Der Anteil der streng geschützten Flächen in den Landkreisen und kreisfreien Städten in Deutschland

Inhalt

1. Einleitung

2. Berechnung von Lage- und Streuungsmaße von Kennziffern und Indikatoren mit den Daten „Anteil an streng geschützten Gebieten“
2.1 Erläuterung der Methodik
2.2 Auswertung

3. Untersuchung, ob es Unterschiede im Anteil der geschützten Gebiete in kreisfreien Städten und Landkreisen gibt (Whitney U-Test)
3.1 Erläuterung der Methodik
3.2 Auswertung

4. Zusammenfassung der Einflussvariablen zu Faktoren (Faktoren- und Hauptkomponentenanalyse)
4.1 Erläuterung der Methodik
4.2 Auswertung

5. Untersuchung, welche Variablen Einfluss auf die streng geschützten Flächen haben (Korrelation)
5.1. Erläuterung der Methodik
5.2 Auswertung

6. Ermittlung der Größe des Einflusses des Faktors „Wirtschaftsstandort“ auf die streng geschützten Gebiete (Regression)
6.1 Erläuterung der Methodik
6.2 Auswertung

7. Untersuchung, ob die Unterschiede in Landkreisen und Kreisfreien Städten auf die Ausprägung des „Wirtschaftsstandortes“ zurückzuführen sind (Clusteranalyse)
7.1 Erläuterung der Methodik
7.2 Auswertung

8. Fazit

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Verteilung des Anteils an streng geschützten Flächen in Deutschland

Abbildung 2: Anteil geschützter Flächen an den kreisfreien Städten und Landkreisen

Abbildung 3:Verteilung des Anteils streng geschützter Gebiete

Abbildung 4: Streudiagramme zu den Einflussvariablen des Faktors ,,Wirtschaftsstandort"

Tabellenverzeichnis

Tabelle 1: Zuordnung der einflussvariablen zu Faktoren

Tabelle 2: Regression mit den Variablen des Wirtschaftsstandortes

Tabelle 3: Clusterbildung anhand der Faktoren ,,Wirtschaftsstandort" und Anteil streng geschützter Gebiete

1. Einleitung

In dieser Seminararbeit soll ermittelt werden, wie unterschiedlich groß die Naturschutzflächen in den Landkreisen, sowie den kreisfreien Städten in Deutschland sind und von welchen Faktoren sie abhängen könnten. Dies geschieht ausschließlich mit quantitativen Methoden. Da der Naturschutz ein weit zu fassender Begriff ist, beschäftigt sich diese Seminararbeit mit dem Anteil von im Kern unberührten gesetzlich geschützten Flächen in Deutschland an der Gesamtfläche. Denn hier befindet sich noch einzigartige unberührte Natur. In dem zur Verfügung stehenden Datensatz nennt sich dieser Anteil, der ,,Anteil streng geschützter Gebiete“. Die Daten beziehen sich auf die Landkreise und die kreisfreien Städte in Deutschland. Der Datensatz besteht aus 112 kreisfreien Städten sowie 300 Landkreisen und ist in den Jahren 2009/10 erhoben worden. Anhand weiterer Variablen des Datensatzes werden die Daten der Variable ,,Anteil streng geschützter Gebiete“ hinsichtlich ihrer Zusammenhänge mit anderen Variablen analysiert. Es stellt sich insbesondere die Frage, von welchen Parametern dieser Anteil an geschützten Gebieten abhängt. Hierfür werden verschiedene Verfahren angewendet, wie zum Beispiel die Korrelationsanalyse.

Anhand weiterer quantitativer Tests wird unter anderem ermittelt, welche Stadt die meisten streng geschützten Gebiete besitzt und ob es Unterschiede im Flächenanteil an geschützten Gebieten zwischen kreisfreien Städten und Landkreisen gibt. Darüber hinaus wird mit Hilfe der Clusteranalyse untersucht, ob es charakteristische Unterschiede zwischen Landkreisen und kreisfreien Städten gibt, die den potentiellen Unterschied des Anteils der geschützten Gebiete erklären könnten. In einem Fazit werden alle Untersuchungen zusammengefasst, sowie das Ergebnis und die Methodiken kritisch hinterfragt.

