Unsere abhängigen Variablen sind individuelle Ebenen des Nativismus, des rechten Autoritarismus und Populismus. Die Umfrage umfasste Indikatoren für zwei Unterdimensionen des Nativismus (drei Gegenstände, die die Wahrnehmung kultureller Bedrohung und zwei Gegenstände, die auf Islamophobie abzielen), für populistische Haltungen (vier Punkte) und für Autoritarismus (Unterwerfung und Aggression - zwei Punkte).Footnote 3 Für jedes Konstrukt haben wir einen Index erstellt, indem wir die nicht vermissenden Werte für die jeweiligen Posten durchschnittliche Werte fließen lassen und die Waage bei Bedarf umkehren, so dass hohe Indexwerte eher nativistisch/populistisch/autoritären Einstellungen entsprechen. Alle Singehartikel haben eine Spanne von 1–7. Cronbachs ist von 0,62 (Wissen kultureller Bedrohung) bis 0,85 (Islamophobie) unterschiedlich. Tabelle A1 im Online-Anhang zeigt den genauen Wortlaut aller Artikel.
Wir modellieren PRR-Haltungen als Funktion der vier Aspekte des Ortes. Um die Auswirkungen der ortsbezogenen Haltungen zu erfassen, umfassen wir Maßnahmen des Lokalismus (zwei Punkte) und Daran (drei Punkte, siehe Munis, Referenz Munis 2020). Auch hier konstruieren wir Indizes, indem wir die nicht vermissten Werte durchschnittlich. Cronbachs - ist 0,89 für Lokalismus und 0,81 für Ortsratur. Die Indizes sind im Wesentlichen unkorreliert (r. . Da die Literatur darauf hindeutet, dass Lokalismus und Daran der Ort interagieren können, enthalten wir auch einen Multiplikatbegriff in die Hauptmodelle.
Um die Wirkung ortsspezifischer Lebensbedingungen zu modellieren, ordnen wir jeden Befragten in seinen Kreis (Kreis) ab. Die Landkreise entsprechen NUTS 3, der niedrigsten Ebene, auf der die meisten offiziellen Daten veröffentlicht werden. Als Grundanbieter von Schul-, Sozial- und Rettungsdiensten spielen die Landkreise eine wichtige und im Großen und Ganzen ähnliche Rolle in den Bundesländern. Aufgrund der großen Größe der Umfragebeispiele umfasst der Datensatz alle 401 Landkreise, die 2017 existierten. Die mittlere Anzahl der Befragten pro Landkreis beträgt 43, mit einem Interquartil-Bereich (IQR) von 25 bis 70.
Wir knüpfen mehrere kreisebene Variablen an, die in der Literatur prominent vertreten sind: Entbehrung, Zuwanderung, Landlichkeit und Lage in Ost- oder Westdeutschland.Fußnote 4 Wir messen wirtschaftliche und allgemeine Entbehrungen mit dem Anteil der Bewohner, die Leistungen erhalten Fußnote 5 und mit der restlichen Lebenserwartung für Männer im Alter von 60 Jahren. Letzteres ist ein Querschnitts- und sehr greifbarer Indikator für wirtschaftliche, soziale und gesundheitliche Ungleichheiten. Der demografische Rückgang wird durch den Anteil der 25- bis 30-Jährigen funktionsstark, einer Gruppe, deren Abwesenheit den stärksten Einfluss auf das Gemeinschaftsleben hat (Salomo, Referenz Salomo 2019 : 106). Die Zuwanderung wird am Anteil der Ausländer gemessen.Footnote 6
Für die Landheit setzen wir auf eine Typologie des Bundesinstituts für Bau-, Stadt- und Raumentwicklung (BBSR). Die BBSR unterscheidet zwischen großen Städten, die selbst Landkreise (unsere Referenzkategorie), anderen städtischen oder vorstädtischen Landkreisen, ländlichen Landkreisen mit einigen Siedlungen mit höherer Dichte und wirklich ländlichen Landkreisen sind. Um anhaltende Unterschiede zwischen den beiden deutschen Makroregionen zu erfassen, zählen wir auch eine Dummy-Variable für Landkreise in den östlichen Bundesländern einschließlich Berlins.
Zur Kontrolle der Unterschiede in der soziodemografischen Zusammensetzung zählen uns bekannte Prädiktoren der PRR-Haltung: Alter, Geschlecht, Bildung, (Arbeit) Klasse und Berufsstatus (siehe Tabelle A2 im Online-Anhang für beschreibende Informationen zu allen Variablen).
In der obigen Diskussion haben wir eine Gruppe historischer und kultureller Besonderheiten identifiziert, die wirklich lokal und einzigartig für einen Ort sind und möglicherweise einen Einfluss auf die PRR-Haltung ausüben können, auch nachdem wir die anderen Aspekte kontrolliert haben. Eine einfache Modellierungsstrategie, die die einzigartigen Merkmale jedes Landkreises berücksichtigt und agnostisch ist, ist es, einen zufälligen Effekt auf Kreisebene abzuschätzen und einen Post-hoc-Test für die räumliche Autokorrelation durchzuführen (siehe unten).
