Skip to main content
Log in

Herausbildung einer akademischen Elite?

Zum Einfluss der Größe und Reputation von Universitäten auf Forschungsförderung

Emergence of an Academic Elite?

The Impact of Universities’ Size and Reputation on Research Funding

  • Abhandlungen
  • Published:
KZfSS Kölner Zeitschrift für Soziologie und Sozialpsychologie Aims and scope Submit manuscript

Zusammenfassung

Mit der verstärkten Drittmittelfinanzierung von Forschung gewinnen die Verteilungsprinzipien von Forschungsgeldern für den Erfolg einzelner Wissenschaftler sowie ganzer Forschungsinstitutionen an Bedeutung. Vorliegender Beitrag zielt auf die empirische Überprüfung von Hypothesen zum Einfluss der Größe und Reputation von Universitäten auf die Bewilligungschancen der bei ihnen beschäftigten Wissenschaftler. Mit prozessproduzierten Daten zu den im Zeitraum 1992 bis 2004 bei der Deutschen Forschungsgemeinschaft eingereichten Anträgen auf Einzelförderung (sogenannte „Normalverfahren“) werden multivariate Analysen der individuellen Bewilligungschancen sowie der Drittmitteleinwerbungen universitärer Fachgebiete angestellt. Im Ergebnis sind Kontext- und Konzentrationseffekte kaum nachzuweisen: Lediglich für Wissenschaftler an westdeutschen Traditionsuniversitäten finden sich leicht erhöhte Bewilligungschancen und erst bei weit überdurchschnittlichen Größen setzen sich höhere Personalbestände nicht mehr in vermehrte Antragstellungen und Bewilligungen um. Ebenso ist auf der Makroebene einzelner Universitäten kein Trend einer zunehmenden Ungleichheitsverteilung auszumachen. Abschließend werden diese Befunde in die Debatte um die Exzellenzinitiative eingeordnet, mit den einschlägigen Thesen von Richard Münch kontrastiert und ihre Aussagekraft diskutiert.

Abstract

Given a tendency to higher third-party funding, the mechanisms of distribution of research money become more and more relevant for individual academic careers as well as for scientific institutions at large. This article focuses on an empirical test of hypotheses on the impact of universities’ size and reputation on the chances of grant approval. Using multivariate analysis of register data provided by the German Research Foundation (DFG) for all applications for single grants from 1992–2004, individual chances of grant approval as well as success rates in departmental grant acquisition are estimated. The analyses detect neither strong context effects on individual chances of grant approval nor a clear tendency towards a higher concentration of research funding on fewer universities. Only scientists working in West German universities with a long standing tradition have a slightly better chance to get research funding. At the level of university departments, higher personnel resources translate into a higher number of applications and approvals only for very large institutions. Regarding funding of single grants, there is no trend of a growing inequality among the universities. Finally, these results are discussed with a specific reference to the recently launched “Initiative for Excellence” – a program designed in order to foster high level research in Germany – and are contrasted to some arguments of Richard Münch.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1-1
Abb. 1-2
Abb. 2-1
Abb. 2-2
Abb. 2-3
Abb. 2-4

Notes

  1. Diese Datenbasis wurde uns freundlicherweise von der DFG für die in ihrem Auftrag erstellte Studie „Wissenschaftlerinnen in der DFG. Förderprogramme, Förderchancen und Funktionen (1991-2004)“ zur Verfügung gestellt (Hinz et al. 2008). Für hilfreiche Erläuterungen zum Datenmaterial sowie aufwändige Arbeiten bei der Datenerstellung bedanken wir uns herzlich bei Thomas Rahlf, Daniel Bovelet, Alexis-Michel Mugabushaka und Anke Reinhardt. Ungenauigkeiten und Fehler liegen allein in der Verantwortung der Autoren.

