Thomas Apolte, Ökonomische Theorie sozialer Massenphänomene in:

WiSt - Wirtschaftswissenschaftliches Studium, page 136 - 142

WIST, Volume 45 (2016), Issue 3, ISSN: 0340-1650, ISSN online: 0340-1650, https://doi.org/10.15358/0340-1650-2016-3-136

Browse Volumes and Issues: WiSt - Wirtschaftswissenschaftliches Studium

Bibliographic information
Ökonomische Theorie sozialer Massenphänomene Thomas Apolte Prof. Dr. Thomas Apolte ist Inhaber des Lehrstuhls für Ökonomische Politikanalyse an der Universität Münster. Bevorzugte Forschungsgebiete: Public-choice- Theorie, konstitutionelle Ökonomik, politische Stabilität und Konflikte, Theorie der Wirtschaftspolitik. Wenn das optimale Verhalten der individuellen Mitglieder einer Gruppe davon abhängt, wie sich die jeweils anderen Mitglieder verhalten, entstehen komplexe Interaktionen, welche zu einem mitunter kontraintuitiven und unvorhersehbaren Gruppenverhalten führen. Der Beitrag behandelt die theoretischen Grundlagen sogenannter Schwellenmodelle kollektiven Verhaltens (threshold models of collecitive behavior), welche die Dynamik solcherlei Gruppenverhaltens erklären, und wendet diese auf kollektive Protestbewegungen und Revolutionen an. Stichwörter: Gruppenverhalten, multiple Gleichgewichte, Protestdynamik, Revolutionen, Schwellenwertmodelle kollektiven Verhaltens. 1. Die Ziellosigkeit sozialer Massenphänomene Wenn wir das Handeln kleinerer oder größerer Gruppen beobachten, sind wir geneigt, diesem Handeln eine kollektive Zielorientierung zu unterstellen. Demnach würde gelten: Wenn eine Gruppe ein Handlungsergebnis A herbeigeführt hat, so muss dieses Ergebnis im Interesse der Mitglieder dieser Gruppe gelegen haben, sonst hätte die Gruppe so nicht gehandelt. Aber selbst wenn das Interesse einer Gruppe eindeutig zu identifizieren sein sollte, so wäre der Schluss vom Verhalten einer Gruppe auf deren Interesse dennoch ebenso wenig zulässig wie der Umkehrschluss vom Gruppeninteresse auf das Gruppenverhalten. Der Nobelpreisträger Thomas C. Schelling (1978) nennt eine Fülle von Beispielen, die uns zum Teil zunächst merkwürdig vorkommen mögen, die aber bei näherem Hinsehen doch aus dem Alltagsleben bekannt sind. So stelle man sich eine Gruppe von zehn Personen vor, die bei Regen an einer roten Ampel stehen, ohne dass weit und breit ein Auto zu sehen wäre. Einerseits mag jede der zehn Personen gern die Ampel bei Rot überqueren, andererseits möchte dies wegen des grundsätzlichen Verbots solchen Verhaltens dann doch kaum jemand tun oder meist nur dann, wenn mindestens eine andere Person es auch tut. Nehmen wir einmal etwas willkürlich an, dass eine der zehn Personen ganz unabhängig davon die Straße bei Rot überqueren würde, ob auch andere dies tun. Weiterhin gebe es eine Person, die dann und nur dann bei Rot loslaufen würde, wenn mindestens eine andere Person dies ebenfalls täte. Schließlich laufe eine weitere der zehn Personen dann und nur dann, wenn mindestens zwei weitere Personen bereits liefen und so weiter. Sobald unter diesen Bedingungen die erste Person die Straße überquert, stellt sie damit unbeabsichtigt die Bedingung für die zweite Person zum Loslaufen her. Die Beobachtung dessen erfüllt dann die Bedingung für die dritte Person und so weiter. Im Ergebnis wird die komplette Gruppe die Straße bei Rot überqueren. Wäre die erste Person dagegen nicht zufällig Teil der Gruppe gewesen, so wäre von der verbliebenen Neunergruppe niemand gelaufen, und alle wären im Regen nass geworden. Weder das eine noch das andere Ergebnis kann in irgendeiner Weise als von der Gruppe gewünscht interpretiert werden. Außerdem hat niemand das jeweilige Ergebnis absichtsvoll herbeigeführt. Vielmehr hat der Zufall im einen wie im anderen Falle die Bedingungen hergestellt, unter denen sich jeweils das eine oder das andere kollektive Ergebnis herstellte. Man beachte, dass sich trotz solcher merkwürdig irrational anmutenden kollektiven Handlungsergebnisse niemand der individuellen Gruppenmitglieder selbst irrational verhalten hat. Vielmehr handelte jedes Individuum auf der Basis einer bestimmten Nutzenfunktion, zu der es allerdings je nach individueller Präferenz gehört, den nützlichen Regelbruch nur dann zu begehen, wenn dies unter einem gewissen Schutzschirm weiterer Regelbrecher geschieht. Jenseits solcher und anderer Regelbrüche kennen wir aber auch andere Situationen, in denen das optimale Verhalten einer Person vom beobachteten Verhalten anderer Personen abhängig ist. So kennt man vom Besuch – vor allem avantgardistischer – Darbietungen den Moment ratloser Stille, den fast niemand recht als künstlerische Pause oder Ende eines Stücks identifizieren und sich daher allenfalls zögerlich zum Applaudieren durchringen kann. Beendet werden solche Momente regelmäßig durch einen Kenner aus den ersten Reihen, der der peinlichen Stille einen Moment Raum gibt, bevor er seine Expertise durch pionierhaften – meist betont laut und niederfrequenten – Applaus zur Kenntnis bringt, dabei gelegentlich „bravo!