Es gibt jedoch eine Komplikation, die angegangen werden muss. Mit einer Durchschnittsgröße von 800 km 2 und einer Durchschnittsbevölkerung von 154.000 sind viele deutsche Landkreise ziemlich groß und bevölkerungsreich. Um ihre innere Heterogenität zu berücksichtigen, kartieren wir jeden Befragten auch auf ein kleineres Gebiet, einen Ort, innerhalb seines Landkreises und fügen einen zusätzlichen zufälligen Effekt auf dieser Ebene hinzu.
Idealerweise würde dieses Mapping auf genauen Geokoordinaten basieren. Um jedoch die Anonymität unserer Befragten zu schützen, wurde für jeden Fall nur eine Netzzellenreferenz geliefert. Die Größe jeder Zelle wurde so gewählt, dass sie mindestens sechs Befragte enthält, was zu einer mittleren Zellgröße von 4 bis 4 km mit einem IQR von 2 bis 2 bis 9 km führt. Daher sind einige Zellen noch relativ groß und erfassen die lokale Umgebung der Befragten nicht gut. Für diese Zellen verwenden wir zusätzliche InformationenFootnote 7 das variiert innerhalb der Zellen, um Gruppen von Befragten zu identifizieren, die in relativer Nähe voneinander leben, obwohl ihre genauen Koordinaten geschützt bleiben. Auf diese Weise rekonstruieren wir 8737 einzigartige Orte, die die unmittelbaren Umgebungen der Befragten repräsentieren. Die mittlere Anzahl der Ortschaften pro Landkreis ist 17, und die mittlere Anzahl der Befragten pro Ort ist 2.
Da die Befragten innerhalb von Ortschaften verschachtelt sind, die wiederum in den Landkreisen verschachtelt sind, schätzen wir eine Reihe von linearen dreistufigen Modellen, deren zufällige Effekte einzigartige Merkmale darstellen, die das Meinungsklima in Landkreisen und Ortschaften beeinflussen. Diese Modelle machen bereits einfache Muster räumlicher Heterogenität und Abhängigkeit unterhalb der Kreisebene aus. Es ist jedoch möglich, dass zusätzliche räumliche Abhängigkeiten auf Kreisebene existieren, was dazu führt, dass Cluster von benachbarten Landkreisen ein besonders hohes oder niedriges PRR-Sentiment aufweisen, auch nachdem kontextbezogene und individuelle Variablen kontrolliert werden. Solche Cluster könnten entweder aus dem Übergreifen sozialer, politischer und wirtschaftlicher Schocks von einem Landkreis zum anderen oder aus der räumlichen Clusterung weggelassener individueller und kontextbezogener Variablen resultieren, einschließlich des Meinungsklimas und der historisch-kulturellen Besonderheiten einer größeren Region.
Der Umgang mit solchen potenziellen räumlichen Abhängigkeiten ist nicht einfach. Bei aggregierten und anderen Arealdaten gibt es eine Fülle von einstufigen Raummodellen, die beide Arten von Abhängigkeiten berücksichtigen können (siehe z.B. Darmofal, Referenz Darmofal 2015). Aber die Entwicklung von hybriden Multi-Level/Raum-Modellen ist noch in einem frühen Stadium, und einige ihrer Komplexitäten sind noch nicht gut verstanden (Wolf et al., Referenz Wolf, Anselin, Arribas-Bel und Mobley 2018). Wir verwenden daher einen indirekten Ansatz und testen posthoc für jede räumliche Autokorrelation von zufälligen Auswirkungen auf Kreisebene, die nach der Schätzung eines klassischen mehrstufigen Modells bestehen. Während dies die Autokorrelation unterschätzen und die Genauigkeit der Schätzungen für die Variablen auf Kreisebene überbewerten kann (siehe Wolf et al., Referenz Wolf, Anselin, Arribas-Bel und Mobley 2018 : 23–26), deuten Simulationsstudien darauf hin, dass die räumliche Struktur der zufälligen Effekte (wenn es sie existiert) auftaucht "unabhängig davon, ob sich um eine formale Struktur handelt". 2018 : 23) und diese klassischen und hybriden Modelle hervorrufen weitgehend ähnliche Ergebnisse (Wolf et al., Referenz Wolf, Anselin, Arribas-Bel und Mobley 2018 : 19).
Ergebnisse Um zu prüfen, ob es in Deutschland sinnvolle Unterschiede gibt, kartieren wir zunächst die Kreisdurchschnitte der vier PRR-Variablen. Wir kartieren auch die Kreisdurchschnitte der ortsbezogenen Einstellungen, da ein scheinbares räumliches Muster in ersterem ein Ergebnis der räumlichen Clusterung in letzterem sein könnte.
Während alle sechs Variablen über beträchtliche Reichweiten verfügen, haben einige Landkreise eine geringe Anzahl von Befragten, was extreme Werte wahrscheinlicher macht. Die IQRs und Standardabweichungen deuten nur eine moderate Variation der meisten Variablen an, mit der klaren Ausnahme des Ortsrübeleiens (siehe Tabelle A3 im Anhang). Nichtsdestotrotz deuten die Karten (siehe Abbildung A1 im Anhang) auf regionale Cluster hin, bei denen PRR-Haltungen entweder deutlich weit verbreitet oder ungewöhnlich sind.
