch die Skepsis gegenüber demokratischen Institutionen werden ganz sicherlich auch die Affinität zu rechtspopulistischen Parteien beeinflussen (Inglehart und Norris 2017; Hambauer und Mays 2018). Dies ist schon deshalb nicht besonders erstaunlich, weil das politische Programm und auch die Rhetorik der AfD unmittelbar auf solche Einstellungen abstellen. Die Frage, ob sozioökonomische oder aber kulturelle Faktoren einen stärkeren oder wichtigeren Einfluss auf die Affinität zu populistischen Parteien haben, stellt daher eine gleich doppelte Herausforderung dar. Zum einen gilt es auf methodischer Ebene, die indirekten Effekte des sozioökonomischen Status, die über kulturelle Faktoren vermittelt werden, von deren direkten Effekten zu scheiden und empirisch abzuschätzen. Zum anderen bedarf es der theoretischen Arbeit, nämlich der Identifikation jener kulturellen Überzeugungen, die eine Erklärungskraft für die Affinität zu populistischen Parteien im Allgemeinen beanspruchen können und sich eben nicht nur direkt auf eine spezifische Partei und ihr jeweiliges Parteiprogramm beziehen.

Notes

  1. 1.

    Da das politische Profil der AfD in der jüngeren Vergangenheit einem erheblichen Wandel unterlegen war (Kroh und Fetz 2016), sind nur aktuelle Daten bei der Erforschung der Affinität zur AfD relevant. Darüber hinaus war ein zentrales Auswahlkriterium für die Datensätze deren zeitliche Nähe zu der Erhebung von Lengfeld (2017), dessen Daten aus dem November 2016 stammen. Die Erhebungszeiträume der hier verwendeten Datensätze korrespondieren damit insofern, als dass der ALLBUS zwischen April und September 2016, der GLES von Oktober bis November 2016 und der ESS (in Deutschland) von August 2016 bis März 2017 erhoben wurden.

  2. 2.

    Kategorie = EGP-Klassen: manager = I, II; routine non-manual = III; petite bourgeoisie = IVa, IVb, IVc; skilled manual = V, VI; unskilled = VIIa, VIIb.

  3. 3.

    Appendix, Tab. 3 enthält zusätzlich ein Modell, in dem alle Kontrollvariablen und alle sozioökonomischen Faktoren berücksichtigt werden. Da Bildung, Einkommen, Berufsstatus und EGP-Klassen letztlich auf ein theoretisches Konstrukt, nämlich sozioökonomischen Status, abstellen und entsprechend korreliert sind, ist die Interpretation dieses vollen Modells inhärent heikel. Aber auch hier bestätigt sich die EIH, wenn auch nicht im Hinblick auf jeden sozioökonomischen Faktor: Bildung, EGP-Klasse und Deprivation beeinflussen auch im vollen Modell die Affinität zur AfD.

  4. 4.

    Die predicted probabilities stellen bedingte Wahrscheinlichkeiten dafür dar, eine Affinität zur AfD zu besitzen, unter Voraussetzung von gewissen Kovariaten (pr[AfD|Kovariate]). Davon zu unterscheiden, sind die bedingten Wahrscheinlichkeiten, gewisse Kovariate aufzuweisen, gegeben man besitzt eine Affinität zur AfD (pr[Kovariate|AfD]). So ist, in etwa, die bedingte Wahrscheinlichkeit dafür, der Mittelschicht anzugehören, gegeben man besitzt eine Affinität zur AfD, größer als die der unteren Schicht anzugehören (ALLBUS: pr[Mittelschicht|AfD] = 45,22 > 33,48 = pr[untere Schicht|AfD]). Dies ist schlicht der Tatsache geschuldet, dass in der Population deutlich mehr Angehörige der Mittelschicht als der unteren Schicht vertreten sind (pr[Mittelschicht] = 53,11 > 21,85 = pr[untere Schicht]) und widerspricht nicht der Tatsache, dass Angehörige der unteren Schicht eine höhere bedingte Wahrscheinlichkeit als Angehörige der Mittelschicht haben, eine Affinität zur AfD zu besitzen (pr[AfD|Mittelschicht] = 9,75 < 17,54 = pr[AfD|untere Schicht]).