“ ruft und in der Folge den einen oder anderen weiteren Gast zum Einstimmen motiviert, welcher weitere Besucher nach sich zieht und so weiter, bis schließlich der ganze Saal unter dem Eindruck eines rauschenden Applauses steht. Vor allem das erste Beispiel ist gewiss harmlos und unbedeutend. Das gilt aber keineswegs für alle Massenphänomene, wie noch zu sehen sein wird. 136 WiSt Heft 3 · März 2016 ܼכ Z ܼ ൌ ܼכ 1 10 ܼ ܵ ൌ ͳ ൅ ܵ 10 1 2 2 H 0 Abb. 1: Dynamik der Ampelgänger 2. Dynamik sozialer Massenphänomene Grundlegend für soziale Massenphänomene ist, dass jedes Individuum sein Verhalten vom tatsächlichen oder vermuteten Verhalten anderer Individuen abhängig macht (Granovetter, 1978; Schelling, 1978). Wir beschränken uns bei unserer Betrachtung auf zwei Optionen p ∈{h,nh}, die jedem Individuum i ∈ {1,2,...,N} aus der betrachteten Gruppe zur Verfügung stehen, wobei h für Handeln und nh für nicht handeln steht. Zu jedem Zeitpunkt gibt es Z ∈ {1,2,...,N} Individuen, welche die Option h gewählt haben. Die von allen Mitgliedern der Gruppe beobachtete oder vermutete Zahl an Individuen, welche die Option h gewählt haben, bezeichnen wir mit Z*. Bei vollständiger Information gilt demnach Z = Z*. Ob ein Individuum die Option h wählt, hängt von Z* ab. Dabei weist jede Person i einen individuellen Schwellenwert Si auf, der die Zahl an Personen angibt, die mindestens die Option h gewählt haben müssen, damit auch die Person i die Option h wählt. Die Verteilung der Schwellenwerte lässt sich durch eine kumulative Verteilungsfunktion g(S) beschreiben, welche formal die aufsummierte Häufigkeitsverteilung oder – unter der vereinfachenden Annahme der Möglichkeit infinitesimal kleiner Veränderungen von Z – das Integral der Dichtefunktion ist. Zusammen mit Z* bestimmen die individuellen Schwellenwerte Si für jedes Individuum i die optimale Handlungsoption pi, und zwar in der folgenden Weise: pi = h wenn Z* & Si nh wenn Z* < Si . (1) 2.1. Das Ampelbeispiel Im Ampelbeispiel bestimmen sich die Schwellenwerte nach der Regel Si = i – 1, so dass S1 = 0, S2 = 1 usw. Die kumulative Verteilungsfunktion lautet dann g(S) = 1 + S. Sie besagt, dass eine Person einen Schwellenwert von maximal S = 0 hat, zwei Personen einen Schwellenwert von maximal S = 1 und so weiter. Hieraus lässt sich nun eine Funktion gewinnen, die in der Literatur Schwellenwertfunktion (threshold function; Granovetter, 1978; Yin, 1998) genannt wird, weil sie die Zahl jener Personen angibt, welche sich im Sinne von Gleichung (1) entweder gerade an der Grenze zur Option h befinden oder bereits darüber. Die Schwellenwertfunktion folgt aus Gleichung (1) in Verbindung mit der kumulativen Verteilungsfunktion g(S), und zwar folgendermaßen: Laut (1) befindet sich eine Person i gerade an der Schwelle zur Wahl der Option h, wenn Z* = Si gilt. Nennen wir dies die Schwellenwertbedingung. Wenn wir die Schwellenwertbedingung allgemein als Z* = S schreiben und in die kumulative Verteilungsfunktion g(S) = 1 + S einsetzen, dann gibt die linke Seite der kumulativen Verteilungsfunktion nicht mehr die Verteilung g(S) der maximalen Schwellenwerte, sondern für jedes Z* die Zahl Z jener Personen, die sich entweder gerade an der Schwelle zur Option h befinden oder bereits darüber. Durch Einsetzen von Z* = S in die kumulative Verteilungsfunktion g(S) = 1 + S erhalten wir daher die Schwellenwertfunktion: Z(Z*) = 1 + Z*. (2) Analog zur Verteilungsfunktion besagt die Schwellenwertfunktion dies: Ist zunächst niemand zu beobachten, welcher das rote Ampelsignal missachtet, so ist Z* = 0. Da die Person i = 1 einen Schwellenwert von S1 = 0 hat, gibt es laut (2) für Z* = 0 genau eine Person, welche die Option h wählt und losläuft. Das aber erhöht die Zahl der beobachteten Personen, die die Option h gewählt haben, auf Z* = 1, womit laut (2) für Person i = 2 die Bedingung für die Option h erfüllt wird und so weiter. Die durch Person 1 ausgelöste Kettenreaktion ist in Abb. 1 graphisch dargestellt. Dort finden wir die Schwellenwertfunktion (2) als obere Linie, während die darunter liegende 45°-Linie alle Punkte Z = Z* korrekter Beobachtungen darstellt. Bei zunächst Z* = 0 beobachteten Ampelgängern wird die erste Person bei Rot loslaufen, so dass wir uns vom Ursprung der Graphik senkrecht bis zum Punkt Z = 1 bewegen. Würde niemand die erste Person bei der Straßenüberquerung beobachten können, so bliebe es dabei. Sobald diese erste Person jedoch beobachtet wird, korrigieren die übrigen ihre Einschätzung über die Zahl Z von Z* = 0 auf Z* = 1, was einer waagerechten Bewegung bis auf die Linie Z = Z* entspricht. Diese Korrektur der Beobachtung veranlasst nun gemäß der Schwellenwertfunktion Z(Z*) = 1 + Z* eine weitere Person zum Überqueren der Straße, so dass wir wiederum senkrecht nach oben wandern und so weiter. Der Prozess endet erst im Punkt H, an dem alle Mitglieder