Dieser Eindruck wird von Morans R unterstützt, einem Maß für räumliche Vereinigung, das auf eine signifikante Fußnote hinweist Positiv-Autokorrelationen für alle Variablen, was bedeutet, dass Landkreise mit hohen (niedrigen) Werten tendenziell von Landkreisen umgeben sind, deren Werte ebenfalls hoch (niedrig) sind. Räumliche Autokorrelationen sollten nicht als Pearson-Korrelationen interpretiert werden, da ihr Wert von der Nachbarschaftsstruktur der zugrunde liegenden Karte abhängt, was Vergleiche über die Regionen hinweg ungültig macht.Footnote 9 Es ist jedoch möglich, Autokorrelationen verschiedener Variablen auf derselben Karte zu vergleichen. Mit einem R von 0,486 zeigt Ortsressenz mit Abstand das höchste Grad an Clustering. Für die anderen Einstellungen ist Morans R deutlich niedriger mit Werten zwischen 0,119 (Lostalismus) und 0,188 (Kulturbedrohungswahrnehmungen).
Die Karten selbst zeigen einige interessante Unterschiede, und das Gebiet der ehemaligen DDR scheint in vielen von ihnen aufzuheben. Aber solche Muster können irreführend sein, und die Fülle an Informationen, die in den Karten enthalten sind, kann ablenken. Daher plotten wir auch lokale Clusterkarten, die ein wertvolles Werkzeug sind, um größere Muster schnell zu identifizieren. Nach Anselin (Referenz Anselin 1995) sind die Karten in zwei Schritten gebaut. Erstens wird ein lokaler Indikator für räumliche Vereinigung (hier: lokale Mors R) für jeden Landkreis berechnet, und alle Landkreise ohne signifikante lokale Autokorrelation werden herausgefiltert. Dann sind die übrigen Landkreise in vier Gruppen aufgeteilt. Landkreise mit Werten über (unten) der Mittelwert, der von Landkreisen unter (oben) umgeben ist, bilden die "hohe - niedrige" und "niedrige - hohe" Gruppen. Sie sind räumliche Ausreißer, die für ihre Umwelt untypisch sind. Die "hohen – hohen" und „tiefen – niedrigen“ Gruppen, manchmal auch in der Literatur „Hotspots“ und „Coldspots“ genannt, sind in der Regel interessanter. Hotspots bestehen aus Landkreisen mit überdurchschnittlichen Werten, deren Nachbarn auch überdurchschnittliche Werte haben. Für Kaltflecken ist es umgekehrt. Wichtig ist, dass Hotspots/Coldspots nur die Kerne größerer Cluster zeigen, da die meisten Nachbarn auch über (unten) Durchschnittswerte haben werden (Abb. 2).

Abbildung 2.Clusterkarten von PRR-Haltungen, Lokalismus und Ortsrübelie (County Level).
Große Kerne des Nativismus ragen in Sachsen und Thüringen im Süden der DDR und in Ostbayern (Kulturbedrohung) hervor. Es gibt auch Kerne des Populismus und der autoritären Unterwerfung/Aggression im Südwesten der ehemaligen DDR (Thüringen und Sachsen-Anhalt) sowie zwei populismus-Kältergebiete im Norden (Hamburg) und Nordwest (Regionen Münsterland und Emsland).
Lokalismus ist in ganz Deutschland üblich, aber es gibt einen Kern von Hochlokalismus-Gräueln in Thüringen und einen Kern von lokalismusarmen Landkreisen im ländlichen Westen. Schließlich konzentriert sich der Ortsrummel vor allem in der ehemaligen DDR, mit der bemerkenswerten Ausnahme von Berlin und den umliegenden Landkreisen, aber auch im Ruhrgebiet, einer großen Agglomeration (ehemaliger) Industriestädte im Westen, die seit den 1970er Jahren Schwierigkeiten haben, sich an den Strukturwandel anzupassen. Umgekehrt gibt es eine riesige südliche Gruppe von Landkreisen mit sehr geringem Maß an Ressentiments. Sie grenzt im Westen an die Städte Karlsruhe und Freiburg, im Südosten und Nürnberg im Norden und ergänzt durch einen kleineren Cluster im Rhein-Main-Gebiet um Frankfurt. All dies sind wachsende, wohlhabende Gebiete, die von modernen Industrien dominiert werden.
Nachdem wir festgestellt haben, dass es in der Tat einige signifikante räumliche Unterschiede in den PRR-Stimmen und ortbezogenen Einstellungen gibt, schätzen wir als nächstes eine Reihe von zufälligen Modellen, um zu sehen, wie die Einstellungen über Einzelpersonen, Ortschaften und Landkreise variieren. Für Lokalismus und die PRR-Haltung treten 97 bis 99 % der Variation auf Personenebene auf (siehe Tabelle 1). Die Unterschiede zwischen den Ortschaften und Landkreisen sind viel geringer, was darauf hindeutet, dass kontextbezogene Variablen und die einzigartigen Auswirkungen des Ortes im Vergleich zu Mikrovariablen, einschließlich ortbezogener Einstellungen, nur eine begrenzte Rolle spielen. Dies entspricht früheren Forschungen (Gallego et al., Referenz Gallego, Buscha, Sturgis und Oberski 2016 ; Maxwell, Referenz Maxwell 2019).