  2. Die Antragstellenden wissen dagegen nicht, wer die Begutachtung vornimmt.

  3. DFG-Anträge in Koordinierten Programmen, wie insbesondere Schwerpunktprogrammen, bleiben aufgrund ihrer gesonderten Verfahrenslogik und differenten Förderanliegen bewusst ausgeklammert, sie sollten den Gegenstand separater Analysen bilden. Ebenso werden Anträge aus nicht-universitären Einrichtungen ausgeschlossen.

  4. Es können Mittel für Personal, wissenschaftliche Geräte, Verbrauchsmaterial, Reisen, Publikationen und die meisten anderen Erfordernisse eines Forschungsvorhabens beantragt werden. Die Grundausstattung ist allerdings von der Institution des Antragsstellers zur Verfügung zu stellen. Die übliche Förderdauer eines Projektes umfasst bei einem Neuantrag zwei bis drei Jahre, bei Bedarf kann ein Fortsetzungsantrag gestellt werden (zu weiteren Details: DFG 2005).

  5. Mit den Förder-Rankings der DFG beziehen wir das zentrale Medium des Forschungsmonitoring in Deutschland ein, das damit besonders für Reputationseffekte und als Auslöser für die sich selbst verstärkende Wirkung von Drittmitteleinwerbungen „verdächtig“ ist (vgl. Münch 2007: Kap. I.3; für allgemeine Diskussionen Laudel 2005). Es werden nicht nur die Bewilligungssummen der DFG beziffert, sondern daneben auch Kriterien wie die Drittmittelvolumen insgesamt, die Internationalität der Forschung und Einbindung in hochschulübergreifende „Kooperationsnetzwerke“ (vgl. DFG 2003: 15 f., DFG 2006: 13 f.).

  6. Argumentieren lässt sich zudem mit geringeren Antragserfahrungen von Wissenschaftlern an neu gegründeten und, zumindest für die Jahre nach der Wende, an ostdeutschen Universitäten. Allerdings wurde Letzterem durch zeitweise spezielle Antragsregelungen für ostdeutsche Wissenschaftler entgegenzutreten versucht (vgl. Laudel 2005: 34, Anm.3).

  7. Hierin wird von ihm zugleich wieder ein Verstoß gegen die Meritokratie gesehen: „Der Anfangserfolg ist deshalb schon in erheblichem Maße eine soziale Konstruktion. Entscheidend ist dann in der Tat die institutionelle Herkunft der Forscher, insbesondere die Kooperation mit schon reputierten Forschern“(2007: 234). Dem wäre insoweit zuzustimmen, als sich keine plausiblen Argumente dafür finden lassen, warum Selektionseffekte (prestigereiche und wohlhabende Universitäten weisen im Kampf um die besten Köpfe einen Wettbewerbsvorteil auf) speziell für junge Wissenschaftler gelten sollten.

  8. Hatten (Mit-)Antragsteller einen Sitz in einem Ausschuss des Forschungsrats, wurden höhere Bewilligungsquoten erzielt, speziell wenn es sich um den entscheidenden Ausschuss handelte (Moed 2005: 249-253).

  9. Münch findet abweichend bereits ab durchschnittlichen Personalbeständen negative Effekte, die Analysen scheinen jedoch wenig belastbar; näher dazu unten in Abschnitt 3.

  10. Hinzu kommen unterschiedlich starke Antragsaktivitäten und die fachgebiets- wie themenspezifische Verfügbarkeit von weiteren Drittmittelgebern neben der DFG (Hornbostel 1997: 214 f.; Laudel 2005).

  11. Zwar wird von Interaktionseffekten gesprochen (etwa Münch 2007: 293), dabei scheint es sich aber fälschlicherweise um Drittvariableneffekte zu handeln.

  12. Differenzierungen zwischen Sonder- und Fachgutachtern werden dabei nicht angestellt. Die ehrenamtlichen Sondergutachter werden von der DFG-Geschäftsstelle aufgrund ihrer fachlichen Expertise ausgewählt. Die bis zur Reform des Begutachtungssystems und der Einführung des Systems der Fachkollegien im Jahr 2004 ebenfalls noch tätigen Fachgutachter wurden dagegen auf Vorschlag der Fachverbände alle vier Jahre von der wissenschaftlichen Community gewählt und waren hauptamtlich für Begutachtungen zuständig (für Einzelheiten zum Begutachtungsverfahren vgl. DFG 2003 sowie Koch 2006, dort insbesondere für die mit der Umstellung auf Fachkollegien verbundenen Neuerungen).

