#4 KoPo im Netz

Heyoh,

Weiter geht es mit dem Versuch zu zeigen, wie Historiker_innen im Netz und mithilfe digitaler Hilfsmittel ihr Handwerk erweitern können. Heute liegen Statistiken im Fokus unserer Betrachtungen. Anhand eines Beispieles (Entwicklung der Körpergröße in Europa 1840 – 1980) möchte ich aufzeigen, wie grundlegend mit Statistiken gearbeitet werden kann und worauf man achten sollte.

Zunächst brauchen wir einen Datensatz zum Bearbeiten. Finden können wir solche auf der Online-Datenbank Clio-Infra. Auf der Website, die 2012 von der Netherlands Organisation for Scientific Research (NWO) ins Leben gerufen wurde, finden sich unterschiedlichste Daten zu sozialen, ökonomischen und institutionellen Indikatoren weltweit der letzten fünf Jahrhunderte. Ein solches Daten-Set sind Körpergrößen (von Männern) im Zeitraum 1500 bis 2010 (https://clio-infra.eu/Indicators/Height.html). Zusammengestellt wurden die Daten von Joerg Baten (Universität Tübingen) und Mathias Blum (Technische Universität München) durch die Auswertung einer große Anzahl diverser Quellen, die ebenfalls auf Clio-Infra eingesehen werden können. Angegeben sind Daten aus fast allen Ländern weltweit, jeweils in Zentimeter.

Bevor man mit diesen Daten arbeitet, muss man selbstverständlich eine Quellenkritik betreiben (Wie eh immer in der Geschichte). Dabei sind mehrere Punkte zu beachten: Durch die Vielzahl unterschiedlicher Quellen ist kaum feststellbar wer jeweils die Daten produzierte, wie genau gemessen wurde und wie groß das Sample an Männern war, dass jeweils die Körpergröße pro Land pro Dekade festlegte. Es könnte also sein, dass in Österreich 10.000 20-jährige Männer genauestens abgemessen wurden, während in der Schweiz ein 80-jähriger und ein 50-jähriger mit Augenmaß abgemessen wurden. Solche Daten wären natürlich kaum miteinander vergleichbar. Darüber hinaus gilt zu hinterfragen, in welcher Form die jeweiligen angegeben Länder eingeordnet wurden. Im Laufe des Untersuchungszeitraum änderten sich unzählige Ländergrenzen und führten zu einer Veränderung der Bevölkerung. Österreich zum Beispiel schrumpfte 1918 auf ein Bruchteil dessen zusammen, was es zuvor war. Eine solche Beschaffenheit des Daten-Samples kann unter Umständen ebenfalls zu Veränderungen führen. Berücksichtigt man diese Vorüberlegungen, sollten die entsprechenden Ergebnisse einer Auswertung immer kritisch hinterfragt werden.

Abbildung 1: Das bearbeitete Daten-Set in Excel

Für das vorliegende Beispiel habe ich mich entschlossen mein Daten-Set drastisch zu kürzen. Dafür habe ich einfach auf Excel das entsprechende Daten-Set eigenständig bearbeitet: Zunächst wurden die Länder auf ausschließlich Europa reduziert. Nachdem ich bemerkt habe, dass vor 1840 und nach 1980 kaum Daten verfügbar sind, habe ich mich zudem entschlossen den Zeitraum auf 1840 bis 1980 einzuschränken, um ein möglichst vollständiges Daten-Set zu bekommen. Für mehr Übersicht habe ich dann die Länder jeweils in entsprechende Regionen kodiert: Die Kategorien sind Mitteleuropa, Nordeuropa, Südeuropa, Südosteuropa und Westeuropa. Grundlage für die Einteilung war die europäische Gliederung des Landkartenindex. Im Folgenden konnte ich durch Excel die durchschnittliche Körpergröße pro Region pro Jahr berechnen und die Daten mittels einer Grafik (Grafik 1) visualisieren.

