Flo’s Digital History Blog #4: Statistik zum Abschied

Hallo und willkommen zurück zu meinem thematisch letzten Blogbeitrag! ☹ Heute beschäftigen wir uns mit dem Thema deskriptive Statistik. Bevor ich dir anhand einiger interessanter Beispiele die Chancen und Möglichkeiten der deskriptiven Statistik für die Geschichtswissenschaften näher bringen will, muss ich dich diesmal leider wirklich mit einer kurzen Einführung zu diesem Thema quälen, da ohne einige Grundkenntnisse das Arbeiten mit der deskriptiven Statistik wenig Sinn macht.

Grundsätzlich muss gesagt werden, dass es das Ziel jeder Statistik ist, allgemeingültige Aussagen treffen zu können. In den Geschichtswissenschaften setzt man sich oft mit Einzelfällen/Einzelereignissen auseinander. Die Statistik hingegen versucht anhand von Daten vom Einzelfall auf verallgemeinerbare Kenntnisse zu schließen.
Die deskriptive Statistik wird prinzipiell dazu verwendet, um etwas zu beschreiben. Es werden Kennziffern zur Beschreibung der Merkmale einer Stichprobe berechnet, insbesondere Lagemaße (Modus, Median, arith. Mittel) und Streuungsmaße (Minimum, Maximum, Varianz, …), auf die ich nachher noch kurz eingehen werde. In den Geschichtswissenschaften ist die deskriptive Statistik die am häufigsten genutzte Methode zur Auswertung von statistischen Quellen. Klassische Beispiele für statistische Quellen sind die Entwicklung des BIP pro Kopf über einen größeren Zeitraum, die Entwicklung von Bevölkerungszahlen oder auch die Entwicklung der Lebenserwartung.

In der Statistik werden auch immer Merkmale untersucht. In diesem Zusammenhang ist es wichtig, dass du zwischen drei Arten von Merkmalen unterscheiden kannst:

  • Unterschiedsmerkmale (nominale Merkmale): Hier muss zwischen zwei Ausprägungen ein Unterschied bestehen. Als Beispiele können der Familienstand (Verheirate, geschieden, ledig, verwitwet), die Haar- oder Augenfarbe (blau, braun, grün) dienen.
  • Rangmerkmale (ordinale Merkmale): Hier handelt es sich um Ausprägungen, die eine natürliche Rangordnung haben. Überall wo subjektive Einschätzungen vorliegen, sind Rangmerkmale anzutreffen. Als klassisches Beispiel dient die Bewertung einer Ausprägung durch das Schulnotensystem (sehr gut (1), nicht genügend (5)).
  • Abstandsmerkmale (metrische Merkmale): Wenn es sich weder um ein nominales, noch um eine ordinales Merkmal handelt und die Ausprägung meist anhand einer konkreten Zahl/eines konkreten Werts messbar ist und wenn auch Unterschiede und Differenzen zwischen den Ausprägungen messbar sind, dann handelt es sich um ein Abstandsmerkmal. Dazu zählen das Alter, die Einwohnerzahl eines Landes, Temperaturen oder auch Körpergrößen.

Je nach dem um welches Merkmal es sich handelt, wird eine bestimmte Rechenoperation verwendet. Hier kommt wieder die Unterscheidung zwischen Lage- und Streuungsmaße ins Spiel. Für unsere Beispiele heute sind nur die Lagemaße wichtig. Diese geben Auskunft über das Zentrum der Verteilung einer Stichprobe. Die Verteilung wird hier als typischer Durchschnittswert repräsentiert. Zu den wichtigsten Maßzahlen zählen der Modus (häufigster Wert), sowie der Median und das arithmetische Mittel. Beim arithmetischen Mittel handelt es sich um den klassischen Mittelwert, der alle Zahlen einer Verteilung berücksichtigt. Der Vorteil des arithmetischen Mittels liegt darin, dass man, ohne die Einzelwerte zu kennen, einen schnellen Überblick über eine Verteilung bekommen kann. Beim Median handelt es sich auch um einen Mittelwert. Der Median ist jener Wert, der genau in der Mitte einer Verteilung liegt. Verwendet werden kann er sowohl für ordinale als auch metrische Merkmale. Sinnvoll ist der Median vor allem dann, wenn es starke Ausreißer nach oben oder nach unten gibt. Ich gebe dir ein Beispiel: Nehmen wir an, wir haben neun Personen, die alle 2.000 Euro im Monat verdienen. Die zehnte Person verdient aber 20.000 Euro im Monat. Das arithmetische Mittel würde hier bei 3.800 Euro liegen, also fast doppelt so viel was neun von zehn Personen verdienen. Wird jedoch der Median herangezogen, kommt man auf 2.000 €, was repräsentativer für dieses Beispiel ist.