2. Berechnung von Lage- und Streuungsmaße von Kennziffern und Indikatoren mit den Daten „Anteil an streng geschützten Gebieten“

2.1 Erläuterung der Methodik

Im Folgenden werden Lage- und Streuungsmaße von Kennziffern und Indikatoren für die Variable „Anteil streng geschützter Gebiete“ berechnet. Hierzu zählt das arithmetische Mittel. Das arithmetische Mittel ist der Mittelwert aller untersuchten Werte (vgl. Bahrenberg 2010: 53f.). Darüber hinaus wird der Median ermittelt, welcher alle Fälle halbiert, sodass auf beiden Hälften gleich viele Fälle stehen. Die Varianz ist ein Maß für die Unterschiedlichkeit der einzelnen Werte und zwar in Form der Summe der quadrierten Abweichungen vom Mittelwert (vgl. Bortz 2005: 583f.). Die Standartabweichung ist die Wurzel aus der Varianz. Die Quadrierung der Varianz wird wieder rückgängig gemacht und man ermittelt somit die durchschnittliche Streuung der Werte (vgl. Bortz 2005: 31).

2.2 Auswertung

In Abb. 1 erkennt man die Verteilung des Anteils an geschützten Flächen in Deutschland. Je grüner die Flächen in der Abbildung sind, desto höher ist ihr Anteil an streng geschützten Gebieten. Man erkennt, dass es besonders im Norden, hier besonders im Nordosten und Nordwesten Deutschlands viele geschützte Flächen gibt. In Baden-Württemberg und Bayern sind dies deutlich weniger, auch wenn es ganz im Süden vereinzelt Landkreise mit hohem Anteil an geschützten Flächen gibt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Verteilung des Anteils an streng geschützten Flächen in Deutschland

Das arithmetische Mittel des Anteils an streng geschützten Gebieten liegt bei 3,82%. Der Landkreis Garmisch-Patenkirchen hat mit 35,0% den größten Anteil an streng geschützten Gebieten. An zweiter Stelle steht mit 28,0% der Landkreis Berchtesgadener Land. Es folgt mit 26,0% die kreisfreie Stadt Jena. Wenn man sich diese Werte betrachtet, und sich nun den Median von 2,6% und die Standartabweichung von 4,19% vor Augen führt, kommt man zu der Erkenntnis, dass es sich bei den Gebieten mit dem größten Flächenanteil an geschützter Fläche um starke Ausreißer handelt. Eine ganze Reihe an Landkreisen und kreisfreien Städten besitzt überhaupt keine geschützten Flächen (0,0%). Hierunter fallen z.B. die kreisfreien Städte Osnabrück und Fürth, aber auch der Landkreis Miesbach.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Anteil geschützter Flächen an den kreisfreien Städten und Landkreisen

In der Abb. 2, dem Streudiagramm, erkennt man, dass ein sehr hoher Anteil an Landkreisen und kreisfreien Städten einen sehr geringen Anteil an geschützten Gebieten aufweist. Darüber hinaus gibt es kaum Städte mit mehr als 10% Anteil, aber einzelne Ausreißer, die einen Anteil von bis zu 35% an geschützter Fläche aufweisen. In Abb. 2 erkennt man die Verteilung nach Landkreisen und kreisfreien Städten. Beide Verteilungen haben eine recht ähnliche Form. Dies ist besonders für den folgenden Test von Bedeutung.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3:Verteilung des Anteils streng geschützter Gebiete

3. Untersuchung, ob es Unterschiede im Anteil der geschützten Gebiete in kreisfreien Städten und Landkreisen gibt (Whitney U-Test)