Tabelle 1.Partition von Varianz in zufälligen (leeren) Modellen

Das Bild ist jedoch sehr unterschiedlich, wenn es um Ressentiments geht. Ein erheblicher Anteil von fast 8% der an Ort und Stelle stattfindendem Ressentiments auf Kreisebene, und es gibt auch etwas mehr Unterschiede zwischen den Ortschaften innerhalb der Landkreise.
Da die ortsbezogenen Einstellungen als Vermittler fungieren können, reagieren wir sie auf ortsspezifische Lebensbedingungen und auf die Soziodemografie in einem Zwischenschritt. Wir enthalten auch zufällige Effekte, die einzigartige Faktoren auf Kreis- und Lokalebene widerspiegeln.
Da alle abhängigen Variablen auf der gleichen Skala gemessen werden und weil Koeffizienten nicht standardisiert sind, ist die Interpretation einfach. Wie Tabelle 2 zeigt, ist der demografische Rückgang mit mehr Ressentiments und weniger Lokalismus verbunden, obwohl man die begrenzte Variation (IQR 0,5) der unabhängigen Variable berücksichtigen muss. Die niedrige Lebenserwartung älterer Männer (wieder mit einem kleinen IQR von 1,1) ist auch eng mit Ortsrummeln verbunden, aber nicht mit Lokalismus. Das spiegelt die Ergebnisse von de Lange et al. (Referenz de Lange, van der Brug und Harteveld 2022) und Huijsmans (Referenz Huijsmans 2023 a) für die Niederlande. Darüber hinaus sind sowohl Ressentiments als auch Lokalismus nach der Kontrolle anderer Kontextfaktoren in den östlichen Bundesländern im Durchschnitt deutlich (0,2 Punkte) höher. Umgekehrt haben Einwanderung, Nutzenabhängigkeit und sogar die ländlicheität keine oder sehr schwache Auswirkungen. Auch dies steht im Einklang mit der Forschung, die auf die Bedeutung der (kulturellen) Randheit (z.B. de Lange et al., Reference de Lange, van der Brug und Harteveld 2022) hinweist.
Tabelle 2.Mehrniveau der ortsbezogenen Einstellungen in Deutschland

Anmerkungen: * P .05, ** P .01, *** P .001.
Die Auswirkungen einiger Soziodemografien sind noch stärker. Männlich zu sein, einen technischen oder manuellen Beruf zu haben und vor allem arbeitslos/krank zu sein, ist mit einem höheren Maß an Anstandsressen verbunden, während ein höheres Maß an formaler Bildung eine beträchtliche Wirkung in die entgegengesetzte Richtung hat. Lokalismus nimmt im Allgemeinen mit dem Alter zu, ist aber bei Männern, Arbeitern und Menschen mit einem höheren Bildungsniveau etwas niedriger. Die starken negativen Auswirkungen für Arbeitslose werden unerwartet und könnten die Notwendigkeit widerspiegeln, anderswo Arbeit zu finden.
Schließlich ist die Restvarianz sowohl im Landkreis als auch im Ort sehr gering. Zusammengenommen deuten diese Ergebnisse darauf hin, dass ortsspezifische Lebensbedingungen und die soziodemografische Zusammensetzung eines Ortes zusätzliche indirekte Auswirkungen auf PRR-Haltungen haben können, die durch ortbezogene Einstellungen vermittelt werden.
Bevor wir zu diesem Punkt zurückkehren, besprechen wir die vollständigen Modelle für die PRR-Haltung (siehe Tabelle
).
Tabelle 3.Mehrstufige Modelle der PRR-Haltung in Deutschland

Anmerkungen: * P .05, ** P .01, *** P .001.
Um die Interpretation der gemeinsamen Auswirkungen ortsbezogener Einstellungen zu unterstützen, prognostizieren wir Werte für die vier abhängigen Variablen aus dem festen Teil des Modells, abhängig von den Ebenen des Lokalismus und des Ortsressens. Auf der x-Achse variiert der Ortsrkritik von unten bis zu seinem oberen Detil. Die drei Linien stellen das untere Detil, Median und oberes Dekadenz des Lokalismus dar (Abb. 3).
Abbildung 3.Der interaktive Effekt von Ortsrübeleheit und Lokalismus auf PRR-Haltung.
Die Diagramme zeigen, dass Ortsrmutungen einen starken positiven Effekt auf alle PRR-Haltungen haben, die auf allen Ebenen des Lokalismus praktisch konstant sind. Umgekehrt hat Lokalismus keine signifikanten Auswirkungen auf Populismus und Wahrnehmung kultureller Bedrohung. Seine Wirkung auf die Islamophobie ist schwach und abhängig von niedrigen Anstandsverhältnissen. Seine Wirkung auf den Autoritarismus ist etwas stärker, vor allem, wenn der Ortsrkritik gering ist.
