:orphan:

====================================
Replikationsmaterial und Ergänzungen 
====================================

Vorbereitung
------------

Benötigte Pakete
~~~~~~~~~~~~~~~~

Im ersten Schritt aktivieren wir die später benötigten Pakete ``mclogit``, ``splines``,
und ``magrittr`` für die *R*-Sitzung.

.. code-block:: R

    library(memisc)
    library(mclogit)
    library(splines)
    library(magrittr)

Daten der GLES
~~~~~~~~~~~~~~

.. attach:: Setup.zip


Nach der Aktivitierung der benötigten Pakete leeren wir den Speicher (falls von
einer früheren Sitzung noch Daten übrig sind) und laden die bereits in `einem
früheren Schritt <Setup.zip>`_ aufbereiteten GLES-Daten. Sie liegen in einem Lang-Format vor,
in dem jeder Zeile des Datensatzes einer Kombination von Alternative (Partei)
und befragter Person entspricht.

.. code-block:: R

    rm(list=ls())
    load("gles2013workLong.RData")

Im GLES-Datensatz erzeugen wir eine Reihe von neuen Variablen:

- ``JedePartei`` ist eine Dummy-Variable die für jede Alternative anders als "Keine
  Parteiidentifikation" den Wert :math:`1` annimmt.

- ``Katholisch`` ist eine Dummy-Variable für Befragte mit katholischer Konfession.

.. code-block:: R

    gles2013workLong %<>% within({
        JedePartei <- CDU.CSU+SPD+FDP+Grüne+Linke+Andere
        Katholisch <- as.integer(religzugh=="Katholisch")
    })

Analysen für Westdeutschland
----------------------------

Teildatensatz für Westdeutschland
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Anzahl der Fälle mit valider Parteiidentifikation aus den einzelnen Bundesländern:

.. code-block:: R

    xtabs(parneidum~bula12,
           data=within(subset(gles2013workLong,
                              bula12 %in% c(
                                               "Baden-Wuerttemberg",
                                               "Bayern",
                                               "Bremen",
                                               "Hamburg",
                                               "Hessen",
                                               "Niedersachsen",
                                               "Nordrhein-Westfalen",
                                               "Rheinland-Pfalz",
                                               "Saarland",
                                               "Schleswig-Holstein"
                           )),
                           bula12 <- factor(bula12)))

::


    bula12
     Baden-Wuerttemberg              Bayern              Bremen             Hamburg 
                    217                 343                  19                  34 
                 Hessen       Niedersachsen Nordrhein-Westfalen     Rheinland-Pfalz 
                    139                 217                 420                  96 
               Saarland  Schleswig-Holstein 
                     23                  60

Da wir unsere Analysen auf Westdeutschland einschränken, erzeugen wir einen
entsprechenden Teildatensatz.

.. code-block:: R

    gles2013workLongWest <- subset(gles2013workLong,
                               ostwest=="West"
                               & Class7a!="Landwirtsch. Beruf"
                               & alter <= 65
                               & bula12 %nin% c("Bremen","Hamburg","Saarland")
                               & bula_geb %in% c(
                                               "Baden-Wuerttemberg",
                                               "Bayern",
                                               #"Bremen",
                                               #"Hamburg",
                                               "Hessen",
                                               "Niedersachsen",
                                               "Nordrhein-Westfalen",
                                               "Rheinland-Pfalz",
                                               #"Saarland",
                                               "Schleswig-Holstein"
                                               )
                               )

Wir stellen sicher, dass die (kategorialen) Faktoren keine "leeren" Faktorstufen
haben, in dem wir auf die bereits definierten Faktorvariablen ``bula_geb``,
``bula12``, und ``Class7a`` nochmals die Funktion ``factor()`` anwenden. 

.. code-block:: R

    gles2013workLongWest %<>% within({
        bula_geb <- factor(bula_geb)
        bula12 <- factor(bula12)
        Class7a <- factor(Class7a)
    })

Konstruktion des Basismodells
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Im Folgenden analysieren wir die Parteineigung als Abhängige Variable. Sie ist
eine Dummy-Variable, die den Wert 1 annimmt, wenn der/die Befragte der
jeweiligen Partei zugeneigt ist bzw. sich mit ihr identifiziert, und 0, wenn der
Befragte dies nicht tut. Für jede(n) Befragten ist die Dummy-Variable jeweils
nur einmal gleich 1. Das geeignete Modell ist daher das *conditional logit*
Modell.  Formal ausgedrückt modellieren wir hierbei die Wahrscheinlichkeit
:math:`\pi_{ij}=\Pr(y_{ij}=1)`, die gegeben ist durch

.. math::
   :label:
   
   \pi_{ij}=\frac{\exp(\eta_{ij})}{\sum_k\exp(\eta_{ik})},\qquad
   \eta_{ij}=\sum_h\beta_hx_{hij}.