Mehr musst du für die nachfolgenden Beispiele zunächst eigentlich nicht wissen. Falls du gerne mehr Informationen zu dem Thema hättest, kannst du dich gerne bei mir melden, dann schicke ich dir Unterlagen dazu.

Nun aber zu den Beispielen. Wenn du geeignete statistische Quellen für ein eigenes Beispiel suchst, kann ich dir die Seite „Clio Infra“ empfehlen:


Abbildung: Clio Infra Startseite, [https://clio-infra.eu/], eingesehen am 23.01.2020.

Betrieben wird die Website vom International Institute of Social History (IISH). Die Seite enthält unzählige Datensätze mit Daten, die soziale, wirtschaftliche und institutionelle Indikatoren aus den letzten 200 Jahren miteinbeziehen. Somit können zum Teil Entwicklungen aus dem 19. Jahrhundert in bestimmten Bereichen beobachtet werden und mit dem 20. oder sogar 21. Jahrhundert verglichen werden.

Wenn du dir also beispielsweise die Daten zur Lebenserwartung bei der Geburt ansehen willst, schaut die Excel-Datei zunächst etwa so aus:

Abbildung: Clio Infra, [https://clio-infra.eu/data/LifeExpectancyatBirth(Total)_Compact.xlsx], eingesehen am 23.01.2020.

Keine Daten? Nur eine Liste von Ländern!? Keine Angst, wenn du ein Stücken nach rechts gehst, kommen ab 1800 circa auch die ersten Daten. Die Datenbank umfasst die Lebenserwartung in Ländern von etwa 1841 bis 2011, wobei die Daten für alle Länder erst ab 1950 vollständig sind. Für das 19. Jahrhundert können deshalb nur vereinzelt die Entwicklungen von Ländern untersucht werden. Erstellt wurde dieser Datensatz 2015 von Richard Zijdeman und Filipa Ribeira da Silva.[1] Als Quellen werden in diesem Zusammenhang meist Kirchen-, Ortssippenbücher, Standesamtsunterlagen und die für manche Länder vorhandenen amtlichen Statistiken verwendet. Bevor du anfängst dich in ein Beispiel zu stürzen, würde ich dir empfehlen, dass du dir drei bis vier Länder, für die du dich interessiert, in eine eigene Excel-Datei oder Mappe kopierst. Das könnte zum Beispiel so aussehen:

Ich interessiere mich für Island, Frankreich und das Vereinigten Königreich. Schauen wir uns also einmal die Lebenserwartung der IsländerInnen im 19. Jahrhundert an. Die Daten sind ab 1841 vorhanden. In Excel kannst du sehr einfach über die Schaltfläche „Einfügen“ ein passendes Diagramm erstellen:

Bei diesem Liniendiagramm ist auf den ersten Blick eine starke Fluktuation erkennbar. Die Lebenserwartung beginnt bei etwa 40 Jahren in den ersten zwei Jahren, sinkt dann plötzlich auf 25 Jahre im nächsten Jahr, steigt dann wieder auf 43 und 41 in den nächsten beiden Jahren, nur um dann wieder im nächsten Jahr auf 18 hinunterzustürzen. Diese Schwankungen verlaufen fast über den gesamten Rest des Jahrhunderts, ehe sich ab 1891 die Lebenserwartung zwischen 44 und 53 Jahren einpendelt. Vermutlich lag die Lebenserwartung etwa in diesem Bereich. Die starken Schwankungen können mehrere Gründe haben. Zum einen könnte es sich um fehlerhafte/lückenhaften Daten handeln, zum anderen könnten die Ursachen mit Naturkatastrophen (Vulkane, Seuchen etc.) zusammenhängen. Beim Ausbruch des Vulkan Laki in den Jahren 1783/1784 starb etwa ein Viertel der isländischen Bevölkerung. Möglicherweise gab es auch eine höhere Kindersterblichkeit in diesen Jahren. Wie du siehst, kann aus dieser Grafik sehr viel herausgelesen werden. Aufgabe des Historikers/der Historikerin ist es, die Gründe für solche Schwankungen zu finden und Kontexte anhand solcher Grafiken zu erstellen.

