Was ist soziale Erwünschtheit?

Was ist soziale Erwünschtheit?

Sie ist die Lücke zwischen dem, was Befragte getan haben oder denken, und dem, was sie angeben, wenn die Angabe zum Gebilligten hin ausschlägt. Krumpal (2013)² fasst den Kern in einem Satz: Aus Sorge um ihre Selbstdarstellung geben Befragte sozial unerwünschte Handlungen zu selten und sozial erwünschte zu häufig an („Due to self-presentation concerns, survey respondents underreport socially undesirable activities and overreport socially desirable ones.“). Krosnick (1999)¹ beschreibt dasselbe Muster als bekanntes Phänomen der Umfrageforschung: Anerkannte Einstellungen und Verhaltensweisen werden zu häufig, nicht respektierte zu selten berichtet.

Die Verzerrung durch soziale Erwünschtheit ist nicht nur eine Eigenschaft mancher Menschen. Krumpal berichtet eine Unterscheidung von Randall und Fernandes (1991): soziale Erwünschtheit als stabiles Persönlichkeitsmerkmal, ein beständiges Bedürfnis nach Anerkennung, das manche Befragte in jede Befragung mitbringen, und soziale Erwünschtheit als Eigenschaft der Frage, wobei die Wirkung sozialer Erwünschtheit stark von den Merkmalen der einzelnen Frage abhängt („effects of social desirability are strongly influenced by characteristics of a specific item“). Er ergänzt, dass Merkmale des Befragungsdesigns, der Interviewenden und der Befragungssituation bestimmen, ob und wie stark die Verzerrung auftritt („aspects of the survey design, the interviewer’s characteristics and the survey situation determine the occurrence and the degree of social desirability bias“). Das ist der nützliche Teil für alle, die eine Befragung durchführen: Ein Teil der Verzerrung hängt an Entscheidungen der Forschenden.

In diesem Leitfaden heißt soziale Erwünschtheit: eine systematische Abweichung zwischen wahren Werten und Antworten in eine Richtung, in der die Befragten ein günstigeres Urteil erwarten, verursacht dadurch, wie die Antwort auf die Interviewenden, auf andere oder auf die Befragten selbst wirken würde. Sie ist eine Form von Messfehler und unterscheidet sich von der Antwortverweigerung, vom Vergessen und vom Zustimmen zu allem, was gefragt wird.

Welche Antworten gelten als heikel?

Nicht jede unangenehme Frage ist eine heikle Frage im engen Sinn. Krumpal berichtet eine dreiteilige Unterscheidung von Tourangeau und Yan (2007). Die erste Dimension ist das Eindringen in die Privatsphäre: Fragen nach sexuellen Vorlieben, Gesundheit oder Einkommen gelten oft als zu privat. Die zweite ist die Angst vor Offenlegung, also davor, was geschieht, wenn die Antwort andere erreicht; als Folgen nennt er Jobverlust, Ärger in der Familie oder sogar Strafverfolgung. Die dritte ist die soziale Erwünschtheit selbst.

Die dritte unterscheidet sich von den ersten beiden in einem Punkt, der für das Design zählt. Bei sozialer Erwünschtheit ist nicht die Frage heikel, sondern die Antwort („is not the sensitivity of a question but the sensitivity of an answer“). Eine Frage nach Trunkenheit am Steuer ist leicht für jemanden, der nie betrunken fährt, und schwer für jemanden, der es tut; die Verzerrung trifft also genau die Menschen, die die Frage zählen soll. Auch Normen unterscheiden sich zwischen Gruppen: Nach Krumpal kann die Neigung zu sozial erwünschten Antworten mit kulturellen Orientierungen variieren.