  5. 5.

    Die in Tab. 2 ausgewiesenen totalen Effekte der Einkommensschicht können aufgrund der Art und Weise, wie die KHB-Methode mit dem Skalierungsproblem umgeht (Karlson et al. 2012), von den AME-Schätzern der Modelle in Tab. 5 abweichen.

Literatur

  1. Bergmann, Knut, Matthias Diermeier und Judith Niehues. 2017. Die AfD: Eine Partei der sich ausgeliefert fühlenden Durchschnittsverdiener? Zeitschrift für Parlamentsfragen 48:57–75.

    Article  Google Scholar 

  2. Celeste, Roger Keller, und João Luiz Bastos. 2014. Mid-point for open-ended income category and the effect of equivalence scales on the income-health relationship. Revista de Saude Publica 47:168–171.

    Article  Google Scholar 

  3. Erikson, Robert, John H Goldthorpe und Lucienne Portocarero. 1979. Intergenerational class mobility in three western European societies: England, France and Sweden. The British Journal of Sociology 30:415–441.

    Article  Google Scholar 

  4. ESS ERIC. 2016. ESS Round 8: European Social Survey Round 8 Data – Data file edition 1.0. NSD – Norwegian Centre for Research Data, Norway. http://www.europeansocialsurvey.org/data/download.html?r=8 (Zugegriffen: 02.05.2018).

    Google Scholar 

  5. Franz, Christian, Marcel Fratzscher und Alexander S. Kritikos. 2018. AfD in dünn besiedelten Räumen mit Überalterungsproblemen stärker. DIW Wochenbericht 85:135–144.

    Google Scholar 

  6. Ganzeboom, Harry B.G., und Donald J. Treiman. 1996. Internationally comparable measures of occupational status for the 1988 International Standard Classification of Occupations. Social Science Research 25:201–239.

    Article  Google Scholar 

  7. Ganzeboom, Harry B.G., und Donald J. Treiman. 2011. International stratification and mobility file: Conversion tools. http://www.harryganzeboom.nl/isco08/index.htm (Zugegriffen: 02.05.2018).

    Google Scholar 

  8. Gelman, Andrew. 2007. Rejoinder: Struggles with survey weighting and regression modeling. Statistical Science 22:184–188.

    Article  Google Scholar 

  9. GESIS – Leibniz-Institut für Sozialwissenschaften. 2016. ALLBUS/GGSS 2016 (Allgemeine Bevölkerungsumfrage der Sozialwissenschaften /German General Social Survey 2016) ZA5250 Data file Version 2.1.0., doi:10.4232/1.12796.

    Google Scholar 

  10. Hambauer, Verena, und Anja Mays. 2018. Wer wählt die AfD? – Ein Vergleich der Sozialstruktur, politischen Einstellungen und Einstellungen zu Flüchtlingen zwischen AfD-WählerInnen und der WählerInnen der anderen Parteien. Zeitschrift für Vergleichende Politikwissenschaft 12:133–154.

    Article  Google Scholar 

  11. Hendrickx, John. 2004. ISKO: Stata module to recode 4 digit ISCO-88 occupational codes. http://ideas.repec.org/c/boc/bocode/s425802.html (Zugegriffen 02.05.2018).

    Google Scholar 

  12. Hout, Michael. 2004. Getting the most out of the GSS income measures. GSS Methodological Report 101:1–15.

    Google Scholar 

  13. ILO. 2016. ISCO-08 Structure, index correspondence with ISCO-88. International Labour Organization – ISCO International Standard Classification of Occupations. http://www.ilo.org/public/english/bureau/stat/isco/isco08 (Zugegriffen 02.05.2018).

    Google Scholar 

  14. Inglehart, Ronald, und Pippa Norris. 2016. Trump, Brexit, and the rise of populism: Economic have-nots and cultural backlash. Harvard Kennedy School faculty research working paper series, RWP16-026. https://research.hks.harvard.edu/publications/getFile.aspx?Id=1401 (Zugegriffen 02.05.2018).