  13. Der Status der Antragsteller ist uns leider nicht bekannt. Nach einer Sonderauswertung der DFG wurden im Jahr 2006 aber 57 Prozent der Anträge von Inhabern einer Professur eingereicht (vgl. Hinz et al. 2008: 32). Da uns keine Angaben zum akademischen Grad der Mitarbeiter vorliegen, ist eine Eingrenzung auf das antragsberechtigte Personal (mit zumindest abgeschlossener Promotion, vgl. DFG 2005) nicht möglich.

  14. Genauer legen wir die DFG-Fachsystematik zugrunde, wie sie seit der Reform des Begutachtungsprozesses im Jahr 2004 (dazu Koch 2006) im Einsatz ist. Diese Klassifikation folgt der operativen Struktur der Antragsbearbeitung und unterscheidet vier Wissenschaftsbereiche sowie insgesamt 14 Fachgebiete. Vor der Reform eingereichte Anträge wurden von der DFG rückwirkend an diese Fächerstruktur angepasst. Dies ist insofern erwähnenswert, als ihr damit in mancher Hinsicht ein „fiktiver“ Charakter zukommt: Fachliche Zuordnungen waren vorab zum Teil anders geregelt.

  15. Es ist etwa möglich, dass Anträge von Mitarbeitern eines biologischen Instituts von einem der Chemie zugeordneten Fachkollegium entschieden werden (vgl. DFG 2006: 14). Ebenso werden in den Fachkollegien der Medizin Anträge von Chemikern, Biologen oder auch Ingenieuren beurteilt. Die letztendliche Förderentscheidung trifft dann der Hauptausschuss der DFG. Zu den Einzelheiten der Verfahren und Gremien, wie etwa auch der Umstellung von Fachausschüssen auf Fachkollegien siehe www.dfg.de/dfg_im_profil/ struktur/. Nach Ausschluss der genannten beiden Fachgebiete reduzieren sich die fehlenden Werte bei den Personalbeständen antragstellender Institutionen deutlich zu insgesamt nur mehr 2 Prozent.

  16. Die oftmals bereits in den 1960er Jahren gegründeten „Reformuniversitäten“ erscheinen uns kaum mit dem Bild „altehrwürdiger“ und damit hochreputierter Universitäten assoziiert. Wir weichen an dieser Stelle daher bewusst von dem von Münch gewählten Stichdatum (Gründungen vor 1970) ab.

  17. Obgleich die prozessproduzierten Daten jeweils für sich den Charakter einer Vollerhebung tragen, gilt dies nicht mehr für unsere gesamte Datengrundlage. Vereinzelt fehlen Eintragungen, zusätzlich treten durch das Matching der unterschiedlichen Datenquellen Missings auf. Wir gehen von zufälligen Ausfallprozessen aus und berichten daher Signifikanzschwellen (zum Sinn von Signifikanztests bei Vollerhebungen s. Behnke 2005).

  18. Das Budget ist zwar ebenfalls stark gestiegen, aber eben nicht im gleichem Umfang wie die Nachfrage (zu entsprechenden Statistiken Hinz et al. 2008; DFG 1997, 2000, 2003, 2006).

  19. Die in der Datenbank vereinzelt ebenfalls zu findende Kategorie „anderweitig erledigter Anträge“ wird von uns, der bei der DFG üblichen Berichtspraxis folgend, zu den nicht bewilligten Anträgen gerechnet.

  20. Dieser Effekt bleibt fast unverändert bestehen, wenn die Berliner Universitäten als separate Kategorie gefasst werden (Anträge aus westdeutschen Universitäten weisen dann immer noch um 6,5 Prozentpunkte höhere Bewilligungschancen auf als solche aus ostdeutschen Universitäten).