Ein indirektes Zeichen dafür, dass eine Frage heikel ist, ist eine leere Antwort. Krumpal berichtet den Item-Nonresponse, also den Anteil der Befragten ohne Antwort auf eine Frage, für sieben Fragen in drei Wellen der Allgemeinen Bevölkerungsumfrage der Sozialwissenschaften (ALLBUS), einer bundesweiten Zufallsstichprobe deutschsprachiger Erwachsener in Privathaushalten in Deutschland. Unter der Annahme, dass heiklere Fragen häufiger offenbleiben, liest er die Tabelle so: Haushaltsnettoeinkommen und Wahlabsicht haben durchgehend mehr fehlende Werte als die übrigen Fragen, und die Einkommensfrage ist mit Ausfallraten von 20,7 bis 26,2 Prozent die heikelste („the income question has the highest sensitivity of all items with nonresponse rates ranging from 20.7 to 26.2%“). Alter und Erwerbsstatus ließ weniger als ein halbes Prozent offen. Abbildung 1 stellt die Tabelle grafisch dar.

Die Tabelle braucht zwei Vorbehalte. Die Werte zur Wahlabsicht schließen laut Fußnote die Antwort „weiß nicht“ ein. Und die Wellen nutzten unterschiedliche Erhebungsarten, sodass die Veränderung von Welle zu Welle kein sauberer Trend ist. Krumpal nennt ein zweites Zeichen, Bewertungen von Coutts und Jann (2011): In einer Onlinebefragung unter 2.075 Mitgliedern eines deutschen Access-Panels gaben Befragte an, ob verschiedene Verhaltensweisen in Ordnung seien und ob es den meisten unangenehm wäre, sie zuzugeben; beide Anteile ergaben zusammen einen Sensitivitätswert. Am heikelsten waren Ladendiebstahl mit 79 und Untreue in der Partnerschaft mit 73 Prozent („The most sensitive topics turned out to be shoplifting (79%) and infidelity (73%)“), gegenüber 22 Prozent für Schwarzfahren und 20 Prozent für das Behalten von zu viel Wechselgeld. Weil jeder Wert zwei Anteile addiert, ist er nicht der Anteil der Befragten, die ein Thema heikel fanden.

Warum verschiebt sie eine Schätzung, statt nur Rauschen zu erzeugen?

Weil sie eine Richtung hat. Krumpal schreibt, Tourangeau et al. (2000) folgend, eine Antwort als wahren Wert plus Verzerrung plus Zufallsfehler und zieht die Folgerung: Zufallsfehler heben sich über wiederholte Messungen auf, eine Antwortverzerrung nicht; die systematische Abweichung zwischen beobachteten und wahren Werten bleibt („Whereas random error cancels out over repeated measurements, response bias does not.“). Nach der Lesart dieses Leitfadens gilt das auch über Befragte hinweg: Eine viermal so große Befragung halbiert die Fehlermarge und lässt die Verzerrung, wo sie war; sie schätzt den falschen Wert nur genauer.

Die Richtung hängt davon ab, was gebilligt wird. Krumpal nennt zu seltene Angaben (Underreporting) zu Drogenkonsum, Rauchen, Alkohol und Abtreibung, ebenso zu Opfererfahrungen, bestimmten Einkommensarten wie Sozialleistungen und unpopulären Einstellungen wie Rassismus und Antisemitismus. Zu häufige Angaben (Overreporting) zeigen sich bei Wahlbeteiligung, Anschnallen, Recycling und Energiesparen sowie Kirchgang (S. 2030). Auf der Ebene der ganzen Stichprobe unterschätzen die Anteile daher die wahre Verbreitung missbilligter Handlungen, und bei erwünschtem Verhalten wird das wahre Niveau überschätzt („In the case of socially desirable behavior, an overestimation of the true level will occur.“).

Krosnicks Standardbeispiel ist die Wahlbeteiligung: Der Anteil der Befragten, die angeben, gewählt zu haben, liegt meist über dem Anteil der Bevölkerung, der tatsächlich gewählt hat. Der Leitfaden zu Messfehlern trennt einen Indikator von dem Konstrukt, für das er steht; eine zur Anerkennung hin geschönte Selbstauskunft ist ein Weg, auf dem beide auseinanderlaufen.

Was bringt Befragte dazu, eine Antwort zu schönen?