der Gruppe losgelaufen sind. Dieses sehr einfache Beispiel hat nur das Gleichgewicht H, und wenn das erreicht ist, laufen alle bei Rot über die Ampel. Das ist allerdings keineswegs immer so, weshalb unser Konzept in zweifacher Hinsicht verfeinert werden muss: Erstens können sehr verschiedene Schwellenwertfunktionen gewählt und untersucht werden (Yin, 1998), und zweitens kann die Annahme aufgehoben werden, dass sich die Zahl Z der Personen, welche die Option h gewählt haben, unmittelbar beobachten lässt. Apolte, Ökonomische Theorie sozialer Massenphänomene WiSt Heft 3 · März 2016 137 ܼݐ ൌ ܼכ Zt+1 =W ሺܼ௧ሻ N N ܼݐ ൌ ܼכ ሶܼ N ܼ௧௖ ܼ௧ ௛ܼ௧௡ ܼ௧௖ ܼ௧ାଵ ൌ ܼכ ܼ௧ାଵ௡ ܼ௧ାଵ௛ L L H H A B Abb. 2: Lineare kumulative Verteilungen 2.2. Lineare Verteilung Selbst unter den linearen kumulativen Verteilungsfunktionen g(S) ist jene des Ampelbeispiels keineswegs die einzig mögliche. Allgemein lässt sich eine lineare kumulative Verteilungsfunktion als g(S) = a + b · S schreiben, so dass wir durch Einsetzen der Schwellenwertbedingung Z* = S die folgende Schwellenwertfunktion finden: Z = a + b · Z*. (3) Wenn wir nun annehmen, dass die Erwartung oder Beobachtung von Z immer zeitversetzt auf der Basis korrekter vergangener Beobachtungen erfolgt, so können wir Z* = Zt schreiben und die Schwellenwertfunktion wird zu: Zt+1 = a + b · Zt. (4) Subtrahieren wir auf beiden Seiten Zt und definieren die Veränderung von Z in der Zeit als Z˙ : = Zt+1 – Zt, so wird (4) zu: Z˙ = a + (b – 1) · Zt. (5) Unter der vereinfachenden Annahme, dass die Zahl Z sich in infinitesimal kleinen Schritten verändern kann, gilt formal Z ∈ & 0 , und Z˙ ist die Ableitung von Z nach der Zeit. Gleichung (5) ist dann eine gewöhnliche lineare Differenzialgleichung erster Ordnung. Dabei hängt die Veränderung von Z von ihrem jeweiligen Startwert Zt ab. Das Ampelbeispiel repräsentiert den Spezialfall a, b = 1, so dass die Zuwachsrate schlicht Z˙ = 1 ist. Für ein anderes Beispiel legen wir a = –4, b = 2 und Z ∈ [0,N] mit N > 4 fest. Die Schwellenwertfunktion (4) lautet dann folgendermaßen: Zt+1 = –4 + 2Zt. (4a) Daraus folgt die Differenzialgleichung: Z˙ = –4 + Zt. (5a) Dieses Beispiel zeigt Abb. 2. Werfen wir zunächst einen Blick auf dessen unteren Teil, in dem Gleichung (5a) abgetragen ist. Für einen Startwert von Zt = 0 ist die Veränderung von Z entlang der vertikalen Achse im Punkt L abzulesen. Sie beträgt laut (5a) Z˙ = –4. Für einen Startwert in Höhe von N ist die Veränderung entsprechend im Punkt H abzulesen. Sie beträgt Z˙ = –4 + N. Da wir N > 4 angenommen haben, ist diese Veränderung positiv. Weil die kumulative Verteilung der Schwellenwerte und damit auch die Schwellenwertfunktion linear ist, gibt es genau einen Startwert, bei dem die Veränderung Z˙ gleich null ist, und das ist der Startwert Ztc, der in der Literatur die kritische Masse genannt wird (Oliver/Marwell, 2001). Im Punkt Ztc befindet sich das System in einem Steady-State- Gleichgewicht, weil die Veränderung von Z in der Zeit gleich null ist und Z damit konstant bleibt. Es handelt sich allerdings um ein instabiles Gleichgewicht, weil jede noch so winzige Veränderung von Z aufgrund irgendeines exogenen, vielleicht zufälligen Schocks einen Anpassungsprozess auslöst, der erst an den Grenzen des Definitionsbereiches von Z ∈ [0,N] endet, also entweder im Punkt H mit Z = 0 oder im Punkt L mit Z = N. Inhaltlich heißt das: Sollte es, ausgehend von der kritischen Masse Ztc, eine winzige Erhöhung der Zahl der Mitglieder geben, welche die Option h wählt, so löst dies einen Anpassungsprozess aus, an dessen Ende alle N Mitglieder der Gruppe h wählen, also handeln. Das ist ganz so wie in dem Ampelbeispiel. Anders als im Ampelbeispiel kann aber auch das Gegenteil geschehen: Sollte es – ausgehend von Ztc – eine winzige Verringerung der Zahl der Mitglieder geben, welche Option h wählt, so löst dies einen Anpassungsprozess aus, der erst endet, wenn niemand mehr die Option h wählt, also wenn niemand mehr handelt. Die Anpassungsprozesse nach oben oder unten werden durch die Pfeile im unteren Diagrammteil angedeutet. Der jeweilige Anpassungsprozess endet überhaupt nur deshalb, weil die Zahl der handelnden Mitglieder nach unten und oben durch null und N begrenzt ist. Es handelt sich bei den Punkten L und H also nicht um innere Lösungen, sondern um Randlösungen. Die Logik der Anpassungsprozesse lässt sich im oberen Teil von Abb. 2 am besten nachvollziehen. Dort sind analog zu Abb. 1 die Schwellenwertfunktion (4a) sowie die Steady-state-Gleichgewichte Zt+1 = Z* = Zt als 45°-Linie eingetragen. Angenommen, wir starten zum Zeitpunkt t im Punkt Zth > Ztc entlang der Abszisse. Von dort können wir nun senkrecht nach oben wandern bis zum Punkt A und auf der Ordinate ablesen, dass eine Periode später Zt+1h Personen handeln. Das kann aber kein Steady-state-Gleichgewicht sein, weil Zt+1h > Z*, die Zahl der tatsächlich handeln- Wissenschaftliche Beiträge 138 WiSt Heft 3 · März 2016 ܼݐ ൌ ܼכ Zt+1 =W ሺܼ௧ሻ N N ܼݐ ൌ ܼכ ሶܼ N ܼ௧௖ ܼ௧ ௛ܼ௧௡ ܼ௧௖ ܼ௧ାଵ ൌ ܼכ ܼ௧ାଵ௡ ܼ௧ାଵ௛ L L H H Abb. 3: Normalverteilte Schwellenwerte den Personen also größer ist als die beobachtete oder erwartete Zahl an handelnden Personen. Die Korrektur dieser Beobachtung oder Erwartung ist gleichbedeutend mit einer Wanderung nach rechts, die sich bis zum Punkt B auf der Linie Zt+1h = Z* fortsetzt. Über diesen Anpassungsprozess erhöht sich die Zahl derjenigen Personen, deren persönlicher Schwellenwert Si von Z* überschritten wird, so dass sie zur Option h wechseln. Damit wächst Zt+1h erneut und so weiter, bis wir im Punkt H enden, wo der Prozess abgebrochen wird, weil bereits alle Mitglieder die Option h gewählt haben. Ganz analog läuft ein Anpassungsprozess ab, der an einem Punkt Zt+1n < Z* startet und im Punkt L endet. 2.3. Normalverteilte Schwellenwerte Man kann mit einiger Berechtigung annehmen, dass die individuellen Schwellenwerte der Gruppenmitglieder sehr häufig normalverteilt sind (Yin, 1998). Die dazugehörige kumulative Verteilungsfunktion der Schwellenwerte lautet dann: g(S) = 1 1 + 1 eσ (S–¯S) . (6) Dabei ist σ die Varianz und ¯S das arithmetische Mittel der Schwellenwerte. Sie bestimmen, wo die Normalverteilung liegt und wie steil sie verläuft. Daraus ergibt sich für die Schwellenwertfunktion: Zt+1(Zt) = 1 1 + 1 eσ (Zt–¯Zt) . (6a) Ziehen wir auf beiden Seiten den Startwert ab, so erhalten wir für Z˙ : = Zt+1 – Zt: Z˙ = 1 1 + 1 eσ (Zt–¯Zt) – Zt. (7) Abb. 3 zeigt analog zu Abb. 2 im oberen Teil den Verlauf der Schwellenwertfunktion (6) und die Steady-state-Bedingung Zt+1 = Zt = Z*. Die Schwellenwertfunktion beschreibt das Integral einer Normalverteilungskurve mit dem Mittelwert ¯Zt und der Varianz σ . Im unteren Teil sind die Werte der Differenzialgleichung (7) zwischen null und N abgetragen. Die Anpassungsprozesse sind im Prinzip analog zu denen des linearen Falls, mit allerdings einer Ausnahme: Im Unterschied zum linearen Beispiel haben wir hier in den Punkten L und H keine Randlösungen, sondern eine innere Lösung als Steady-state-Gleichgewicht. Das erkennt man im oberen Teil an den Schnittpunkten der beiden Kurven und im unteren Teil daran, dass es insgesamt drei Punkte gibt, für die Z˙ = 0 gilt. Im Falle von L ist das immer so, es gibt hier niemals eine Randlösung. Das Gleichgewicht in L liegt oberhalb von Zt+1 = 0, so dass es im Gleichgewicht L immer einige Personen geben wird, die die Option h wählen, ohne dass das weitere Auswirkungen auf andere Personen hat. Das analoge kann im Punkt H ebenfalls gelten, muss es aber nicht. Es kommt hier darauf an, ob Punkt H oberoder unterhalb der Gruppengröße N liegt. Liegt er unterhalb, dann stoppt der Anpassungsprozess an einem Punkt, an dem nicht alle Mitglieder die Option h gewählt haben, so dass wir eine dritte innere Lösung als Steady-state- Gleichgewicht haben. Liegt er oberhalb, finden wir wie im linearen Fall eine Randlösung bei Zt = N. Wenn die Schwellenwerte also normalverteilt sind, dann können sich die dynamischen Prozesse auch innerhalb von Teilgruppen einer Gesamtgruppe abspielen, so dass wir auch in dieser Hinsicht zu differenzierteren Ergebnissen kommen. Diese werden uns in den folgenden Beispielen begegnen. Im Gegensatz zu dem vorgestellten Ampelbeispiel finden sich in den Abbildungen 2 und 3 jeweils drei Steady-state- Gleichgewichte, von denen eines die instabile kritische Masse Ztc ist. Welche der beiden Gleichgewichte L oder H sich realisiert, hängt vom jeweiligen Startwert oberhalb oder unterhalb von Ztc und damit von der Historie der Dinge ab, was man in der Literatur als Pfadabhängigkeit bezeichnet. Solche Pfadabhängigkeiten sind immer dann relevant, wenn es wie hier multiple Gleichgewichte gibt. Für uns bedeutet Pfadabhängigkeit: Das Gleichgewicht L, in dem niemand handelt, ist solange stabil, wie nicht irgendein exogener Einfluss dafür sorgt, dass der Wert Ztc einmal überschritten wird. Ist es für eine Gruppe erwünscht, dass alle Individuen die Option h wählen und daher handeln, so ist das Gleichgewicht L mit einer Art Henne-Ei-Problem behaftet: Kein Individuum handelt, weil auch alle anderen nicht handeln. Wenn zu einem bestimm- Apolte, Ökonomische Theorie sozialer Massenphänomene WiSt Heft 3 · März 2016 139 ten Zeitpunkt zum Beispiel niemand ein Telefon hat, dann hat es auch für niemanden allein einen Sinn, sich ein Telefon zuzulegen. Analoges gilt für Punkt H, wenn es im Interesse der Gruppe ist, dass niemand handelt, also alle die Option nh wählen. Wenn es zum Beispiel vor einem engen Ausgang für eine große Gruppe von Menschen von Interesse wäre, dass niemand drängelt, und wenn jedes Individuum eine gewisse intrinsische Neigung dazu hat, nicht zu drängeln, sofern nicht zu viele andere drängeln, dann gilt in Punkt H: Alle Individuen drängeln, weil auch alle anderen drängeln. Soziale Massenphänomene sind sehr verbreitet zu beobachten, wo immer Menschen zusammenleben (Schelling, 1978; Kaemper/Lowenberg, 1992). Maßgebend für die hier vorgestellten Modelle waren vor allem Protestbewegungen und Revolutionen (Kuran, 1989; 1991a; 1991b). Auf sie wird nun beispielhaft näher eingegangen. 