Zusammenfassend lässt sich sagen, dass die Hypothese 1a) teilweise mit Lokalismus bestätigt wird, der keine oder schwache Auswirkungen auf die PRR-Stimmungen hat, aber Ressentiments, die alle PRR-Haltungen stark beeinflussen. Umgekehrt werden Hypothesen, Hypothesen 3a) und Hypothesen 3b) abgelehnt, da die starken Auswirkungen des Ortsrummels nicht durch den Lokalismus gemildert werden und die Richtung der Moderation des Lokalismus durch Ortsrummel in die entgegengesetzte Richtung zu den Erwartungen geht und möglicherweise auf einen Deckeneffekt hinde zum Zeigen zeigt.
Die Hypothese 1b) über die Auswirkungen ortsspezifischer Lebensbedingungen ist ebenfalls nur teilweise bestätigt. Die Unterschiede zwischen Städten und anderen Kreistypen sind gering und abgesehen von einer einzigen Ausnahme statistisch unbedeutend, so dass die Landlichkeit an sich keine Rolle zu spielen scheint. Migration hat einen durchweg positiven Einfluss auf die PRR-Haltung, aber inhaltlich ist der Effekt eher schwach: Die Verlagerung eines Landkreises von unten (6,9) auf das obere (13,1) Quarteltil verschiebt die vorhergesagte Haltung um weniger als 0,1 Skala Punkte.Footnote 10 Der Anteil der Bevölkerung, die Leistungen erhält, hat einen unerwartet negativen, aber ähnlich schwachen Effekt. Demografischer Rückgang und männliche Lebenserwartung bei 60 haben die erwarteten Auswirkungen auf die meisten Einstellungen, aber wieder sind ihre Auswirkungen angesichts ihrer jeweiligen IQRs fast vernachlässigbar.
Umgekehrt wirkt die Makroregion erheblich. Da alles andere gleich ist, variiert der erwartete Unterschied zwischen den Befragten, die in einem östlichen Landkreis leben, und ihren westlichen Pendants zwischen 0,1 und 0,2 Skala.
Im Einklang mit der Hypothese 1c) haben soziodemografische Variablen meist die erwarteten Effekte. Die kulturellen Bedrohungswahrnehmungen der Männer unterscheiden sich nicht von der Frauen, aber Männer sind etwas islamophober, autoritär und populistischer als Frauen. Die Wirkung der formalen Bildung ist viel stärker: Ein Abitur macht den erwarteten Wert von Islamophobie, kulturellen Bedrohungswahrnehmungen und Autoritarismus um etwa einen halben Punkt. Für den Populismus ist der Rückgang mit etwa 0,3 Punkten immer noch stark. Um nichtlineare Effekte zu ermöglichen, wird das Alter mit Dummy-Variablen für fünf Altersgruppen (Referenzkategorie: 18–29) gemessen. Ceteris paribus, Populismus und Islamophobie sind bei älteren Befragten häufiger. Für Autoritarismus und kulturelle Bedrohungswahrnehmungen gibt es keine konsistenten Muster.
Im Einklang mit früheren Forschungen sind auch Klasse und Beschäftigung wichtig: Ein technischer oder manueller Beruf erhöht den erwarteten Wert auf den meisten Einstellungswaagen um etwa 0,2 Punkte. Arbeitslos zu sein oder nicht arbeiten zu können, hat keinen Einfluss auf den Nativismus und den Autoritarismus, aber einen erheblichen Einfluss auf den Populismus. Zusammengenommen deuten die Ergebnisse darauf hin, dass Unterschiede zwischen den Landkreisen in ihrer soziodemografischen Zusammensetzung ein entscheidender Ort sind.
Was die einzigartigen Merkmale eines bestimmten Ortes betrifft, sind die restlichen zufälligen Abweichungen an Ort und Landkreis sehr gering. Um der Vollständigkeit willen schätzen wir dennoch ihre Auswirkungen, indem wir die besten linearen unvoreingenommenen Prädiktoren (BLUPs) für jeden Landkreis und jede Haltung berechnen. Für Islamophobie, Populismus und Autoritarismus haben alle BLUPs absolute Werte 10 –8, so dass wir weitere Analysen unterlassen. Für kulturelle Bedrohungswahrnehmungen beträgt ihr IQR 0,01 mit einem Höchstwert von 0,05 Dollar. Die räumliche Autokorrelation der BLUPs beträgt 0,068, ein Bruchteil des Wertes für die Rohkreisdurchschnitte.Fußnote 11 Das deutet darauf hin, dass Effekte, die wirklich einzigartig an einem bestimmten Ort sind, keine relevante Rolle für die PRR-Stimmung in Deutschland spielen, sobald die anderen Aspekte des Ortes berücksichtigt werden. Daher wird die Hypothese 1d) abgelehnt.
Zusammenfassend tragen die vier Ortsaspekte nicht gleichermaßen zum Verständnis des räumlichen Musters der PRR-Haltung in Deutschland bei. Stattdessen ist die Geographie der PRR-Haltungen vor allem von Unterschieden in der soziodemografischen Zusammensetzung eines Ortes und durch Groll geprägt. Auch kontextbezogene Faktoren spielen eine Rolle, wobei die Makroregion wichtiger ist als Einwanderung und Entbehrung.
