Die Emotionskluft: Wie sich die Printmediennutzung und Gratifikationserwartungen in Einstellungsstrukturen niederschlagen

Im vorliegenden Beitrag werden täglich erscheinende, regionale und überregionale (Qualitäts-)Zeitungen, die in den meisten Fällen im Breitformat gedruckt werden, mit dem Begriff „Abonnementszeitung“ bezeichnet. Diese Bezeichnung scheint darum geeignet, weil diese Veröffentlichungen in der Regel im Abonnement bezogen werden.

Auch wenn die Stichprobe repräsentativ für die Grundgesamtheit der wahlberechtigten Personen in der Deutschschweiz war, muss an dieser Stelle kritisch angemerkt werden, dass Personen ohne Internetzugang nicht an der Studie teilnehmen konnten. Dies dürfte die Resultate gleichwohl nicht beeinflusst haben.

Faktoranalysen (Hauptachsenanalysen; alle Faktorladungen > 0,73) weisen darauf hin, dass essenzielle Tau-Äquivalenz vorliegt (vgl. Yang und Green 2011).

Über alle vier Nachrichtenmeldungen hinweg korrelierten die Einstellungskomponenten hoch positiv, r(2018) = 0,83; p < 0,001.

Lineare Mehrebenenmodelle werden unterschiedlich bezeichnet. So finden sich in der Literatur die Bezeichnungen „multilevel regression models“, „mixed-effect models“, „nested models“ oder „hierarchical linear models“ für die Analysemethode (Heck et al. 2010). Mehrebenenmodelle werden geschätzt, wenn eine hierarchische Datenstruktur vorliegt. Beispielsweise können Schülerinnen und Schüler (Level 1) als in Klassen (Level 2) geschachtelt modelliert werden. Dies darum, weil die Schülerinnen und Schüler einer Klasse aufgrund der gleichen Lehrperson eine ähnliche Sozialisation durchlaufen haben und sich entsprechend innerhalb der Klasse ähnlicher sind als zwischen den Klassen. Mit anderen Worten liegen innerhalb der Klassen geteilte Varianzanteile vor. Ebenso wird die Analysemethode häufig verwendet, wenn longitudinale Daten vorliegen (vgl. Heck et al. 2010). Ist dies der Fall, werden die Messzeitpunkte (Level 1) als in Befragten (Level 2) geschachtelt modelliert. In den vorliegenden Daten liegt ebenfalls eine Messwiederholung vor, da alle Befragten alle vier Nachrichtenmeldungen bewertet haben. Mit anderen Worten sind die Messungen zu den einzelnen Nachrichtenmeldungen nicht voneinander unabhängig, womit eine Prämisse der linearen Regressionsanalyse verletzt ist. In derartigen Fällen bieten Mehrebenenmodelle die Möglichkeit, die geteilten Varianzanteile zu modellieren und sind linearen Regressionsmodellen demnach vorzuziehen (vgl. z. B. Hayes 2006; Heck et al. 2010). Im vorliegenden Fall wurden die einzelnen Messungen zu den vier Nachrichtenmeldungen der ersten Ebene zugeordnet und als in den Befragten geschachtelt modelliert. Aufgrund der verhältnismäßig großen Anzahl der Level-2-Einheiten (505 befragte Personen) wurde eine Maximum-Likelihood-Schätzung vorgenommen (vgl. Hayes 2006) und eine autoregressive Kovarianzstruktur (AR1) angenommen (vgl. Heck et al. 2010).

Auf Level 2 wurden keine Prädiktoren angelegt. Demnach wird auf Level 2 auch keine zusätzliche Varianz erklärt.