  21. Die zum Teil deutlichen Effekte auf die Bewilligungschance weisen die Fachgebiete als eine wichtige Kontrollvariable aus. Bei alleiniger Kontrolle für die vier Wissenschaftsbereiche findet sich ein signifikanter positiver Effekt der Mitarbeiterzahlen – der fälschlicherweise für eine Bestätigung der „Größenhypothese“ gedeutet werden könnte. Die von Münch vorgelegten multivariaten Analysen (vgl. 2007: 446 f.) greifen in dieser Hinsicht eindeutig zu kurz.

  22. Was es nahe legt, primär von Selektionseffekten auszugehen, denn die in ihren Gehaltsstrukturen attraktiveren westdeutschen (Traditions-)Universitäten (Domen 2007) weisen bei Berufungsverhandlungen um besonders profilierte Wissenschaftler einen Wettbewerbsvorteil auf. Allerdings bleiben diese Interpretationen mit unserer Datenbasis spekulativ.

  23. Bis 1999 steigt die Bewilligungschance pro 100 Mitarbeiter mehr um durchschnittlich 0,20 Prozentpunkte; nach 1999 sind es dagegen 0,88 Prozentpunkte. Nur der Effekt nach 1999 ist zum 5 Prozent-Niveau signifikant. Ebenfalls schwach signifikant, aber mit einem negativen Vorzeichen versehen, ist die nicht dargestellte Interaktion des Antragsjahrs mit Traditionsuniversitäten. Der „Traditionseffekt“ schwächt sich somit konträr zu H5 mit der im Zeitverlauf steigenden Konkurrenz ab.

  24. Die Wendepunkte errechnen sich durch Ableiten und Nullsetzen der Schätzformel (zu dieser siehe den Methodenanhang). In unserem Fall ergeben sie sich als: x = - β Anzahl Personal/2βquadrierte Anzahl Personal.

  25. So werden auch bei überdurchschnittlichen Personalbeständen in der Regel noch Elastizitäten über dem Wert von Eins erreicht. Prozentuale Zuwächse an Mitarbeitern setzen sich also selbst bei überdurchschnittlichen Fachbereichsgrößen noch in mindestens ebenso hohe prozentuale Zuwächse an (bewilligten) Anträgen um. (Die entsprechenden Berechnungen sind aus Platzgründen nicht dargestellt.)

  26. Diese erscheint nicht zuletzt im Hinblick auf die soeben gefundenen Wendepunkte optimaler Personalgrößen von Interesse. Starke Konzentrationstendenzen könnten in Zukunft zu höheren Anteilen überoptimaler Einrichtungsgrößen führen, während zugleich andere Institute an zu wenig „Masse“ für größere Vorhaben „kranken“ (vgl. Jansen et al. 2007: 144).

  27. Unsere Daten weisen die Struktur von Paneldaten auf. Random-Intercepts-Modelle entsprechen methodisch aber exakt Panel-Daten-Modellen, bei denen für jede über die Jahre beobachtete Einheit (hier Fachgebiete der einzelnen Universitäten) ein spezifischer, zufälliger Term mit aufgenommen wird. Der Fehlerterm setzt sich also genau genommen aus (αjk + νj) zusammen.

Literatur

  • Allison, Paul D./Long, J. Scott, 1990: Departmental Effects of Scientific Productivity, in: American Sociological Review 55, 469–478.

  • Allison Paul D./Long, J. Scott/Krauze, Tad K., 1982: Cumulative Advantage and Inequality in Science, in: American Sociological Review 47, 615–625.

  • Allmendinger, Jutta/Hinz, Thomas, 2002: Programmierte (Un-)Gleichheit? Geschlechtsspezifische Chancen bei der Bewilligung von Forschungsanträgen, in: Zeitschrift für Soziologie 31, 275–293.