Das fasst aber nur die direkten Auswirkungen der strukturellen Aspekte des Ortes zusammen. Um indirekte Effekte zu untersuchen, die durch Lokalismus und Ressentiments vermittelt werden, schätzen wir die Modelle neu und lassen die ortsbezogenen Einstellungen aus.
Die Ergebnisse sind nahezu identisch. Die Koeffizienten unterscheiden sich um 0,05 oder weniger, mit der einzigen Ausnahme der Bildung, bei der die für die reduzierten Modelle geschätzten Effekte etwa 0,09 Punkte stärker sind. Dies, zusammen mit den Schätzungen in Tabelle 2, legt nahe, dass die strukturellen Aspekte des Ortes im Gegensatz zur Hypothese 2a)-Hypothese 2c keine wesentlichen indirekten Auswirkungen auf die PRR-Haltung haben. Um den Raum zu erhalten, verzichten wir daher auf eine vollständige mehrstufige Mediationsanalyse und stellen stattdessen die reduzierten Modelle im Anhang (Tabelle A5A5) vor.
Fazit und Ausblick Die Verbindungen zwischen den Merkmalen eines bestimmten Ortes und der Affinität seiner Bewohner zur PRR sind in letzter Zeit zu einem Punkt von größerem politischen und wissenschaftlichen Interesse geworden. "Place" ist jedoch ein facettenreiches Phänomen, das das PRR-Sensment auf vielfältige Weise beeinflussen kann. Unser Ziel war in diesem Beitrag zweifach: ein besseres Verständnis dafür zu erlangen, wie Forscher die Vorstellung von "Ort" anwenden, wenn sie die Geographie der PRR studieren, und die relative Bedeutung dieser verschiedenen Aspekte des Ortes zu messen.
Unter Vorräten an erhaltener Forschung identifizierten wir zunächst vier verschiedene Aspekte des "Ortes", die einen Großteil der aktuellen Literatur untermauerten: ortsbezogene Einstellungen, ortsspezifische Lebensbedingungen, soziodemografische Zusammensetzung und einzigartige Merkmale. Diese Perspektive bietet analytischen Einfluss und ermöglicht es uns, über viele bestehende Studien hinauszugehen: Statt ein oder zwei Aspekte isoliert zu betrachten, können wir mit georeferenzierten Daten aus Deutschland ihre relative Bedeutung beurteilen, indem wir ihre Wirkung gemeinsam modellieren. Während Deutschlands Geschichte der Nachkriegsteilung und Wiedervereinigung einzigartig ist, ist ihre aktuelle soziale, wirtschaftliche und politische Vielfalt nicht. Vergleichbare Gebietsspaltungen gibt es in anderen großen europäischen Staaten. Deutschlands starke Umverteilungsmechanismen und der Mangel an ethno-linguistischen Konflikten könnten die Politisierung regionaler Disparitäten erschwerer als in diesen Ländern. Dennoch finden wir klare Muster der räumlichen Polarisation. Das macht uns zuversichtlich, dass unsere Erkenntnisse über den deutschen Fall hinaus relevant sind.
Unsere Ergebnisse zeigen erstens, dass PRR-Hinstandungen ungleich verteilt sind. Sie sind häufiger in der ehemaligen DDR (besonders in Thüringen und Sachsen) und in Ostbayern (nur kulturelle Bedrohung). Umgekehrt heben sich Teile Nord- und Nordwestdeutschlands als „Coldspots“ hervor, wo die PRR-Stimmungsniveau besonders niedrig ist.
Zweitens tragen verschiedene Aspekte des Ortes in unterschiedlichem Maße zu diesem räumlichen Muster bei. Während die Auswirkungen des Lokalismus schwach und inkonsistent sind, erklären Ortsrörungen und die soziodemografische Zusammensetzung eines Ortes einen wesentlichen Teil der räumlichen Varianz aller PRR-Haltungen. Anders ausgedrückt: Befragte, die ihre Region als ausgeschlossen wahrnehmen und/oder mit soziodemografischen Merkmalen haben, die mit PRR-Haltungen verbunden sind, neigen dazu, sich in Regionen wie dem Ruhrgebiet oder dem Süden der ehemaligen DDR zu häufen, und diese Clusterierung erzeugt eine ähnliche Anhäufung von PRR-Haltungen.
Platzspezifische Lebensbedingungen sind etwas geringer. Strukturvariablen wie demografischer Rückgang, Migration und allgemeine Entbehrungen haben erhebliche, aber relativ geringe Auswirkungen auf die meisten Einstellungen. Das Netz dieser Lage im Osten, das sowohl die anhaltenden Auswirkungen des früheren Regimes als auch die aktuellen Bedingungen der kulturellen Peripherie und der wahrgenommenen Minderwertigkeit darstellt, hat immer noch einen erheblichen Einfluss. Umgekehrt finden wir keine Hinweise auf eine unabhängige Wirkung der Landlichkeit. Schließlich gibt es wenig Hinweise darauf, dass die einzigartigen Merkmale eines Ortes, d.h. seiner lokalen Geschichte und Kultur, wesentlich zum räumlichen Muster der Einstellungen beitragen, sobald andere Aspekte des Ortes kontrolliert werden.