Krumpal beschreibt zwei psychologische Mechanismen. Beim Impression-Management streben Befragte nach Anerkennung, indem sie die Antwort wählen, die positive Bewertungen maximieren und negative Reaktionen anderer minimieren soll. Bei der Selbsttäuschung ist das Publikum innen: Die Befragten selbst sind die Hauptadressaten der Falschangabe („respondents themselves are the main addressees of socially motivated misreporting“). Nach der Lesart dieses Leitfadens reagiert der erste Mechanismus auf Privatheit, der zweite womöglich nicht, weil er die Befragten in jede Erhebungsart begleitet.

Eine Lesart aus der Rational-Choice-Theorie, die Krumpal ebenfalls darstellt, behandelt die Antwort als Entscheidung nach erwarteten Kosten. Sie nennt drei Bedingungen, die alle erfüllt sein müssen: ein starker Wunsch nach Anerkennung, eine wahrgenommene Wahrscheinlichkeit von Sanktionen, weil die Situation nicht privat ist, und die Überzeugung, dass die Antwort die Reaktion anderer verändert (S. 2030 bis 2031). Vignettenstudien stützen die Kostensicht, und die praktische Folgerung ist schlicht: Fehlende Privatheit senkt die Bereitschaft, normverletzendes Verhalten anzugeben. Krumpals Zusammenfassung bündelt die Einflussgrößen: wie heikel eine Frage wahrgenommen wird, wie privat die Befragungssituation ist, wie groß der Anteil derer ist, die sich unerwünscht verhalten haben, und bestimmte Merkmale des Befragungsdesigns.

Welche Gestaltungsentscheidungen verringern Falschangaben?

Die meisten erhöhen die Privatheit, und jede hat eine bekannte Schwäche.

Wer fragt. Die selbst ausgefüllte Befragung ist ein gut gestützter Hebel: In vielen der Studien, die Krumpal darstellt, erhöhte sie die Angaben zu stigmatisierten Erkrankungen und Verhaltensweisen, und nach seiner Zusammenfassung scheinen Verfahren, die die Anwesenheit der Interviewenden verringern, die Privatheit der Befragten zu erhöhen und so zu ehrlicheren Antworten auf heikle Fragen zu führen. Wo Interviewende nötig sind, übergibt die Technik des versiegelten Umschlags den heiklen Teil auf Papier, sodass die Interviewenden die peinliche Frage nicht vorlesen müssen und die Antworten nicht erfahren. Vollständig ist das nicht: Trotz der größeren Privatheit weigern sich manche Befragte, den vertraulichen Fragebogen auszufüllen. Eine selbst ausgefüllte Befragung entfernt die Interviewenden, nicht jeden Grund für die Verzerrung.

Wer sonst anwesend ist. Bei Dritten fand eine Metaanalyse, die Krumpal berichtet, keinen signifikanten Effekt der Anwesenheit des Ehepartners, aber die Anwesenheit der Eltern führte zu sozial erwünschteren Antworten („In contrast, the presence of parents generated more socially desirable answers.“). In dieser Metaanalyse von neun Befragungen, keine davon ein Experiment, zählte, wer zuhörte, mehr als die Frage, ob jemand zuhörte.

Wie gefragt und gerahmt wird. Ratschläge zu nachsichtigen Formulierungen beruhen überwiegend auf Praxiserfahrung, und das eine neuere Experiment, das Krumpal berichtet, zeigt uneinheitliche Ergebnisse. Zusicherungen der Vertraulichkeit helfen ein wenig: Eine Übersicht fand bessere Angaben zu heiklen Fragen, doch die durchschnittliche Effektgröße war klein, und Krumpal folgert, dass solche Zusicherungen insgesamt Bedenken zu verringern und die Antwortqualität zu verbessern scheinen („Overall, data protection assurances seem to reduce respondents’ concerns and to improve response quality.“). Manche Autoren meinen, sehr ausführliche Zusicherungen könnten das Misstrauen darüber erhöhen, wer Zugang zu den Daten bekommt; die Experimente, die er dafür anführt, betrafen allerdings unverfängliche Themen und Antwortausfälle. Die Bogus-Pipeline, bei der Befragte glauben, ein objektives Verfahren wie ein Lügendetektor oder ein biochemischer Test werde falsche Angaben aufdecken, beruht auf einer Täuschung. Die Evidenz stützt ihre Wirksamkeit in vielen Fällen, einige Studien kamen aber zu unerwarteten Ergebnissen, und in Krumpals Zusammenfassung gilt sie als weiterhin umstritten („the effectiveness of the bogus pipeline procedure is still controversial“).