Grafik 1: Entwicklung der in Körpergröße in Europa 1840-1980

Klar erkennbar ist die stetige Steigerung der Körpergröße in ganz Europa. Insgesamt wurden die Männer Europas im Durchschnitt von 165cm (1840) auf 178cm (1980) um 8% größer. (Um das auszurechnen muss man einfach en Durschnitt von 1980, also 178cm durch die 165cm von 1840 rechnen, das Ergebnis dann minus 1 und zum Schluss mal 100, um auf einen Prozentwert zu kommen. Glücklicherweise geht das auf Excel alles sehr gut)  Ebenfalls gut ersichtlich ist, dass die Nordeuropa durchschnittlich die größten (1,65% über dem europäischen Durchschnitt) und die Südeuropäer die kleinsten Männer sind (2,26% unter dem Durchschnitt). Genauer betrachtet werden kann dies im Vergleich dreier Länder: Exemplarisch ausgesucht wurden dafür Norwegen, Russland und Italien.

Grafik 2: Vergleich der Körpergröße in Russland, Italien und Norwegen

Sowohl die Körpergröße der Männer in Italien, als auch in Norwegen steigt konstant. Italienische Männer sind dabei jedoch durchschnittlich über 4% kleiner als jene in Norwegen. Zwischen den beiden Extremen liegen die russischen Männer. Auffallend an deren Kurve ist der Einbruch in den 1910er/20er Jahren, um über zwei Zentimeter. Eine mögliche Erklärung ist die damalige politische Lage Russlands: Sowohl der Erster Weltkrieg, als auch die Revolution und die landwirtschaftlichen Produktionsveränderungen des neuen kommunistischen Staates, führten zu einer Lebensmittelknappheit. Bedingt durch diese Lebensmittelknappheit fiel das durchschnittliche Wachstum unter die normale Konstante zurück. Auffällig ist jedoch, dass eine solche Veränderung in den 1940er-Jahren nirgends beobachtbar ist. (Stichwort Zweiter Weltkrieg)

[Edit: Die Erklärung, der bedingten Körpergröße durch Lebensmittelknappheit schien mir sehr einleuchtend. Ich hatte zwar keine Bestätigung in Sekundärliteratur gefunden, aber glaubte an eine eindeutige Kausalität zwischen den beiden Variablen. Dank eines Hinweises einer meiner betreuenden Professorinnen, habe ich meinen Denkfehler jedoch bemerkt und möchte ihn nun ausbessern, ohne ihn einfach zu tilgen; schließlich sollen ja meine LeserInnen aus meine Fehlern lernen! Und zwar kann kein direktes Verhältnis zwischen Lebensmittelknappheit und veränderter Körpergröße im selben Zeitraum bestehen, da die gemessenen Personen ja bereits erwachsen sind. Die Lebensmittelknappheit kann ja nur Menschen in ihrem Wachstum beeinflussen, die noch nicht ausgewachsen sind. Wenn ich als Erwachsener eine Woche nichts esse, werde ich nicht kleiner, maximal Dünner. Nachgewiesen ist jedoch, dass Ernährung durchaus Einfluss auf die Körpergröße hat. Neben vielen anderen Faktoren spielt zum Beispiel der Anteil an Eiweiß eine Rolle im Wachstum. ( Nachgegangen wird dieser Frage zum Beispiel hier: Frank Bäumer, Warum werden wir immer größer?, 11.07.2019 , [ https://www.daserste.de/information/wissen-kultur/w-wie-wissen/groesse-100.html ], eingesehen am 10.12.2019) Entscheiden ist jedoch, dass das nicht bei Erwachsenen von Heute auf Morgen geht. Die Schlussfolgerung aus dem ganzen lautet also: Wenn die Hungerkrisen während und nach der Russischen Revolution tatsächlich die Körpergröße beeinflussen würden (was ich weder bestätigen noch dementieren kann), dann wäre dies nicht gleich 1920 ersichtlich. Die Entwicklung würde erst ja nur jene betreffen, die zum Zeitpunkt der Hungerkrise noch im Wachstum waren. Und die waren nicht Teil der oben angeführten Statistik, die ja nur Männliche Erwachsene zeigt.)