3. Revolutionen und Protestbewegungen Revolutionen werden selbst in zeitgenössischen theoretischen Konzepten noch immer gern auf ein hohes Maß an Unterdrückung und Ausbeutung zurückgeführt, welche den Protest breiter Bevölkerungsmassen provozieren. Dabei dürfte es sich aber um eine romantische Verklärung handeln, denn die von Revolutionen erwartete Verbesserung der Lebenssituation kommt, wenn überhaupt, dann unabhängig vom individuellen Grad an Engagement für die Revolution allen Mitgliedern der Bevölkerung gleichermaßen zugute. Dagegen sind die Lasten einer Revolution in erster Linie von jenen zu tragen, welche sich tatsächlich dafür engagiert haben – und diese können naturgemäß sehr beträchtlich sein. In diesem Sinne hat Tullock (1971) bereits früh auf das Kollektivgutproblem von Revolutionen hingewiesen und den Schluss gezogen, dass es so etwas wie Massenrevolutionen selten oder gar nicht gibt und dass Umstürze fast immer von meist regierungsnahen Eliten verübt werden, auch wenn sie gelegentlich mit dem schönen Schein eines Massenaufstandes ummantelt werden, um ihnen Legitimität zu verleihen (Tullock, 1974; 1987). Wenngleich ganz in diesem Sinne gewiss längst nicht alles spontan entstanden ist, was nach spontanen Massenprotesten aussieht, so sind solche Phänomene gelegentlich aber doch zu beobachten. Prominentere jüngere Beispiele sind die Umstürze in Mittel- und Osteuropa ab 1989 und die zum Kollaps verschiedener Regierungen führenden Protestbewegungen in der arabischen Welt ab 2010. Wie sind solche Phänomene also zu erklären? Die Verbesserung der politischen Verhältnisse kann einen rationalen Akteur trotz ihrer Wünschbarkeit nicht zu dessen Teilnahme motivieren. Das scheitert am Kollektivgutproblem. Allerdings könnte der individuelle Wunsch eines Menschen, seinen Unmut über die bestehenden politischen Verhältnisse öffentlich kundzutun, als Motiv durchaus infrage kommen. Analog zur Erklärung von Wählerverhalten im Rahmen von Modellen des expressive voting (Brennan/Lomasky, 1993) wollen wir hier von expressivem Protestverhalten sprechen. Ein solches Verhalten setzt allerdings voraus, dass die daraus zu befürchtenden Kosten in Form von Repressionen, Gefängnis, Verletzungen, Tod, Folter und vielem mehr nicht zu hoch eingeschätzt werden, denn die Nutzen aus expressivem Protestverhalten sind vage und vermutlich nicht sehr hoch. Hier nun kommt die Logik der Massenphänomene ins Spiel. Je mehr Menschen sich zu Protesten auf der Straße einfinden, desto geringer ist für jedes Individuum die Gefahr von Repressionen, denn jeder einzelne Teilnehmer geht in einer Masse unter, was in verschiedener Hinsicht Schutz bietet. Sinkt der Erwartungswert der Kosten infolge zunehmender Teilnehmerzahlen an Protesten hinreichend weit ab, so können irgendwann auch geringe und vage Nutzen expressiven Protestverhaltens plötzlich ausreichen, um ein Individuum ebenfalls zur Teilnahme zu motivieren. Nehmen wir in diesem Sinne an, jedes Individuum i ∈N einer unzufriedenen Bevölkerung maximiere den Nettonutzen Vin expressiven Protestverhaltens. Zur Vereinfachung normalisieren wir die Größe der protestierenden Bevölkerung auf z = Z/N, so dass z, z* ∈ [0,1] relative Bevölkerungsanteile angeben. Den Nettonutzen Vin definieren wir als Bruttonutzen Vt, abzüglich den zu erwarteten Kosten K in Form von Repressionen verschiedener Art. Dabei fallen die Kosten K allerdings nur mit einer Wahrscheinlichkeit π an, welche mit zunehmendem Anteil z* an Mitprotestierenden sinkt. Weiterhin habe jedes Individuum eine bestimmte Risikoscheu, ausgedrückt in ri ∈[1,2], mit der es die erwarteten Kosten gewichtet. Schließlich sei realistischer Weise angenommen, dass K > V, dass also der expressive Bruttonutzen einer Protestbeteiligung wegen ri & 1 die Kosten aus den zu erwartenden Repressionen bei keiner Person erreichen oder gar überwiegen kann, sofern die Repressionen mit Sicherheit erfolgen. Kein Individuum würde also je von sich aus zu protestieren beginnen, solange noch kein anderes Individuum protestiert. Zusammen genommen lautet die Funktion der erwarteten Nettonutzen für ein Individuum i im Zeitpunkt t + 1: Vi t+1n = V t+1 – K · π (z*) · ri. (8) Neben einer sehr einfachen Funktion π (z*) = 1 – z* nehmen wir eine ebenso einfache Funktion r(zt+1) = 1 + zt+1 über die Risikoscheu an der Schwelle zu Option h an. Setzen wir diese in die Nettonutzenfunktion (8) ein, so erhalten wir: Vt+1n = Vt+1 – K(1 – z*)(1 + zt+1). (9) Wenn wir (9) gleich null setzen und nach zt+1 auflösen, finden wir: zt+1 = –1 + Vt+1 (1 – z*)K. (10) Gleichung (10) ist wiederum eine Schwellenwertfunktion, denn sie gibt mit zt+1 genau jenen Anteil der Bevölkerung an, welcher sich entweder genau an der