Das zweite Beispiel, das ich dir zeigen will, basiert auf dem gleichen Datensatz und vergleicht die Lebenserwartung im 20. Jahrhundert zwischen Frankreich und dem Vereinigten Königreich. Hier möchte ich mir die Frage stellen, ob es einen Unterschied in der Entwicklung der Lebenserwartung dieser beiden westeuropäischen Länder gibt:

Prinzipiell verläuft die Entwicklung der Lebenserwartung in beiden Ländern ähnlich. Es handelt sich um zwei westeuropäische Länder, die vor allem zu Beginn des 20. Jahrhunderts durch den Kolonialismus und der Industrialisierung zu den wohlhabendsten Ländern der Welt zählten und eine ähnliche Bevölkerungszahl hatten. Bei Frankreich können aber zwei Einbrüche beobachtet werden, nämlich im Zeitraum von 1912-1920 und 1940-1945. Vor dem Ersten Weltkrieg lag die Lebenserwartung in beiden Ländern bei etwa 50 Jahren lag. Danach bricht 1915 die Lebenserwartung in Frankreich allerdings auf circa 36 Jahre ein. Grund für die beiden Einbrüche in Frankreich könnten hier möglicherweise die beiden Weltkriege sein. Schaut man sich die Verluste beider Länder im Ersten Weltkrieg an, so stellt man schnell fest, dass Frankreich mit 1.7 Millionen Toten und über 4 Millionen verletzte Soldaten weitaus heftiger vom Ersten Weltkrieg betroffen war, als das Vereinigte Königreich mit etwa 994.000 Toten und 1.6 Millionen verletzte Soldaten.[2] Nicht ganz erklärbar ist der Einbruch Frankreichs im Jahr 1944. War die Lebenserwartung 1942 noch bei etwa 57 Jahren, bricht sie 1944 auf 47 Jahre ein, steigt jedoch ein Jahr später wieder auf fast 55 Jahre. Eventuell kam es im letzten vollen Kriegsjahr 1944 nochmals zu mehr Toten in Frankreich als davor. Was die Toten betrifft, hatte Frankreich mit circa 541.000 Toten im Zweiten Weltkrieg nicht sehr viel mehr Opfer zu beklagen als das Vereinigte Königreich mit ungefähr 418.500.[3] Mit der Landung der Alliierten im Juni 1944 in der Normandie verschärften sich aber nochmals die Kriegshandlungen in Frankreich, dies führte möglicherweise zu mehr zivilen Opfern. Ab 1960 in etwa war die Lebenserwartung beider Länder wieder auf dem gleichen Niveau.

Zum Schluss möchte ich dir noch ein großartiges Tool zeigen. Die Österreichische Nationalbank bietet auf ihrer Seite „eurologisch“ einen historischen Währungsrechner für Österreich an:

Abbildung: Österreichische Nationalbank, [https://www.eurologisch.at/docroot/waehrungsrechner/#/,], eingesehen am 24.01.2020.

Du kannst links einfach eine Jahreszahl zwischen 1820 und 2018 eingeben, dann siehst du, welche Währung es in diesem Jahr Österreich gab. Darunter kannst du einen Betrag eingeben, dann wird dir zum Beispiel der Wert von 100 Reichsmark im Jahr 1940 in die heutige Kaufkraft des Euros umgerechnet.