Zusammengenommen spiegeln diese Erkenntnisse ein Paradox der (deutschen) Strukturpolitik wider: Jedes Jahr werden Milliarden Euro in ländliche oder anderweitig benachteiligte Regionen, vor allem im Osten, übertragen. Dadurch sind objektive Disparitäten vergleichsweise gering, und vor allem der Süden der ehemaligen DDR geht es relativ gut in Bezug auf Beschäftigung und Wirtschaftswachstum. Doch hier ist es hier, wo Ort Ressentiments und infolgedessen PRR-Haltungen häufiger sind als an vielen anderen Orten.
Ganz allgemein sprechen diese Ergebnisse zu mehreren Debatten in der Literatur über die Rolle des "Platzes" für die PRR. Erstens schnüren die Bedeutung der soziodemografischen Zusammensetzung und die schwachen Auswirkungen für die Einwanderung und objektive Indikatoren der Entbehrung mit dem Hauptergebnis in der wichtigen Studie von Maxwell (Referenz Maxwell 2019), der zeigt, dass die kosmopolitische Einwanderungseinstellungen in Großstädten hauptsächlich von Sortierprozessen resultieren, nicht aus kontextuellen Effekten.
Zweitens bestätigt die sehr starke Wirkung des Ortsromanresents die Bedeutung dieses ursprünglich für die USA (Munis, Referenz Munis 2020) entwickelte und dann in den Niederlanden von der damaligen Lange et al. (Referenz de Lange, van der Brug und Harteveld 2022) und Huijsmans (Referenz Huijsmans 2023 b) in einem zweiten europäischen Land. Während Munis Ressentiments gegen Rassenrfassungen aushängt, finden Huijsmans und wir starke Verbindungen zu einer breiteren Palette von PRR-Haltungen, die sich auf eine andere Reihe von Out-Groups konzentrieren. Dies ist ein wichtiges Ergebnis, da es den Begriff des Ortsrübellements als Konzept in der klassischen Sozialpsychologie von Gruppen (Munis, Referenz Munis 2020 : 3) stark unterstützt.
Drittens stellen wir fest, dass die starke Wirkung des Ortsressens meist über verschiedene Ebenen des Lokalismus konstant ist, was seine zentrale Bedeutung für die PRR-Haltung unterstreicht, während der Lokalismus selbst keine relevanten Auswirkungen auf irgendeinem Niveau von Anstandsressen hat. Diese Erkenntnis unterstützt Fitzgeralds (Reference Fitzgerald 2018) Behauptung, dass Lokalismus ein komplexes Konzept ist, dessen Komponenten die Wähler in entgegengesetzte Richtungen ziehen können und deren genaue Auswirkungen von seiner Politisierung abhängen. Zukünftige Studien sollten sich daher auf die Entwicklung einer differenzierteren Operationalisierung des Lokalismus konzentrieren. Es kann sich auch lohnen, die Politisierungsversuche lokaler und nationaler Akteure zu berücksichtigen.
Viertens, nachdem wir die ortsbezogenen Einstellungen, die heutigen Lebensbedingungen einschließlich des früheren DDR-Status und der sozialdemokratischen Zusammensetzung kontrollieren, gibt es fast keine zufällige Kreis- oder Ortsebene, die die einzigartigen Merkmale des Ortes darstellt. Während wir die Versuche schätzen, tiefere Erklärungen für die PRR-Stimmung zu finden, deutet dies darauf hin, dass Forscher ihre Bemühungen auf nähere Ursachen konzentrieren sollten, einschließlich der Quellen und Folgen von Ortsrörungen.
Natürlich unterliegt unsere Analyse den gleichen Einschränkungen, die alle Studien betreffen, die sich auf administrative Daten und Grenzen stützen: Unsere Ergebnisse können vom gewählten Maßstab und/oder den Raumeinheiten abhängen, die für die Aggregation verwendet werden. Genauer gesagt könnte man argumentieren, dass Landkreise relativ große Einheiten sind und dass kleinere Viertel (idealerweise auf das Haus jedes Befragten zugeschnitten sind, siehe z.B. Johnston et al. Referenz Johnston, Propper, Burgess, Sarker, Bolster und Jones 2005) würde den meisten Bürgern einen relevanteren Bezugsrahmen bieten. Die kleinen Unterschiede der zufälligen Effekte auf der Lokalitätsebene geben uns jedoch ein gewisses Vertrauen, dass uns nicht zu viele kleine Variationen fehlen.
