7. Ergebnisse

Für die Berechnung der CFAs wird die Software Mplus verwendet (Muthén & Muthén, 2010).

Der Chi²-Test auf exakten Modellfit ist für alle drei Modelle signifikant, was eine Ablehnung der Nullhypothese, dass das Modell in der Grundgesamtheit exakt auf die Daten passt nahelegt. Allerdings steigt der Chi²-Wert mit zunehmender Stichprobengröße, was eine Ablehnung der Annahme exakter Passung zur Folge haben kann, obgleich die Abweichung der Kovarianzmatrix im Modell von der in der Population verschwindend gering ist (Schermelleh-Engel et al., 2003, S. 32–33). Daher wird der Chi²-Test auf exakten Modellfit hier vernachlässigt.

Überdies zeigt sich, dass die latenten Faktoren zu politischem Vertrauen positiv korrelieren (r = .58); allerdings liegt dies unter dem vorgeschlagenen Schwellenwert diskriminanter Validität von .85 (Tabachnick & Fidell, 2013). Als restriktiveres Verfahren zur Überprüfung letzterer kann zusätzlich die „average variance extracted“ (AVE) der latenten Faktoren herangezogen werden (Quotient der Summe erklärter Varianzen der manifesten Variablen durch den latenten Faktor und der Anzahl der manifesten Variablen, Fornell & Larcker, 1981, S. 46; vgl. auch Prochazka & Schweiger, 2019; Voorhees et al., 2016; Yale et al., 2015). Da die AVE (AVE_PVR = .66, AVE_PVI = .39) über der quadrierten Korrelation zwischen den Faktoren liegen (r²_{PVR, PVI} = .34), kann von diskriminanter Validität ausgegangen werden. Auch liegt die AVE im Fall des Vertrauens in implementierende Institutionen unter .50, was bedeutet, dass ein höherer Anteil der Varianz der Indikatoren Messfehlern geschuldet ist als durch den latenten Faktor erklärt werden kann. Allerdings interessiert basierend auf der vorangestellten theoretischen Ausarbeitung für die folgende Analyse nur Vertrauen in repräsentative Institutionen als Prädiktor.

Dennoch ist ein etwas höherer Anteil der Varianz der Indikatoren Messfehlern geschuldet als der latente Faktor erklären kann (Fornell & Larcker, 1981, S. 46).

Von der Durchführung einer explorativen Faktorenanalyse wurde aufgrund mangelnder Stichprobeneignung abgesehen (vgl. Abschnitt 6.​3); analog sind Mittelwertindizes der Nutzungshäufigkeit gruppiert nach Formen von Mediengattungen jeweils nicht reliabel (α = .20 bis α = .53).

Zum einen lässt sich so die Anzahl der Prädiktoren reduzieren, was dazu beiträgt, eine angemessene statistische Teststärke zu gewährleisten (Urban & Mayerl, 2018, S. 131); zum anderen zeigen sich bei Berücksichtigung der Einzelitems in Regressionsmodellen wesentlich identische Einflüsse. Einzig sagt die Nutzungshäufigkeit des öffentlich-rechtlichen Rundfunks generalisiertes Vertrauen in journalistische Medien schwach positiv vorher. Diese Abweichung ist bei der Interpretation der Befunde zu beachten.

Qualitätsmedien: (Online-Angebote) öffentlich-rechtlicher Rundfunk und Tagespresse, Lokalpresse, Boulevardmedien: (Online-Angebote) privater Rundfunk und Boulevardpresse, nutzergenerierte Inhalte: auf sozialen Netzwerkseiten geteilte Medienbeiträge, Beiträge und Kommentare anderer Nutzer.

Wie viele Teilnehmer in der Stichprobe benötigt werden, um bei k Prädiktoren ein reliables Regressionsmodell zu erzielen, ist umstritten; da dies auch davon abhängt, wie stark der Effekt auf die abhängige Variable in der Grundgesamtheit ist und welche Teststärke bestehen soll (Cohen, 1992; Miles & Shevlin, 2001). Miles und Shevlin (2001) beziehen eine statistische Power von .80 (Cohen, 1992) in die Empfehlungen ein und gegeben als Richtwert für moderate Effekte n = 200 an bei bis zu 20 Prädikatoren. Da hier aufgrund der Befundlage nur spekuliert werden kann wie stark die Einflüsse ausfallen, wird Green (1991) gefolgt. Dieser empfiehlt unabhängig davon, dass für den Test des Einflusses von k Prädiktoren die minimale Stichprobengröße 104 + k (für eine empirische Überprüfung des Modells hingegen 50 + 8 ∙ k, wobei der größere Wert von beiden herangezogen werden soll). Demnach gilt für k = 27 mindestens n ≥ 266.