Schwelle zum Protestieren oder bereits darüber befindet. Wegen K > V ist die Steigung von (10) immer größer als eins. Interessant sind Wissenschaftliche Beiträge 140 WiSt Heft 3 · März 2016 ͳ1 m2<0 m1>0 P2 P1 ݖ௧ାଵ ൌ ݖ* ݖሺݖ*) zt+1 ݖݐ ൌ ݖכݖ௧௖ ݖ௧௖ H L Abb. 4: Protestdynamik zunächst die beiden Randwerte z* = 0 bzw. z* = 1. Im ersteren Falle erhalten wir zt+1(z* = 0) = –1 + Vt+1K , und das ist wegen K > V kleiner als null. Wenn umgekehrt z* gegen eins tendiert, dann geht zt+1 gegen unendlich. Die Funktion ist in Abb. 4 abgetragen, welche dem oberen Teil der Abbildungen 2 und 3 entspricht. Die Schwellenwertfunktion z(z*) verläuft progressiv und startet wegen K > V bei einem Wert z* > 0, weil es keine negativen Werte für zt+1 geben kann. Wegen dieser Eigenschaften gibt es immer einen Schnittpunkt mit der 45°-Linie zt+1 = z*, welche alle Punkte korrekter Erwartungen repräsentiert. Wie immer ist dieser Schnittpunkt die kritische Masse ztc, welche ein instabiles Steady-State-Gleichgewicht repräsentiert, von dem aus jeder noch so kleine exogene Schock in Form einer Abweichung m1 > 0 oder m2 < 0 entweder eine Dynamik auslöst, welche in der Randlösung H endet, in der die gesamte Bevölkerung protestiert, oder in der Randlösung L, in der sich niemand an den Protestaktionen beteiligt. Das Modell zeigt, dass eine Regierung eine Aufwärtsdynamik hin zu Punkt H stets sicher verhindern kann, wenn sie den Anteil der Protestierenden an der Bevölkerung unter der kritischen Masse ztc hält. Das liegt daran, dass diese Repressalien mit Kosten K verbunden sind, welche grundsätzlich höher sind als der expressive Nutzen V. Das ist sehr realistisch, denn der vagen Nutzenempfindung V stehen mit K Repressalien gegenüber, die die Regierung mit Gefängnis, Folter, Tod, Verfolgung Angehöriger und allerlei anderen Grausamkeiten im Prinzip beliebig hoch wählen kann. Dennoch gilt für jedes beliebig gewählte K, dass es eine Protestbeteiligung ztc gibt, ab der die mit der Wahrscheinlichkeit π gewichteten Kosten K der Repressalien so niedrig werden, dass ein Überschreiten der kritischen Masse zt c möglich ist, so dass selbst ein höchst repressives Unterdrückungssystem grundsätzlich unter dem Protest der Unterdrückten kollabieren kann. Der Logik des Modells folgend beruht die Stabilität aller Unterdrückungssysteme schlicht auf der Tatsache, dass die kritische Masse ztc, oberhalb derer eine Aufwärtsdynamik expressiven Protestverhaltens in Gang kommt, mehr oder weniger weit oberhalb von null liegt und damit das angesprochene Henne-Ei-Problem konstituiert. Kurz: Kein Individuum traut sich zum Protest auf die Straße, so lange nicht hinreichend viele andere bereits auf der Straße sind, weil das für jedes Individuum noch zu gefährlich ist. Und je größer ztc ist, desto unwahrscheinlicher ist es, dass der Bevölkerung eine Überwindung des Henne-Ei-Problems gelingt. Damit kann das Modell gut erklären, was die Machtbasis von Diktatoren ist; es kann aber in der jetzigen Form noch nicht erklären, warum diese Machtbasis hier und da plötzlich und unerwartet kollabiert und wie bei solchen Ereignissen das Henne-Ei-Problem überwunden wurde. Der Schlüssel zum Verständnis liegt in der Aufgabe der Annahme, dass die Individuen die Zahl der Protestierenden oder sonstiger potenziell Verbündeter direkt beobachten und korrekt auf die Zukunft fortschreiben können, dass also z* = zt = zt+1 ist. Diese Annahme ist nämlich unrealistisch, weil diese Zahlen gerade in Diktaturen nicht gut beobachtbar sind. Aus unserer Analyse sollte klar sein, dass ein Machthaber ein Interesse daran hat, die Werte für z* zu untertreiben, während Protestierende aus denselben Gründen ein Interesse daran haben, sie zu übertreiben. Tatsächlich finden wir sogar in westlichen Demokratien stets deutlich auseinanderfallende Angaben über die Zahl an Protestteilnehmern zwischen Protestorganisationen und Sicherheitskräften. Aber selbst wenn man diese Zahlen für eine aktuelle Aktion genau kennte, so wüsste man damit noch nicht, wie sie in künftigen Aktionen aussehen werden. Hinzu kommt, dass es eine noch schwieriger einzuschätzende Zahl heimlich Verbündeter gibt, die zum Beispiel in einer Polizeistation arbeiten und einen Festgenommenen aus Sympathie für die Sache nach Hause statt ins Gefängnis schicken. Die Individuen müssen also ihren Blick weg von vermeintlich sicher fortzuschreibenden Werten zt und hin zu subjektiven Einschätzungen z* lenken, und sie müssen ihren Blick auf Personenkreise weiten, die zwar nicht auf die Straße gehen, die Protestierenden aber in anderer Weise unterstützen, und diese Kreise können bis in höchste Sicherheitsorgane reichen. Zusammengenommen kann der geschätzte Anteil z* damit gerade in unruhigen Zeiten von einem Tag auf den nächsten großen Ausschlägen unterliegen. Selbst unbedeutende Ereignisse können dann einen plötzlichen und für alle unerwarteten Sturm des Protests auslösen. Ein Beispiel hierfür ist der