Indirekte Fragen. Bei der Randomized-Response-Technik entscheidet ein Zufallsgerät, welche von zwei Fragen die befragte Person beantwortet; da die Interviewenden den Ausgang nicht kennen, verrät eine einzelne Antwort nichts Eindeutiges über den wahren Status. Eine Metaanalyse, die Krumpal berichtet, kommt zu dem Schluss, dass die Technik genauere Angaben und mehr unerwünschte Antworten hervorbringt. Doch direkte Fragen brachten manchmal mehr unerwünschte Antworten hervor als die Technik („standard direct questioning sometimes elicited more socially undesirable answers than did the RRT“), und ein erheblicher Teil der Befragten folgt den Anweisungen nicht. Die Unmatched-Count-Technik versteckt die heikle Frage in einer Liste und fragt nur nach der Anzahl der Ja-Antworten. Einige Studien ergaben damit mehr Mitarbeiterdiebstahl und Ladendiebstahl als mit direkten Fragen, Studien zum Kokainkonsum aber deutlich niedrigere Schätzungen; Krumpal hält es für möglich, dass das am Zählen selbst lag, das nach den ursprünglichen Autoren manchen Befragten schwerfällt.

Woher weiß eine Studie, welche Methode gewirkt hat? Im besten Fall vergleicht eine Validierungsstudie jede Antwort mit Aufzeichnungen über den wahren Wert, etwa Akten oder Verwaltungsdaten. Krumpal sieht in solchen Studien den Goldstandard für die Prüfung einer Methode. Ohne solche Aufzeichnungen greifen Studien auf eine Annahme zurück: Wird zu seltenes Berichten erwartet, gilt der höhere Wert als der gültigere, wird zu häufiges Berichten erwartet, der niedrigere („When overreporting is plausibly assumed, a lower estimate is interpreted as more valid.“). Nach der Lesart dieses Leitfadens ist diese Annahme der schwache Punkt vergleichender Studien: Sie zeigen, welche Methode die Schätzung verschoben hat, nicht, welche Schätzung stimmt. Krumpals Urteil hat zwei Hälften: Die Gültigkeit der Antworten auf heikle Fragen zu verbessern, hat sich als schwierig erwiesen, doch ließe sich die Verzerrung durch ein passend zugeschnittenes Befragungsdesign verringern („Social desirability bias could be reduced by appropriately tailoring the survey design.“).

Ist jede zu hohe Angabe eine Lüge?

Nein, und Krosnick (1999)¹ begründet das am Standardbeispiel. Zwei Muster bei der Wahlbeteiligung gelten gewöhnlich als Lüge: Mehr Befragte geben an, gewählt zu haben, als die tatsächliche Wahlbeteiligung zulässt, und viele Angaben, gewählt zu haben, werden von den amtlichen Registern nicht bestätigt. Diese Muster gehen nicht vollständig auf absichtliche Falschdarstellung zurück („In fact, these two empirical patterns are not fully attributable to intentional misrepresentation.“). Ein Teil der Lücke stammt aus der Berechnung der Wahlbeteiligung und aus Fehlern in den amtlichen Registern, ein Teil daraus, wer sich befragen lässt, und ein Teil aus Interviews vor der Wahl, die die Befragten selbst eher wählen lassen. Selbst nach Kontrolle all dieser Faktoren geben manche Menschen an, gewählt zu haben, obwohl sie es nicht taten.