  • Bakanic, Von/Mc.Phail, Clark/Simon, Rita J., 1987: The Manuscript Review and Decision-Making Process, in: American Sociological Review 52, 631–642.

  • Behnke, Joachim, 2005: Lassen sich Signifikanztests auf Vollerhebungen anwenden? Einige essayistische Anmerkungen, in: Politische Vierteljahreszeitschrift 46, 1–15.

  • Broder, Ivy E., 1993: Review of NSF Economics Proposals: Gender and Institutional Patterns, in: American Economic Review 83, 964–970.

  • Cameron, A. Colin/Triverdi, Pravin K., 1986: Econometric Models Based on Count Data: Comparisons and Applications of some Estimators and Tests, in: Journal of Applied Econometrics 1, 29–53.

  • Carayol, Nicolas/Matt, Mireille, 2004: Does Research Organization Influence Academic Productivity? Laboratory Level Evidence from a Large European University, in: Research Policy 33, 1081–1102.

  • Cole, Jonathan R./Cole, Stephen, 1979: Which Researcher will get the Grant?, in: Nature 279, 575–576.

  • Deutsche Forschungsgemeinschaft (DFG), 2006: Förder-Ranking 2006. Institutionen – Regionen – Netzwerke. DFG-Bewilligungen und weitere Basisdaten öffentlich geförderter Forschung. Bonn.

  • Deutsche Forschungsgemeinschaft (DFG), 2005: Aufbau und Aufgaben. Bonn.

  • Deutsche Forschungsgemeinschaft (DFG), 2003: Förder-Ranking 2003. Institutionen – Regionen – Netzwerke. DFG-Bewilligungen und weitere Basisdaten öffentlich geförderter Forschung. Bonn.

  • Deutsche Forschungsgemeinschaft (DFG), 2000: DFG-Bewilligungen an Hochschulen und außeruniversitäre Forschungseinrichtungen 1996 bis 1998. Bonn.

  • Deutsche Forschungsgemeinschaft (DFG), 1997: Bewilligungen an Hochschulen 1991 bis 1995. Bonn.

  • DiPrete, Thomas A./Eirich, Gregory M., 2006: Cumulative Advantage as a Mechanism for Inequality: A Review of Theoretical and Empirical Developments, in: Annual Review of Sociology 32, 271–297.

  • Domen, Dieter, 2007: Perspektiven für den Hochschulraum Ost. Zusammenfassende Thesen eines Projekts im Auftrag des Bundesministeriums für Verkehr, Bau und Stadtentwicklung. FiBS-Forum Nr. 35. Berlin: Forschungsinstitut für Bildungs- und Sozialökonomie.

  • Fahrmeir, Ludwig/Künstler, Rita/Pigeot, Iris/Tutz, Gerhard, 2003: Statistik. Der Weg zur Datenanalyse. Berlin u.a: Springer.

  • Fox, Mary Frank, 1983: Publication Productivity among Scientists: A Critical Review, in: Social Studies of Science 13, 285–305.

  • Gillett, Raphael, 1991: Pitfalls in Assessing Research Performance by Grant Income, in: Scientometrics 22, 253–263.

  • Greene, William H., 2003: Econometric Analysis. New Jersey: Prentice Hall.

  • Güdler, Jürgen, 1996: Dynamik der Medienforschung – Eine szientometrische Analyse auf der Grundlage sozialwissenschaftlicher Fachdatenbanken. Forschungsberichte, Band 1. Bonn: Informationszentrum Sozialwissenschaften.

  • Güdler, Jürgen, 2003: Kooperationsnetzwerke in der Forschung – Entstehung, Struktur und Wirkung am Beispiel der Soziologie. Forschungsberichte, Band 5. Bonn: Informationszentrum Sozialwissenschaften.

  • Hausman, Jerry/Brownwyn, H. Hall/Griliches, Zvi, 1984: Econometric Models for Count Data with an Application to the Patents-R&D Relationship, in: Econometrica 52, 909–938.