Unmut über eine manipulierte Kommunalwahl in der DDR im Mai 1989. Ein anderes ist die Ankündigung der damaligen Ukrainischen Regierung im November 2013, das ausgehandelte Assoziierungsabkommen mit der EU nicht zu unterschreiben. Praktisch jeder Massenprotest kann mit einem solchen auslösenden Ereignis in Verbindung gebracht werden, wobei erstaunlich ist, dass solche Ereignisse tatsächlich oft relativ unbedeutend und in anderen Zusammenhängen kaum beachtet worden sind. Es gilt aber auch: Wir können nur jene Proteste beobachten, welche durch ein solches Er- Apolte, Ökonomische Theorie sozialer Massenphänomene WiSt Heft 3 · März 2016 141 ݖݐ ൌ ݖכ zt+1 N ݖ௧ାଵ ൌ ݖכ ݖ௧ାଵ௟ ሺݖ௧ሻ ݖ௧ାଵ௥ ሺݖ௧ሻ ݖ௧௖ ௟ ݖ௧ ௖ ௥ L Abb. 5: Schleichende Radikalisierung eignis tatsächlich ausgelöst worden sind. Dagegen können potenzielle Ereignisse in einem vergleichbaren Umfeld von Unzufriedenheit, denen es an einem auslösenden Moment gefehlt hat, naturgemäß nicht beobachtet werden, weil sie nicht stattgefunden haben. Daher nehmen wir die Realität systematisch verzerrt wahr mit der Folge, dass Unzufriedenheit scheinbar sehr viel häufiger zu Umstürzen führt als dies tatsächlich der Fall ist. Folgt man den Schwellenwertmodellen, dann sind Unzufriedenheit und Umstürze tatsächlich allenfalls lose miteinander verbunden und letztere eher so etwas wie ein Unfall in autoritären Herrschaftssystemen. Solcherlei „Unfälle“ können auch auf Erwartungsänderungen beruhen, welche durch Ereignisse in relevanten Nachbarländern ausgelöst und so zu Zündfunken werden. Aus den Tagen der Samtenen Revolution im Jahre 1989 in der ehemaligen Tschechoslowakei zitierte der amerikanische Politologe Timur Kuran ein Protestbanner, auf dem stand: „Polen – 10 Jahre, Ungarn – 10 Monate, Deutschland – 10 Wochen, Tschechoslowakei – 10 Tage.“ Und Kuran fügte hinzu: „Hätte man das Banner ein paar Wochen später erstellt, man hätte vielleicht hinzugefügt: Rumänien – 10 Stunden“ (Kuran, 1991, S. 42; Übersetzungen vom Autor, T.A.). 4. Schleichende Gefahren In der Realität werden nicht allein die Verteilung der individuellen Risikoeinschätzungen, sondern viele andere Faktoren für die Lage der Schwellenwertfunktion verantwortlich sein. Hierzu dürfte zum Beispiel auch ein unterschiedlich verteilter Grad an Unmut verantwortlich sein. Abb. 5 zeigt die Folgen anhand des Beispiels politischer oder religiöser Radikalisierungen. Angenommen, zu Beginn sei die Äußerung und erst Recht ein weitergehendes Einsetzen für bestimmte Positionen tabuisiert und damit öffentlich unschicklich. Wir befinden uns dann im Gleichgewicht L. Verbreitet sich die Position in den Köpfen der Menschen aber dennoch, so verringert dies den Mittelwert ¯Zt der Schwellenwertverteilung, so dass sich die Schwellenwertfunktion in Abb. 5 nach links von zt+1r (zt) nach zt+1l (zt) verschiebt. Dies bleibt aber zunächst fast unbemerkt, weil sich nach wie vor kaum ein Individuum zu seiner radikalisierten Position bekennt, so lange dies auch kaum ein anderes tut. Daher hat die Radikalisierung zunächst kaum Auswirkungen auf die Stabilität des Gleichgewichts L, so dass fast niemand ein Problem wahrnimmt. Die mit der Verschiebung verbundene Absenkung der kritischen Masse ztc erhöht aber die Wahrscheinlichkeit, dass es irgendwann einmal zu einer plötzlich einsetzenden Aufwärtsdynamik kommt; sollte dies geschehen, was keineswegs sicher ist, so sind alle Beteiligten und Beobachter gleichermaßen überrascht. Dabei gilt: Die schleichende Radikalisierung mag prognostizierbar sein, wenn man genau hinschaut; ein plötzlicher Ausbruch von Protest oder gar Gewalt ist es der Natur der Sache nach aber nicht. Literatur Brennan, G., L; Lomasky, Democracy and Decision. The Pure Theory of Electoral Politics, Cambridge 1993. Granovetter, M., Threshold Models of Collective Behavior, in: American Journal of Sociology, 83 (1978), S. 1420–1443. Kaemper, W. H.; A. D. Lowenberg, Using Threshold Models to Explain International Relations, in: Public Choice, 73 (1992), S. 419–444. Kuran, T., Sparks and Prairie Fires: A Theory of Unanticipated Political Revolution, in: Public Choice, 61 (1989), S. 41–74. Kuran, T., Now Out or Never: The Element of Surprise in the East European Revolution of 1989, in: World Politics, 44 (1991a), S. 7–48. Kuran, T., The East Europen Revolution of 1989: Is it Surprising that we were Surprised?, in: American Economic Review, 81 (1991b), S. 121–125. Oliver, P. E.; G. Marwell, Whatever Happened to Critical Mass Theory? A Retrospective and Assessment, in: Sociological Theory, 19 (2001), S. 92–311. Schelling, Th. C., Micromotives and Macrobehavior, New York 1978. Tullock, G., The Paradox of Revolution, in: Public Choice, 11 (1971), S. 89–99. Tullock, G., Autocracy, Dordrecht 1987. Yin, C.-C., Equilibria of Collective Action in Different Distributions of Protest Thresholds, in Public Choice, 97 (1998), S. 535– 567. Wissenschaftliche Beiträge 142 WiSt Heft 3 · März 2016