Wie immer möchte ich dir am Ende meines Blogs ein Beispiel anhand der Widerstandsgruppe „AKO“ zeigen. Ich hab mir die Monatslöhne von Arbeitern aus dem Umfeld der Widerstandsgruppe „Aktionistische Kampforganisation“ angesehen und in Vergleich mit dem durchschnittlichen Brutto-Monatslohn in der deutschen Industrie aus dem Jahre 1940 gesetzt.[4]

Als Quellen dienten mir hier Gerichtsakten aus dem Dokumentationsarchiv des österreichischen Widerstandes und dem Vorarlberger Landesarchiv. In diesen Akten wird unter dem Punkt „Persönliche Verhältnisse“ auf die persönliche Situation der Angeklagten eingegangen, also neben der familiären Situation auch wo sie arbeiteten und was sie verdienten. Folgende Grafik habe ich daraus erstellt:


Der Durchschnittsbruttolohn in der Industrie des Deutschen Reiches im Jahr 1940 lag bei etwa 159,56 RM. Man sieht auf ersten Blick, dass bis auf Arthur Sohm, alle angeklagten Arbeiter unter dem diesem Durchschnittsverdienst lagen. Rechnet man die Monatslöhne mit Hilfe des historischen Währungsrechners in die heutige Kaufkraft um, so ergibt sich folgendes Bild:

Umgerechnet auf die heutige Kaufkraft, verdienten die Arbeiter also weitaus weniger als es heute üblich ist. Dieser historische Währungsrechner der „Österreichischen Nationalbank“ basiert auf einem Verbraucherpreisindex und versucht historische Werte für heute vergleichbar zu machen. Natürlich können diese Werte nur als Annäherung betrachtet werden und die Stichprobe mit nur sieben Arbeitern ist sehr klein. Daraus kann aber durchaus der Schluss gezogen werden, dass sich vermutlich vor allem ArbeiterInnen mit niedrigen Löhnen damals dem Widerstand gegen das NS-Regime anschlossen. Um aussagekräftigere Ergebnisse bekommen, müssten die Löhne von noch mehr ArbeiterInnen miteinbezogen und zusätzlich mit anderen Regionen verglichen werden, um ausschließen zu können, dass diese niedrigen Löhne nur ein vorarlbergerisches Phänomen waren.

So endet nun mein letzter thematischer Blog. Im Laufe des Februars wird noch ein Eintrag über einen Projektantrag von mir kommen, der den Titel „Widerstand(en)“ hat. Dort erwarten dich neben neuen Dingen auch ein paar bekannte Sachen, die wir in den letzten drei Monaten schon behandelt haben. Ich bedanke mich für das Lesen bei dir und hoffe, du konntest etwas für dich und dein Studium/deine Arbeit mitnehmen. Hoffentlich schaust du im Februar nochmals vorbei.

Stay tuned, FG.


[1] Zijdeman, Richard and Filipa Ribeira da Silva (2015). Life Expectancy at Birth (Total). [http://hdl.handle.net/10622/LKYT53], accessed via the Clio Infra website.

[2] Centre européen Robert Schuman, Militärische Verluste der Alliierten im Ersten Weltkrieg, [http://www.centre-robert-schuman.org/userfiles/files/REPERES%20-%20Modul%201-1-1%20-%20Notiz%20-%20Bilanz%20in%20Ziffern%20des%20Ersten%20Weltkrieges%20-%20DE.pdf], S. 4, eingesehen am 09.12.2019

[3] Centre européen Robert Schuman, Bilanz in Ziffern des Zweiten Weltkrieges, [[http://www.centre-robert-schuman.org/userfiles/files/REPERES%20-%20Modul%201-2-0%20-%20Notiz-%20Bilanz%20des%20Zweiten%20Weltkrieges%20-%20DE.pdf] S. 1, eingesehen am 09.12.2019

[4] Rüdiger Hachtmann, Lebenshaltungskosten und Reallöhne während des ‚Dritten Reiches‘, [https://zeitgeschichte-digital.de/doks/frontdoor/deliver/index/docId/802/file/hachtmann_lebenshaltungskosten_reall%c3%b6hne_dritten_reiches_1988_de.pdf], S. 47, eingesehen am 09.12.2019

 

 


 


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