Eine zweite mögliche Erklärung wäre die grundlegende Beschaffenheit der Daten: Die Daten, die als „Russland“ deklariert werden, beinhalteten seit genau diesem Zeitraum die gesamte Bevölkerung der neu gegründeten Sowjetunion. Möglich ist also auch, dass durch die plötzliche Erweiterung der Bevölkerung in den 1920er-Jahren die durchschnittliche Körpergröße absank. Anders gesagt: Vielleicht waren zum Beispiel die Ukrainer viel kleiner als die Russen. Durch die Entstehung der Sowjetunion wurden beide Daten-Sets zusammengelegt und dann könnte die niedrige Körpergröße der Ukrainer, den allgemeinen Durchschnitt der Sowjetunion gesenkt haben. Eine andere Erklärung wäre die Veränderung der Messvorgänge etc.

Das oben beschriebene war einmal ein erster Versuch, eine Fragestellung mittels einer Statistik zu beantworten. Nun könnte man natürlich noch mehr, detailliertere und komplexere Fragestellungen entwickeln. Das heißt mehrere Daten-Sets miteinander in Kontext stellen, spezifischere Statistiken benutzen usw. Der Statistik sind dabei (fast) keine Grenzen gesetzt.

Wichtig ist aber – und das hoffe ich, habe ich anhand des Beispiels gezeigt – dass man die Daten stets kritisch hinterfragt: Woher stammen sie, wie wurden sie erstellt, was sind die Messgrößen und Einheiten usw. Denn am Ende ist die Beantwortung egal welcher Fragestellung immer auch Abhängig von den verwendeten Quellen/Daten.

(Edit 2: Noch eine Ergänzung möchte ich hinzufügen, die unter anderem aus meinen eigenen Denkfehler heraus entstanden ist und die mir sehr wichtig ist: Egal wie genau Daten sind, egal wie genau gemessen wurde etc.; wenn ich nach Erklärungen für eine mögliche Ursache der Statistik suche, muss ich mir IMMER eine wesentliche Frage stellen: Besteht zwischen meiner vermuteten Ursache und den Daten tatsächlich eine Kausalität oder nur eine Korrelation? Um das näher zu erklären, möchte ich zwei Beispiele geben:

  1. Ich gehe auf der Straße zur Uni. Plötzlich fängt es an zu regnen. Ich werde nass.
  2. Ich gehe auf der Straße zur Uni. Plötzlich fängt es an zu regnen. Mein Handy läutet.

Bei beiden Beispielen gibt es jeweils zwei Variablen. Bei Beispiel 1 sind es Regen und nass werden, bei Beispiel 2 sind es Regen und läutendes Handy. In Beispiel 1 sehen wir eine Kausalität: Weil es regnet, werde ich nass. Die Variabel 1 verursacht Variabel 2. Die beiden Ereignisse hängen also ursprünglich (kausal) zusammen. In Beispiel 2 sehen wir eine Korrelation. Es regnet und mein Handy läutet. Der Regen hat nicht dafür gesorgt, dass mein Handy läutet. Die beiden Dinge passieren nur zufällig hintereinander. Also nur weil zwei Dinge korrelieren, heißt dass nicht, dass sie kausal zusammenhängen. An diesem Beispiel klingt das recht offensichtlich und Du denkst dir vermutlich, ja eh klar; solche Denkfehler werden aber ständig gemacht. Du glaubst mir nicht? Sie dir dieses Beispiel an: Dieser Blog beschreibt, wie selbst im angesehenen medizinischen New England Journal ein solcher Denkfehler publiziert wurde. Also wenn du mit Statistiken arbeitest: Überlege dir zuerst, ob die Daten auch wirklich was hergeben und wenn du auf Ursachen-Suche gehst, überlege dir, ob auch tatsächlich ein kausaler Zusammenhang besteht oder nicht.)

KoPo out

#HistorikerimNetz


Das könnte dich auch interessieren …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search