Zusammenfassung

Wenn das optimale Verhalten der individuellen Mitglieder einer Gruppe davon abhängt, wie sich die jeweils anderen Mitglieder verhalten, entstehen komplexe Interaktionen, welche zu einem mitunter kontraintuitiven und unvorhersehbaren Gruppenverhalten führen. Der Beitrag behandelt die theoretischen Grundlagen sogenannter Schwellenmodelle kollektiven Verhaltens (threshold models of collecitive behavior), welche die Dynamik solcherlei Gruppenverhaltens erklären und wendet diese auf kollektive Protestbewegungen und Revolutionen an.

References

Abstract

Up-to-date knowlegde of the main topics and proven methods in business and economics research is the key factor for success in both academia and business. Month by month, WiSt delivers this knowledge by presenting and discussing latest trends and current topics on the basis of models from the business and economics sciences.

Language: German.

For more information for authors and subscribers, see http://rsw.beck.de/cms/main?site=WiSt.

Zusammenfassung

Für den Erfolg in Studium und Beruf ist aktuelles und methodisches Wirtschaftswissen das A und O. Die Zeitschrift WiSt liefert dieses Wissen Monat für Monat. Hochaktuelle Wirtschaftsthemen werden vor dem Hintergrund der volks- und betriebswirtschaftlichen Modelle erörtert und diskutiert. So bleiben Sie up-to-date, kennen die brisanten Details und durchschauen schnell komplexe Wirtschaftsstrukturen.

Die Erfolgs-Rubriken der WiSt

  • IM VISIER: Der Leitartikel auf der ersten Inhaltsseite greift ein aktuelles Thema aus dem polit-ökonomischen Bereich auf und analysiert es messerscharf.

  • Fünf wissenschaftliche Beiträge vermitteln Wissen, das so in keinem Lehrbuch zu finden ist.

  • Meinungen können und sollen polarisieren. In der wechselnden Rubrik Standpunkte finden Sie Standpunkte von Experten in Form von Interviews, Kommentaren und Pro-/Contra-Beiträgen.

  • Gesetze, Effekte und Theoreme mit kurzgefassten Erläuterungen schaffen den Durchblick für die Klausuren.

  • Das aktuelle Stichwort erläutert neue Themen und wichtige Wirtschaftsbegriffe.

  • Mit den Informationen für Studium und Beruf bleiben Wirtschaftswissenschaftler am Puls der Zeit.

Ihr Erfolgs-Turbo

Die Zeitschrift WiSt hält Sie in allen Spezialdisziplinen von BWL und VWL auf dem Laufenden. Sie erfahren alles über die aktuellen Forschungsergebnisse und Wirtschaftsthemen, die die Zukunft bestimmen. Das Plus für Studenten: Die WiSt macht fit für die Klausur. Sie erhalten aktuelle Klausurübungen mit entsprechenden Musterlösungen.

Weitere Informationen für Autoren und Abonnenten finden Sie unter http://rsw.beck.de/cms/main?site=WiSt.