3.1 Erläuterung der Methodik

Im Folgenden wird untersucht, ob sich die Flächenanteile streng geschützter Gebiete in Landkreisen und kreisfreien Städten signifikant unterscheiden. Die Voraussetzung für einen t-Test unabhängiger Stichproben ist unter anderem, dass die beiden Datensätze, denen die Werte entnommen werden, normalverteilt sind (vgl. Bortz 2005: 122). Dies ist bei dieser Untersuchung, wie man an Abb. 2 erkennt, nicht der Fall. Deswegen wird der Whitney U-test verwendet. Mit dem U-test wird überprüft, ob die Werte der einen Zufallsvariablen insgesamt größer sind als die Werte der anderen . Sie müssen eine gleiche Form der Verteilung aufweisen. Dabei werden die Rangordnungen der Variablen benutzt (vgl. Bahrenberg 2010: 177). Der mittlere Rang gibt an, welche Werte durchschnittlich höher oder niedriger sind, ob ein signifikanter Unterschied vorliegt, erkennt man an der Asymmetrischen Signifikanz (vgl. Bühl 2014: 360f.). Es wird eine Hypothese zum Anteil an den geschützten Flächen aufgestellt, die anhand des U-Testes angenommen oder verworfen wird.

Hypothesen:

H0: Der Anteil geschützter Flächen in Landkreisen und kreisfreien Städten unterscheidet sich nicht.

H1: Der Anteil geschützter Flächen in Landkreisen und kreisfreien Städten unterscheidet sich.

3.2 Auswertung

Die 112 kreisfreien Städte haben einen durchschnittlichen Rang von 61,92, während die 300 Landkreise einen durchschnittlichen Rang von 260,48 besitzen. Dies liegt auch daran, dass es wesentlich mehr Landkreise gibt. Es liegt ein signifikanter Unterschied vor, da p=0,000 beträgt. Dies bedeutet die Landkreise haben einen höheren Anteil an streng geschützten Gebieten, als die kreisfreien Städte. Dies beweist auch der Median. Die Landkreise haben einen Median von 2,6 und die kreisfreien Städte einen von 2,5. Die Nullhypothese wird also verworfen. Der Anteil an geschützten Flächen in Landkreisen und kreisfreien Städten unterscheidet sich signifikant.

4. Zusammenfassung der Einflussvariablen zu Faktoren (Faktoren- und Hauptkomponentenanalyse)

4.1 Erläuterung der Methodik

Die Faktorenanalyse reduziert die Einflussvariablen zu Einflussfaktoren, indem diejenigen Variablen zusammengefasst werden, welche untereinander stark korrelieren. Somit entstehen Faktoren. Die Variablen werden dem Faktor mit der höchsten Korrelation zugeordnet. Auch anhand der Größe der Faktorwerte in den verschiedenen Fällen lässt sich die Zugehörigkeit zu einem Faktor bestimmen (vgl. Bühl 2004: 595f.). Die Faktorenanalyse geht also davon aus, dass messbare Beobachtungsgrößen (Variablen) auf einige nicht messbare Beobachtungsgrößen (Faktoren) im Hintergrund zurückzuführen sind. Die Faktorenanalyse wird zur Ermittlung dieser Dimensionen verwendet (vgl. Ernste 2011: 270f.). Dies soll nun in diesem Test erfolgen.

Bei der Hauptkomponentenanalyse werden ebenfalls Variablen in Gruppen zusammengefasst. Mit Hilfe der Hauptkomponentenladungen und Variablenwerte kann man die Korrelation zwischen Variable und Hauptkomponente erkennen (vgl. Bahrenberg 2008: 213). Es wird im Folgenden die explorative Faktorenanalyse angewandt (vgl. Brühl 2014: 596).

Es werden insgesamt 14 ausgewählte Variablen zu Faktoren zusammengefasst. Diese beziehen sich auf die Jahre 2009 und 2010 und sind in Tab. 3 unter der Spalte „Variablen“ aufgelistet.