  • Hinz, Thomas/Findeisen, Ina/Auspurg, Katrin, 2008: Wissenschaftlerinnen in der DFG. Förderprogramme, Förderchancen und Funktionen (1991-2004). Bonn/New York: Wiley.

  • Hornbostel, Stefan, 2001: Third Party Funding of German Universities. An Indicator of Research Activity?, in: Scientometrics 50, 523–537.

  • Hornbostel, Stefan, 1997: Wissenschaftsindikatoren. Bewertungen in der Wissenschaft. Opladen: Westdeutscher Verlag.

  • Jaeger, Michael, 2006: Leistungsbezogene Budgetierung an deutschen Universitäten, in: Wissenschaftsmanagement 3, 30–36.

  • Jansen, Dorothea/Wald, Andreas/Franke, Karola/Schmoch, Ulrich/Schubert, Torben, 2007: Drittmittel als Performanzindikator der wissenschaftlichen Forschung. Zum Einfluss von Rahmenbedingungen auf Forschungsleistung, in: Kölner Zeitschrift für Soziologie und Sozialpsychologie 59 (1), 125–149.

  • Kaube, Jürgen, 2007: Abrechnung ohne Strom. Richard Münchs Polemik gegen unser Forschungssystem. Rezension in der Frankfurter Allgemeinen Zeitung vom 17.08.2007.

  • Koch, Stefan, 2006: Die Deutsche Forschungsgemeinschaft und die Reform ihres Begutachtungssystems: Zur Einführung der Fachkollegien, in: Wissenschaftsrecht 39, 25–47.

  • Laudel, Grit, 2005: Quality-only Assumption. Is External Research Funding a Valid Indicator for Research Performance?, in: Research Evaluation 14, 27–34.

  • Long, Scott J./Freese, Jeremy, 2006: Regression Models for Categorical Dependent Variables Using Stata. Second Edition. Texas: Stata Corp.

  • Long, Scott J./McGinnis, Robert, 1981: Organizational Context and Scientific Productivity, in: American Sociological Review 46, 422–442.

  • Merton, Robert K., 1988: The Matthew Effect in Science, II: Cumulative Advantage and the Symbolism of Intellectual Property, in: ISIS 79, 606–623.

  • Merton, Robert K., 1968: The Matthew Effect in Science, in: Science 57, 68–72.

  • Moed, Henk F., 2005: Citation Analysis in Research Evaluation. Dordrecht: Springer.

  • Moed, Henk F./Luwel, Marc/Houben, Josee A./Spruyt Eric/Van Den Berghe, Herman, 1998: The Effects of Changes in the Funding Structure of the Flemish Universities on their Research Capacity, Productivity and Impact during the 1980’s and early 1990’s, in: Scientometrics 43, 231–255.

  • Münch, Richard, 2008: Stratifikation durch Evaluation: Mechanismen der Konstruktion von Statushierarchien in der Forschung, in: Zeitschrift für Soziologie 37, 60–80.

  • Münch, Richard, 2007: Die akademische Elite. Zur sozialen Konstruktion wissenschaftlicher Exzellenz. Frankfurt a. M.: Suhrkamp.

  • Neidhardt, Friedhelm, 1988: Selbststeuerung in der Forschungsförderung. Das Gutachterwesen der DFG. Opladen: Westdeutscher Verlag.

  • Okrasa, Wlodzimierz, 1986: Differences in Scientific Productivity of Research Units: Measurement and Analysis of Output Inequality, in: Scientometrics 12, 221–239.

  • Schimank, Uwe, 1992: Forschungsbedingungen der Professoren an den westdeutschen Hochschulen – Daten aus einer Befragung im Wintersemester 1990/91. MPIFG Discussion Paper 92/2. Köln: MPI für Gesellschaftsforschung.

  • Spence, Michael, 1973: Job Market Signaling. in: The Quarterly Journal of Economics 87, 355–374.

  • Statistisches Bundesamt, 2005a: Monetäre hochschulstatistische Kennzahlen. Fachserie 11, Reihe 4.3.2. Wiesbaden.