Auch der Rest ist womöglich keine Lüge: Neuere Forschung, so Krosnick, legt nahe, dass die verbreitete Erklärung falsch sein könnte („Surprisingly, recent research suggests that the widely believed explanation for this fact may be wrong.“). Versuche, es Befragten leichter zu machen, Nichtwählen zuzugeben, verringerten die zu hohen Angaben nicht; wer zu hoch angibt, wählt meist regelmäßig; und die Genauigkeit der Angaben sinkt, je mehr Zeit zwischen Wahl und Interview vergeht („the accuracy of turnout reports decreases as time passes between an election and a postelection interview“). Als eine unveröffentlichte Studie Befragte vor Verwechslungen im Gedächtnis warnte, sanken die zu hohen Angaben. Krosnicks Schluss: Was als absichtliche Falschdarstellung galt, könnte zumindest teilweise auf Erinnerungsfehler zurückgehen, und soziale Erwünschtheit sei womöglich weniger verbreitet als angenommen („social desirability bias in questionnaire measurement may be less prevalent than has been assumed“). Das ist ein Argument von 1999 zu einem einzigen Verhalten, und zwei seiner Schritte stützen sich auf unveröffentlichte Manuskripte; es zeigt, dass ein Erinnerungsfehler als soziale Erwünschtheit erscheinen kann, nicht, wie viel einer bestimmten Lücke auf jeden der beiden Gründe entfällt.

Nach der Lesart dieses Leitfadens folgt die Abhilfe der Ursache: Privatheit hilft nicht gegen einen Erinnerungsfehler, eine Erinnerungshilfe nicht gegen den Wunsch, gut dazustehen. Krosnick nennt eine dritte Verwechslungsgefahr, die Zustimmungstendenz, also die Neigung, jeder Aussage in einer Frage unabhängig von ihrem Inhalt zuzustimmen; über die von ihm betrachteten Methoden hinweg beziffert er sie auf durchschnittlich etwa 10 Prozent. Eine Erklärung, die er von Soziologen wiedergibt, ist Ehrerbietung: Werden Forschende und Interviewende als sozial höhergestellt wahrgenommen, stimmen Befragte ihnen womöglich aus Höflichkeit und Respekt zu. Die Befunde zum sozialen Status sind allerdings gespalten, und am besten gestützt sieht er das Satisficing: Zustimmung, weil die Befragten die Aussage nicht gründlich durchdenken. So oder so kann eine Aussage zum Zustimmen oder Ablehnen Zustimmung aus Gründen sammeln, die mit der Erwünschtheit der Antwort nichts zu tun haben.

Was sollte ein Befragungsplan vor einer heiklen Frage festlegen?

Sechs Dinge, in einer Zeile je heikler Frage: welche Antwort unangenehm wäre, die Richtung des erwarteten Fehlers, wer die Antwort sieht, wer sonst anwesend sein könnte, die Fragetechnik und die Prüfung, die zeigt, ob sie gewirkt hat. Die Felder folgen den Einflussgrößen und Methoden, die Krumpal darstellt, und Krosnicks Hinweis auf andere Ursachen.

In der Kundenforschung geht es bei der heiklen Antwort oft nicht um Drogen oder Einkommen. Nach der Lesart dieses Leitfadens ist es die Antwort, die die befragte Person vor dem Anbieter oder dem Arbeitgeber schlecht dastehen ließe: eine bezahlte Funktion nicht zu nutzen, einen vorgeschriebenen Prozess zu umgehen oder einen Wettbewerber geprüft zu haben. Gefragt wird oft vom Account-Manager, dem die befragte Person wieder begegnen wird.