So liefert die visuelle Prüfung Hinweise auf lineare Zusammenhänge zwischen den jeweiligen Prädiktoren und der abhängigen Variable unter Kontrolle der restlichen Prädiktoren, auf (annährend) normalverteilte Fehlerwerte sowie auf gleiche Varianz für jeden Wert der unabhängigen Variablen (vgl. auch Berry, 1993).

Inkludiert man die Bewertung normativer Funktionserfüllung journalistischer Medien als globalen Index (vgl. Abschnitt 4.​2.​1), bleiben die Assoziationen (auch in folgenden Regressionsmodellen) im Wesentlichen stabil.

Eine autoritäre Wertorientierung hängt jedoch schwach positiv mit der wahrgenommenen Erfüllung normativer Funktionen journalistischer Medien zusammen (r = .081, p = .01). Bei näherer Betrachtung wird evident, dass dies überwiegend auf die Zustimmung zu Konventionalismus zurückgeht (r = .118, p < .001, Sicherheit durch Regierung: r = .070, p = .03, starke Regierung: r = −.014, p = .66, autoritäre Aggression; r = .061, p = .06).

Für die Berechnung der linearen SEM wurde auch die Software Mplus verwendet (Muthén & Muthén, 2010).

Die Signifikanzprüfung der SEM wurde in dieser Studie jeweils mittels Bootstrap-Methode (10.000 Stichproben) durchgeführt. Zur Signifikanzprüfung der indirekten Einflüsse wurden 95 % bias-korrigierte Bootstrap Konfidenzintervalle (CI) eingesetzt, da Produkte von Koeffizienten die Annahme der Normalverteilung verletzen könnten (MacKinnon et al., 2004).

Die direkten Assoziationen soziopolitischer Merkmale auf die Gründe medialer Performanz (je politische, ökonomische Einflüsse, Boulevardisierungstendenzen) lauten: Politische Extremität: β = .135, p < .001, β = .106, p = .01, β = .028, p = .46, Autoritarismus: β = .144, p < .001, β = −.013, p = .74, β = .112, p = .37, Deprivation: β = .131, p < .001, β = .118, p = .001, β = −.032, p = .37, Pluralismus: β = −.258, p < .001, β = −.129, p = .001, β = −.160, p < .001). Für die politische Performanzbewertung ergibt sich: Autoritarismus: β = .046, p = .20.

In Einklang damit, dass diese medialen Vertrauensobjekte theoretisch distinkt gefasst werden können, passt auch ein mittels CFA extrahiertes 3-Faktormodell nicht auf die Daten, Chi² (32) = 101.39, p < .001, CFI = .90, SRMR = .07. Eine ähnlich schlechte Passung zeigt ein 2-Faktormodell zu Vertrauen in Qualitäts- und Boulevardmedien, Chi² (13) = 120.86, p < .001, CFI = .93, SRMR = .06. So wird aus theoretischen wie empirischen Gründen von einem Modellvergleich abgesehen.

Für einen Rezipienten i entspricht letztere: \( s_{j} = \sqrt {\frac{1}{n - 1}\mathop \sum \nolimits_{j = 1}^{n} \left( {x_{j} - \overline{x}_{j} } \right)^{2} } \)

Wu und Wilkes (2018, S. 116–118) sprechen hier von cynics, compliants und critical trusters, worauf aufgrund der begrifflichen Nähe zu medienbezogenem Zynismus verzichtet wird.

Die (modellübergreifend weitgehend konstanten) direkten Assoziationen soziopolitischer Merkmale mit vermuteten Gründen medialer Performanz sind nachfolgend den Abbildungen zu entnehmen.

Ein Mittelwertvergleich zeigt, dass sich undifferenziert Nichtvertrauende (M = 2.80, SD = .70) nicht signifikant von differenziert Vertrauenden unterscheiden (M = 2.94, SD = .73); lediglich Befragte mit undifferenziertem Vertrauen sind zufriedener mit Information, Artikulation und Mobilisierung (M = 3.28, SD = .61), F (2, 998) = 20.84, p < .001, n²_part = .04. Somit könnte eine scheinbare Nichtkorrelation vorliegen, die unter Kontrolle modellrelevanter Variablen aufgehoben wird oder dies könnte der Irrtumswahrscheinlichkeit geschuldet sein.