  • Statistisches Bundesamt, 2005b: Finanzen der Hochschulen. Fachserie 11, Reihe 4.5. Wiesbaden.

  • Statistisches Bundesamt, 2007: Monetäre hochschulstatistische Kennzahlen. Fachserie 11, Reihe 4.3.2. Wiesbaden.

  • Wissenschaftsrat, 2000: Drittmittel und Grundmittel der Hochschulen 1993 bis 1998 (Drs. 4717/00). Köln: Geschäftsstelle des Wissenschaftsrats.

  • Wooldridge, Jeffrey M., 2003: Introductory Econometrics. A Modern Approach. Thomson: Mason, Ohio.

  • Zuckermann, Harriet/Merton, Robert K., 1971: Patterns of Evaluation in Science, in: Minerva 9, 66–100.

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Katrin Auspurg.

Additional information

Wir danken den Herausgebern und anonymen Gutachtern der KZfSS für die hilfreiche Kommentierung unseres Manuskriptes.

Methodischer Anhang

Methodischer Anhang

Bei der Analyse der Bewilligungschancen (Abschnitt 4.1) tritt das Problem auf, dass in der Regel aus einzelnen universitären Fachgebieten jeweils mehrere Anträge eingereicht werden, diese somit nicht mehr unabhängig voneinander sind. Unkontrollierte institutionelle Einflussfaktoren auf die Bewilligungschancen (wie z. B. unterschiedliche universitäre Grundausstattungen) führen bei gewöhnlichen Regressionsschätzungen zu einer Korrelation der Fehlerterme, damit inkorrekten Standardfehlern und Fehlschlüssen (vgl. Greene 2003; Wooldridge 2003: 469 ff.). Der von uns gewählte Ausweg besteht in der gezielten Modellierung der vorliegenden Mehrebenenstruktur in Form von „Random-Intercept-Modellen“. Bei diesen wird für jede Einrichtung (hier Fachgebiet einer Hochschule) ein spezifischer Term aufgenommen. Die Schätzgleichung lautet:

$$ LOGIT_{ij} = In\left[ {P_{ij} /\left( {1 - P_{ij} } \right)} \right] = \beta _0 + \beta X_{ij} + \gamma Z_j + v_j $$

Pij ist die Wahrscheinlichkeit der Bewilligung des Antrags i aus der Einrichtung j, der LOGITij das logarithmierte Verhältnis der Wahrscheinlichkeit einer Bewilligung zur Wahrscheinlichkeit einer Ablehnung. Xij stellt einen Vektor mit den individuellen Merkmalen des Antragsstellenden (Alter und Geschlecht) dar, Zj einen Vektor mit den Merkmalen der Einrichtung (etwa deren Personalbestand). νj ist der einrichtungsspezifische Term, der hier im Gegensatz zu den verwandten „Fixed-Effects-Modellen“ als Zufallsvariable und damit als ein einrichtungsspezifischer Fehlerterm aufgefasst wird. Er modelliert vereinfacht gesprochen die unbeobachtete Heterogenität zwischen Einrichtungen, was verlässlichere Schätzungen des Einflusses erklärender Variablen erlaubt. Die einzelnen Antragsjahre lassen sich zusätzlich als Dummy-Variablen (damit fixe Effekte) in dieses Modell integrieren, um die zeitliche Veränderung der Bewilligungschancen abzubilden (sogenanntes „mixed model“ – da es sich um eine Vollerhebung aller Antragsjahre im betrachteten Zeitraum handelt, erscheint hier eine Modellierung als feste Effekte der Datenstruktur adäquat). Wir berichten statt der Koeffizientenwerte anschaulichere marginale Prozenteffekte bzw. „discrete changes“: Diese geben die durchschnittliche prognostizierte Veränderung der Bewilligungswahrscheinlichkeit wieder, die aus einer Erhöhung der jeweiligen erklärenden Variablen um eine Einheit resultiert (Berechnung mithilfe des „ado margeff“ des Statistik-Programms Stata 10).