    Google Scholar 

  15. Inglehart, Ronald, und Pippa Norris. 2017. Trump and the populist authoritarian parties: The silent revolution in reverse. Perspectives on Politics 15:443–454.

    Article  Google Scholar 

  16. Karlson, Kristian Bernt, Anders Holm und Richard Breen. 2012. Comparing regression coefficients between same-sample nested models using logit and probit: A new method. Sociological Methodology 42:286–313.

    Article  Google Scholar 

  17. Kohler, Ulrich, Kristian Bernt Karlson und Anders Holm. 2011. Comparing coefficients of nested nonlinear probability models. Stata Journal 11:420–438.

    Google Scholar 

  18. Kroh, Martin, und Karolina Fetz. 2016. Das Profil der AfD-AnhängerInnen hat sich seit Gründung der Partei deutlich verändert. DIW Wochenbericht 83:711–720.

    Google Scholar 

  19. Lengfeld, Holger. 2017. Die „Alternative für Deutschland“: eine Partei für Modernisierungsverlierer? Kölner Zeitschrift fur Soziologie und Sozialpsychologie 69:209–232.

    Article  Google Scholar 

  20. Parker, Robert Nash, und Rudy Fenwick. 1983. The pareto curve and its utility for open-ended income distributions in survey research. Social Forces 61:872–885.

    Article  Google Scholar 

  21. Roßteutscher, Sigrid, Rüdiger Schmitt-Beck, Harald Schoen, Bernhard Weßels, Christof Wolf, Maria Preißinger, Agatha Kratz und Alexander Wuttke. 2017. Wahlkampf-Panel 2017 (GLES) ZA6804 Datenfile Version 2.0.0. https://doi.org/10.4232/1.12776.

    Google Scholar 

  22. Schmitt-Beck, Rüdiger, Jan W. van Deth und Alexander Staudt. 2017. Die AfD nach der rechtspopulistischen Wende. Zeitschrift für Politikwissenschaft 27:273–303.

    Article  Google Scholar 

  23. Statistisches Bundesamt. 2017. Lebensbedingungen, Armutsgefährdung: Einkommensverteilung (Nettoäquivalenzeinkommen) in Deutschland. Einkommen, Konsum, Lebensbedingungen. https://www.destatis.de/DE/ZahlenFakten/GesellschaftStaat/EinkommenKonsumLebensbedingungen/LebensbedingungenArmutsgefaehrdung/Tabellen/Einkommensverteilung_SILC.html (Zugegriffen 02.05.2018).

    Google Scholar 

Download references

Author information

Affiliations

Authors

Corresponding author

Correspondence to Andreas Tutić.

Appendix

Appendix

In allen Modellen ist die Affinität zur AfD die abhängige Variable. Das Vollmodell wird nur für den ALLBUS geschätzt, da nur in diesem Datensatz alle Variablen vorliegen.

Tab. 3 Average Marginal Effects (AMEs) – Kontrollvariablen
Tab. 4 Average Marginal Effects (AMEs) – Bildung
Tab. 5 Average Marginal Effects (AMEs) – Einkommensschicht
Tab. 6 Average Marginal Effects (AMEs) – Erwerbsstatus
Tab. 7 Average Marginal Effects (AMEs) – EGP-Klasse
Tab. 8 Average Marginal Effects (AMEs) – Deprivation
Tab. 9 Average Marginal Effects (AMEs) – Vollmodell

Rights and permissions

Reprints and Permissions

About this article

Verify currency and authenticity via CrossMark

Cite this article

Tutić, A., von Hermanni, H. Sozioökonomischer Status, Deprivation und die Affinität zur AfD – Eine Forschungsnotiz. Köln Z Soziol 70, 275–294 (2018). https://doi.org/10.1007/s11577-018-0523-0

Download citation

Schlüsselwörter

  • Ökonomische Unsicherheit
  • Klassenlage
  • Sonntagsfrage
  • Populismus

Keywords

  • Economic insecurity
  • Class position
  • Electoral question
  • Populism