Einleitung
Im Bundesdurchschnitt verlassen rund 32 Prozent eines Jahrgangs die Schule mit Hochschulreife. Der Durchschnitt verdeckt allerdings, wie weit die Kreise auseinanderliegen: Die Streuung zwischen ihnen beträgt fast neun Prozentpunkte. Wo jemand aufwächst, macht offensichtlich einen Unterschied. Wir wollten wissen, welche sozioökonomischen Faktoren mit dieser Quote zusammenhängen. Angefangen haben wir in Nordrhein-Westfalen. 53 Kreise sind allerdings eine dünne Datenbasis, und NRW ist zudem vergleichsweise homogen – die Abiturquoten streuen dort nur halb so stark wie bundesweit. Also haben wir die Analyse auf alle rund 400 deutschen Kreise ausgeweitet. Herausgekommen sind vier saubere Korrelationen – und die Erkenntnis, dass zwei davon nichts wert sind, solange man sie nicht gegenprüft. Das ist die eigentliche Geschichte dieses Projekts. Vorweg: Ein statistischer Zusammenhang bedeutet nicht, dass ein Faktor einen anderen verursacht. Wir untersuchen Korrelationen, keine Kausalitäten – und wie schnell man diesen Unterschied vergisst, hat uns das Projekt sehr deutlich gezeigt.
Methodik
Als Datengrundlage nutzen wir INKAR vom Bundesinstitut für Bau-, Stadt- und Raumforschung, auf Kreisebene für die Jahre 2017 bis 2022. Zielvariable ist der Anteil der Schulabgänger mit Hochschulreife. Als erklärende Faktoren haben wir vier Indikatoren gewählt: Arbeitslosenquote, Akademikeranteil am Wohnort, Straftaten je 100.000 Einwohner und Bruttoverdienst. Die Aufbereitung lief mit Python und pandas: jede Datei ins lange Format bringen, über den amtlichen Gemeindeschlüssel und das Jahr zusammenführen, anschließend pro Kreis den Mittelwert über die sechs Jahre bilden. Das glättet einzelne Jahrgangseffekte und liefert 400 Beobachtungen – eine je Kreis. Ausgewertet haben wir mit scipy und statsmodels: die Pearson-Korrelation r für Stärke und Richtung des linearen Zusammenhangs, Spearman als robuste Gegenprobe, dazu eine lineare Regression (OLS) mit R² – dem Anteil der Unterschiede zwischen den Kreisen, den ein Faktor rechnerisch abbildet. Die Residuen haben wir über Q-Q-Plots geprüft, besonders einflussreiche Kreise über Cook's Distance identifiziert. Gerechnet haben wir alles viermal: für Deutschland, West, Ost und NRW. Der entscheidende Schritt war ein zweiter Durchgang für NRW, bei dem jede Beziehung dreifach gerechnet wird – roh, mit einem Stadt-/Land-Indikator und mit dem Logarithmus der Bevölkerungsdichte:
hour_sin: 5,27 %
Team
Laura Knittel
Tom Hornung
Tuncay Aydin
Marius Meißner
Mentor:in
Hendrik Linn