Bei den in Abschnitt 4.2 betrachteten Antragszahlen und Bewilligungen pro Fachgebiet handelt es sich um ganzzahlige positive Größen, damit einen Paradefall für Zähldatenmodelle. Die hier einschlägigen und in ihrer „Schlichtheit“ attraktiven Poisson-Regressionen setzen das Vorliegen von „Äqui-Dispersion“ voraus (proportionaler Anstieg der Varianz zum Mittelwert) – eine Annahme, die in unseren Modellen oftmals verletzt ist (entsprechende Likelihood-Ratio-Tests zeigen hochsignifikant das Vorliegen von „Over-Dispersion“ an; zu den verwendeten Teststatistiken Long/Freese 2006: 376 f.). Die in diesen Fällen von uns alternativ verwendeten Negativ-Binomial-Modelle unterscheiden sich durch die zusätzliche Aufnahme eines Dispersionsparameters α (für Einzelheiten s. Long/Freese 2006: 372-380). Die prognostizierte Anzahl μjk der Anträge (bzw. Bewilligungen) der Einrichtung j im Jahr k und ihre Varianz ergeben sich dann als:

$$ mu _{jk} = \exp \left( {\beta _0 + \gamma Z_{jk} + \alpha _{jk} } \right);\,\,\,Var\left( {y_{jk} \left| {x_{jk} } \right.} \right) = \mu _{jk} + \alpha _{jk} \mu _{jk^2 } $$

Bei den berichteten Werten handelt es sich um einfache Umrechnungen der Form (exp(γ)-1)·100. Diese messen die erwartete Veränderung der Antragszahlen in Prozent, wenn sich die jeweilige erklärende Variable um eine Einheit erhöht. Wir führen wiederum Maximum-Likelihood-Schätzungen mit Random-Intercepts durch, um der Tatsache Rechnung zu tragen, dass einzelne Einrichtungen mehrfach (nämlich jeweils für die einzelnen Antragsjahre) beobachtet werden (dazu Greene 2003: 747-749; Hausman et al. 1984; allgemein zur Modellwahl bei Zähldaten Cameron/Triverdi 1986).Footnote 27

Bei dem im letzten Abschnitt des Ergebniskapitels (4.3) herangezogenen Gini-Koeffizienten handelt es sich um ein klassisches Konzentrationsmaß. Ausgangspunkt für seine Berechnung ist die so genannte Lorenzkurve. Sie zeigt an, auf welchen Anteil der Einrichtungen jeweils welcher Anteil der Gesamtsumme an Anträgen und Bewilligungen entfällt. Der Gini-Koeffzient erfasst dann die Abweichung von der eine Gleichverteilung indizierenden Winkelhalbierenden. Beim Wert Null liegen alle Werte auf der Winkelhalbierenden, es liegt eine völlige Gleichverteilung von Anträgen bzw. Bewilligungen auf die Universitäten vor. Beim Wert Eins konzentrieren sich dagegen sämtliche Anträge bzw. Bewilligungen auf eine einzige Universität, die Lorenz-Kurve ist maximal ausgebuchtet und von der Winkelhalbierenden entfernt. Wir verwenden den für kleine Fallzahlen auf den Wertebereich [0;1] normierten Gini-Koeffizienten (sogenannter „Lorenz-Münzner-Koeffizient“; siehe dazu Fahrmeir et al. 2001: 82). Insbesondere die Eigenschaft der Skaleninvarianz spricht für die Wahl des Gini-Koeffizienten – die jahresweise Zunahme der absoluten Antragszahlen beeinträchtigt den Zeitvergleich nicht.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Auspurg, K., Hinz, T. & Güdler, J. Herausbildung einer akademischen Elite?. Koelner Z.Soziol.u.Soz.Psychol 60, 653–685 (2008). https://doi.org/10.1007/s11577-008-0032-7

Download citation

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s11577-008-0032-7

Schlüsselwörter

Keywords

Navigation