4.2 Auswertung

Durch die Ermittlung aller anfänglichen Eigenwerte der Gesamtvarianz über 1 der Komponenten im Output von SPSS, können die Hauptkomponenten ermittelt werden (vgl. Bühl 2014: 598). Es ergeben sich in diesem Fall 5 Hauptkomponenten. Mit der ersten werden 33,4%, mit der zweiten 15,6%, mit der dritten 10,65% und der vierten 9,23% sowie der fünften 6,78% der Gesamtvarianz erklärt. Mit diesen Faktoren werden insgesamt 75,72% der Gesamtvarianz erklärt.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Zuordnung der einflussvariablen zu Faktoren

Es ergeben sich folgende Komponenten, denen wie oben die Variablen zugeordnet werden. Diese Komponenten werden wie folgt benannt: ,,Verstädterung“, „Wirtschaftsstandort“, „Private Zufriedenheit der Bevölkerung“, sowie den einzelnen nicht zuordbaren Faktoren „Durchschnittsalter Bevölkerung“ und „Ökologischer Anbau“.

5. Untersuchung, welche Variablen Einfluss auf die streng geschützten Flächen haben (Korrelation)

5.1. Erläuterung der Methodik

Nun wird durch den Korrelationskoeffizienten ermittelt, welche Variablen Einfluss auf den Anteil der streng geschützten Flächen haben. Die Korrelation kann in unterschiedliche Stärken eingeteilt werden. Der Wert 0,2 steht für eine sehr geringe, 0,5 eine geringe, 0,7 eine mittlere, 0,9 eine hohe und über 0,9 eine sehr hohe Korrelation. Negative Korrelationen können ebenfalls auftreten. Es handelt sich dann um einen gegenläufigen Zusammenhang. Weil es sich bei dieser Untersuchung um Prozentangaben und damit um intervallskalierte Daten handelt, wird der Korrelationskoeffizient nach Pearson angewandt (vgl. Brühl 2014: 426). Er zeigt lineare Zusammenhänge auf (vgl. Brosius 2013: 517). Dennoch ist die Korrelation kein Beleg für einen kausalen Zusammenhang (vgl. Brühl 2014: 428). Es wird ein zweiseitiger Signifikanztest durchgeführt, weil noch nicht bekannt ist, ob ein positiver oder negativer Zusammenhang vorliegt. Der Signifikanztest untersucht, ob überhaupt ein linearer Zusammenhang zweier Variablen besteht (vgl. Brosius 2013: 523f.). Dies ist meist bei einer Signifikanz von 0,05 der Fall (vgl. Bühl 2014: 177).

5.2 Auswertung

Wenn man die Korrelation aller Variablen der Tabelle 1 mit jener des Anteils an streng geschützter Fläche untersucht, erkennt man, dass nahezu alle Variablen keine signifikante Korrelation mit dem Anteil an streng geschützter Fläche aufweisen. Der Anteil der Kleinbetriebe, mittleren Betriebe und der Großunternehmen an allen Betrieben aber, korreliert signifikant mit dem Anteil an streng geschützter Fläche. Bei diesen Daten der Betriebe und Unternehmen handelt es sich um eine Zeitreihe von 2006-2009. Die Daten wurden wahrscheinlich zu verschiedenen Zeitpunkten erhoben, weswegen es auch zu Daten von insgesamt mehr als 100% kommen kann. Dabei wird der Anteil an den jeweiligen Betrieben an den Gesamtbetrieben in Prozent dargestellt. Diese Variablen bilden zusammen den Faktor ,,Wirtschaftsstandort“.

So ist der Korrelationskoeffizient des Anteils an geschützter Fkäche mit dem Anteil an mittleren Unternehmen -0,275, bei einer Signifikanz von 0,000. Mit den Großunternehmen ist der Korrelationskoeffizient -0,269 (Sig.: 0,000) und mit den Kleinbetrieben -0,158 (Sig.: 0,001). Das heißt, mit dem Anteil an mittleren und Großunternehmen besteht ein geringer negativer Zusammenhang. Je mehr geschützte Fläche es gibt, desto weniger Unternehmen gibt es. Bei den Kleinbetrieben ist der Zusammenhang sehr gering. Man kann also feststellen, je eher ein Gebiet kein Wirtschaftsstandort ist, desto mehr Anteil an geschützter Fläche gibt es dort. Verwunderlich ist, dass der Anteil der streng geschützten Gebiete keine Korrelation mit dem Anteil der Siedlungs- und Verkehrsfläche (Sig.: 0,683, Korr.: 0,020), bzw. generell dem Indikator ,,Verstädterung“ aufweist.