Ein Beispiel ohne Unternehmensdaten: Ein B2B-Softwareanbieter will wissen, wie viele Nutzer bei seinen Kunden jedes Kundengespräch im CRM erfassen, wie es deren eigener Vertriebsprozess verlangt. Der Plan erwartet zu häufige Angaben, weil das Erfassen das gebilligte Verhalten ist und ein Ja leicht fällt. Er verlegt die Frage aus dem Review-Termin mit dem Account-Manager in ein Webformular ohne Namensangabe, hält Teamleitungen aus dem Verteiler heraus und fragt, wie viele Kundengespräche die befragte Person in der letzten Woche hatte und wie viele davon erfasst wurden, um Erinnerungsfehler zu begrenzen. Die Prüfung verknüpft keine Antwort mit einer Person: Für einige Kunden, die zustimmen und groß genug sind, dass sich keine Antwort zurückverfolgen lässt, vergleicht er den Anteil der Befragten, die angeben, alle Gespräche der letzten Woche erfasst zu haben, mit dem Anteil der Nutzer, deren Gespräche in dieser Woche laut den eigenen Aufzeichnungen des Kunden alle erfasst wurden. Diese Aufzeichnungen müssen auch die geführten Gespräche enthalten, etwa aus Telefon- oder Kalendersystemen, denn ein nie erfasstes Gespräch hinterlässt im CRM keine Spur. Und weil sie alle Nutzer erfassen, die Befragung aber nur die Antwortenden, kann ein Teil jeder Lücke daran liegen, wer geantwortet hat. Namentliche Antworten mit Aktivitätsprotokollen zu verknüpfen, höbe die zugesagte Privatheit auf und machte die Befragung zu einer Kontrolle einzelner Beschäftigter. Auch die Zählung des Kunden wertet die Aufzeichnungen jedes einzelnen Nutzers aus, sodass selbst dieses Vorgehen Datenschutzfragen aufwirft, die dieser Leitfaden nicht beantwortet. Schon die Ankündigung eines Abgleichs kann zudem die Antworten verändern, und genau darauf setzt die Bogus-Pipeline. Stimmen beide Anteile überein, lernt der Anbieter, dass ein Formular ohne Namen für dieses Thema bei diesen Kunden funktioniert; wenn nicht, lernt er ungefähr, um wie viel die Antworten dort danebenliegen. Das sind Beispiele des Autors, sie sind nicht geprüft.

Der Beitrag zu Survey-Bias ordnet soziale Erwünschtheit der Formulierung zu, einem von mehreren Wegen von einer Stichprobe zu einer falschen Entscheidung; dieser Leitfaden ergänzt die Hebel jenseits der Formulierung: wer fragt, wer sonst dabei ist und wie die Antwort erhoben wird.

Was haben diese Übersichten nicht geprüft?

Kunden- und Mitarbeiterbefragungen in Unternehmen. Krumpal (2013)² wertet Bevölkerungs-, Studierenden- und Jugendbefragungen zu Drogen, Sexualität, Kriminalität, Wahlen, Einstellungen und Einkommen aus; die betrieblichen Fälle, die er anführt, sind Mitarbeiterdiebstahl und vorzeitig abgezeichnete Prüfungsschritte in der Wirtschaftsprüfung. Krosnick (1999)¹ betrachtet Befragungsmethoden allgemein, und seine Evidenz zur sozialen Erwünschtheit betrifft die Wahlbeteiligung. Beide sind Übersichten, keine neuen Studien, und keine liefert einen Korrekturfaktor, der sich nachträglich auf ein Ergebnis anwenden ließe.

Nach der Lesart dieses Leitfadens lassen sich zwei Dinge mit einiger Zuversicht auf B2B-Forschung übertragen: Die Richtung der Verzerrung folgt dem, was die befragte Person für die Erwartung der Fragenden oder anderer hält, die die Antwort sehen könnten, und Privatheit ihnen gegenüber zählt. Wie groß der Effekt in einer Kundenbefragung ist und welche Technik dort wirkt, sagen die Quellen nicht.

Referenzen

Zitate stehen in der Sprache des Originals; die deutschen Wiedergaben im Fließtext sind sinngemäß und stammen vom Autor.

1. Krosnick, J. A. (1999). Survey research. Annual Review of Psychology, 50, 537–567. https://doi.org/10.1146/annurev.psych.50.1.537
2. Krumpal, I. (2013). Determinants of social desirability bias in sensitive surveys: A literature review. Quality & Quantity, 47(4), 2025–2047. https://doi.org/10.1007/s11135-011-9640-9