Über die wissenschaftliche Debatte über die PRR hinaus haben unsere Ergebnisse auch einige Auswirkungen auf die politischen Entscheidungsträger: Die soziodemografische Zusammensetzung eines Ortes ist ein wesentlicher Treiber regionaler PRR-Haltungen. Während diese Zusammensetzung kurzfristig mit politischen Mitteln nur schwer zu verändern ist, unterstreicht diese Erkenntnis die Notwendigkeit einer langfristigen demografischen Politik und der Strukturplanung. Darüber hinaus bedeuten unsere Ergebnisse, dass ein Mangel an positiver Anerkennung mit PRR-Affinität verbunden ist. Während wir dies bereits für die individuelle Ebene wussten, zeigt unser Papier, dass dies gleichermaßen für die lokalen Gemeinden gilt. Daher sollten Politiker erwägen, „Orte, die keine Rolle spielen“, zu stärken, aber nicht nur in wirtschaftlicher Hinsicht. Die Darstellung solcher Orte, die weit weg von Metropolen, Universitätsstädten und anderen Kulturzentren sind, und die Aufmerksamkeit, die ihnen geschenkt wird, könnte genauso relevant sein. Die Vorstellung von Ort braucht daher ein differenziertes Verständnis, wie es der Ort ist wichtig – vor allem an Orten, die keine Rolle spielen.
Zusatzmaterial Das Zusatzmaterial für diesen Artikel finden Sie unter https://doi.org/10.1017/S1755773923000279.
Datenverfügbarkeit Replikationscode und Daten sind im Datenums des jeweiligen Autors verfügbar: https://doi.org/10.7910/DVN/VZTWPI
Anerkennung Wir würdigen dankbar die finanzielle Unterstützung für unsere Forschung, die wir von der Deutschen Wissenschaftsstiftung (DFG) erhalten haben. Wir danken auch den Redakteuren und anonymen Rezensenten, Carl Berning und unseren anderen Kollegen im SCoRE-Projekt, Daniel Ziblatt und den anderen Teilnehmern eines Kolloquiums 2022 im WZB Berlin Science Center.
Konkurrierende Interessen Beide Autoren haben keine widersprüchlichen Interessen zu berichten.
Fußnoten
1 Fitzgerald ( 2018) zeigt, dass eine zweite Form des Lokalismus keine Gefühle, sondern ein aktives Engagement in lokalen Verbänden beinhaltet, was sich umgekehrt auf die Unterstützung der PRR auswirkt. In diesem Papier konzentrieren wir uns auf den einstellungsorientierten Lokalismus.
2 Cramer ( 2016 : 87) weist darauf hin, dass Ressentiments mit rassisch/ethnischem Bewusstsein verflochten sind. Der Kern des Grolls ist die Wahrnehmung, dass seine Gruppe nicht ihren gerechten Anteil erhält.
3 Eine dritte Unterdimension des rechtsgerichteten Autoritarismus, der Konventionalismus, wurde an Gegenständen gemessen, die ausschließlich auf Homophobie abzielen. Wir glauben, dass diese Operationalisierung zu eng ist und daher sie nicht in die Analyse aufgenommen werden.
4 Alle Daten finden Sie in der INKAR-Datenbank (www.inkar.de). Das Land Bremen ist in zwei Landkreise unterteilt. Die größeren Stadtstaaten Berlin und Hamburg sind auf Bezirke mit ähnlichen Funktionen, aber weniger Autonomie. Wir folgen der üblichen statistischen Praxis und behandeln beide Städte als große (Pseudo-) Landkreise.
5 Dazu gehören sowohl Arbeitslose als auch Sozialhilfeempfänger.
6 Plötzliche Aufwärtsänderungen der ethnischen Vielfalt könnten wichtiger sein als hohe (aber stabile) Niveaus (Kaufmann, 2017). Als Robustheitscheck haben wir daher die Modelle mit Veränderung des Anteils der Ausländer inklusiver Personen neu geführt. Die Änderung hatte keine erkennbaren Auswirkungen auf eine der Variablen, und die anderen Schätzungen bleiben praktisch unverändert, aber Standardfehler stiegen aufgrund der Korrelation zwischen Veränderung und Level. Der Wandel ist daher nicht in den hier vorgestellten Modellen enthalten.
7 Wir verwenden einzigartige Kombinationen des Pendlerzonentyps der Befragten und deren (verkürzte) Gemeindeordnung zur Unterteilung der Zellen.
8 Nach der Literatur vergleichen wir Morans R mit einer empirischen Referenzverteilung, die auf zufälligen Permutationen der Landkreise basiert, was einer Situation entspricht, in der keine echte Autokorrelation besteht und alle Muster zufällig allein entstehen. R gilt als signifikant auf dem Niveau von p . In unseren Daten, p . 0.01 für alle Variablen.
9 Für den Aufbau der Raumgewichtsmatrix verwenden wir das Queen-Schrift.
10 Dies könnte widersprüchliche Auswirkungen von Wettbewerb und Kontakt widerspiegeln.
11 Um Vollständigkeit halber wiederholen wir dieses Verfahren zur Zwischenanalyse ortsbezogener Einstellungen. Für den Lokalismus haben die BLUPs wenig Variation und Autokorrelation. Für Ortsressenz ist der IQR größer (0,14) und mehr Autokorrelation bleibt (R > 0,15). Die fünf Landkreise mit den größten BLUPs, wo die Ressentiments zwischen 0,27 und 0,31 Punkte höher liegen als sonst erwartet, sind die Städte Bremen, Herne und Oberhausen im Westen, Cottbus im Osten und der Landkreis Regen in Ostbayern. Fallstudien über Ortsressenz könnten mit diesen fünf beginnen.