6. Ermittlung der Größe des Einflusses des Faktors „Wirtschaftsstandort“ auf die streng geschützten Gebiete (Regression)

6.1 Erläuterung der Methodik

Mit Hilfe der linearen Regression ist es möglich, die Art eines Zusammenhanges aufzudecken (vgl. Bühl 2014: 440). Das Bestimmtheitsmaß R² zeigt auf einer Skala von 0-1 inwiefern sich die abhängige Variable durch die unabhängigen Variablen erklären lässt. Es lässt sich hiermit aber auf keinen kausalen Zusammenhang schließen (vgl. Brosius 2014: 284f.). Es gibt an, wie viel Prozent der Varianz einer bestimmten Variable von einer anderen Variablen abhängen und wie viel Prozent von anderen Variablen abhängt (vgl. Zwerenz 2009: 226). Der Standartfehler der Schätzung gibt an, „(…) wie stark die durch die Regressionsgleichung geschätzten Werte der abhängigen Variablen von deren tatsächlichen Werten abweichen.“ (Brosius 2014: 284). Um aber herauszufinden, ob die Zusammenhänge verallgemeinerbar sind, zieht man die Signifikanz des Modells heran (vgl. Brosius 2014: 286). Mit der linearen Regression werden die Parameter Regressionskoeffizient und Regressionskonstante ausgegeben (vgl. Bühl 2014: 440).

Den stärksten Korrelationskoeffizienten weisen die streng geschützten Gebiete mit der Anzahl an den einzelnen Betrieben und Unternehmen, also dem Faktor ,,Wirtschaftsstandort“ auf (siehe Punkt 5.2). Deswegen wird im Folgenden die Regression mit diesen Variablen durchgeführt.

6.2 Auswertung

Das Bestimmtheitsmaß R² der linearen Regression zwischen dem Anteil geschützter Flächen und dem Anteil an mittleren Unternehmen beträgt 0,076, jener mit dem der Großunternehmen 0,072, und jener mit den Kleinbetrieben liegt bei nur 0,025. Das bedeutet für die Regression mit den mittleren Unternehmen, nur 7,6% der Variation der geschützten Fläche kann durch den Anteil an mittleren Unternehmen erklärt werden. Insgesamt aber können 17,3% des Einflusses auf die Variation der Größe der geschützten Flächen durch den Faktor ,,Wirtschaftsstandort“ erklärt werden. Dies erklärt sich durch die Addition der R² der einzelnen Variablen. Zum größten Teil (82,7%) werden die geschützten Flächen also durch andere, in dieser Arbeit nicht erfasste Daten beeinflusst. Alle Modelle sind hoch signifikant. Die geringen Regressionskoeffizienten bestätigen den geringen gegenseitigen Einfluss der einzelnen Variablen auf die geschützten Flächen. Ein kausaler Zusammenhang kann also eher ausgeschlossen werden, obwohl sich dieses in der Berechnung der Korrelationen noch anders darstellte. Es gibt also noch andere Faktoren, welche die Größe der geschützten Fläche wesentlich mehr beeinflussen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: Regression mit den Variablen des Wirtschaftsstandortes

Anhand der Regressionsgerade in Abb. 4 erkennt man den Zusammenhang zwischen dem

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Streudiagramme zu den Einflussvariablen des Faktors ,,Wirtschaftsstandort"

Faktor „Wirtschaftsstandort“ und dem Anteil streng geschützter Flächen. Auf der y-Achse ist der Anteil an geschützten Gebieten angezeigt, auf der x-Achse die Anzahl der Betriebe und Unternehmen. Anhand der Regressionsgerade erkennt man den geringen Zusammenhang. Wenn es mehr mittlere und große Unternehmen gibt, sinkt der Anteil der an geschützten Gebieten in geringem Maße. Ein kaum messbarer, aber positiver Zusammenhang besteht diesbezüglich bei den Kleinbetrieben. Die einzelnen Komponenten des Faktors ,,Wirtschaftsstandort“ wirken sich also unterschiedlich auf den Anteil an geschützten Flächen aus.

[...]