Der Index :math:`i` steht hier für das befragte Indiviidum -- im Datensatz
identifiziert durch die Variable ``id``, während der Index :math:`j` für die Alternative
(eine Partei oder "keine Partei" für das Fehlen einer Parteineigung) steht --
die Alternative ist im Datensatz durch die Variable ``partei`` repräsentiert. Die
formal mit :math:`y_{ij}` bezeichnete abhängige Variable heißt im Datensatz
``parneidum``. Die Werte der :math:`h`-ten unabhängigen Variablen für Befragte :math:`i` und
Alternative :math:`j` sind in Gleichung (1) als :math:`x_{hij}` ausgedrückt.

Als erstes schätzen wir ein Nullmodell, dass keine substantiellen unabhängigen
Variablen enthält, sondern nur Dummy-Variablen für alle Alternativen außer
"keine Partei". Dieses Nullmodell ist mithin äquivalent mit einem multinomialen
Logit-Modell ohne unabhängige Variablen. Es ist nichts mehr als der
Ausgangspunkt von Likelihood-Ratio-Tests für weitere Effekte, daher werden hier
auch nicht die Schätzergebnisse angezeigt.

.. code-block:: R

    modWest0 <- mclogit(
        cbind(parneidum,id)~partei,
        data=gles2013workLongWest,
        trace=FALSE,
        subset=Class7a!="Landwirtsch. Beruf"&
            is.finite(parneivadum)&
            is.finite(parneimudum)&
            is.finite(Class7a)&
            is.finite(kirchg)&
            is.finite(Katholisch)&
            is.finite(gewerkschaft)&
            is.finite(bula_geb)
    )

Als nächstes erweitern wir das Modell um Dummies für die Parteineigung
der Eltern. Die Dummies sind 1 wenn der Vater bzw. die Mutter eine Parteineigung
zugunsten der jeweiligen Partei hat(te) und 0 andernfalls. Die Parteineigung des
Vaters ist in der Variable ``parneivadum`` und die Parteineigung der Mutter in der
Variable ``parneimudum`` enthalten.

.. code-block:: R

    modWest1eltern <- update(modWest0,.~.+parneivadum+parneimudum)
    modWest2eltern <- update(modWest1eltern,.~.+parneivadum:parneimudum)
    modWest3eltern <- update(modWest2eltern,.~.+partei:parneivadum+partei:parneimudum)

Mit einem Likelihood-Ratio-Test (LR-Test) überprüfen wir die Nullhypothese
bezüglich des Einflusses der Parteineigung der Eltern.

.. code-block:: R

    (testEltern <- anova(modWest0,
          modWest1eltern,
          modWest2eltern,
          modWest3eltern,
          test="Chisq"))

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum
    Model 3: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + parneivadum:parneimudum
    Model 4: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + parneivadum:parneimudum + 
        partei:parneivadum + partei:parneimudum
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)    
    1      5174     2385.6                         
    2      5172     2145.2  2  240.440  < 2e-16 ***
    3      5171     2145.1  1    0.104  0.74689    
    4      5160     2126.4 11   18.683  0.06703 .  
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

.. code-block:: R

    format_html(testEltern,digits=c(0,1,0,2,3)) %>%
      gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                 cat(file="testEltern-redux.html")


Der LR-Test liefert ein sehr kleinen p-Wert. Der Einfluss der Parteineigung
der Eltern ist statistisch signifikant.

Wir erweitern das Modell nun um den Einfluss der
Konfession und der Schichtung (bzw. Klasse) auf die Identifikation mit den
Unionsparteien, der SPD und den Grünen und führen einen LR-Test der
Nullhypothese bezüglich des Einflusses der Sozialstruktur durch

.. code-block:: R

    modWest2structure <- update(modWest1eltern,
                                .~.+ partei:(Class7a
                                             +kirchg
                                             +Katholisch
                                             +gewerkschaft))
    (testSozialStruktur <- anova(modWest1eltern,
                                 modWest2structure,
                                 test="Chisq"))

::

    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)    
    1      5172     2145.2                         
    2      5106     1992.2 66   152.97 7.35e-09 ***
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

..
   .. code-block:: R

       format_html(testSozialStruktur,digits=c(0,1,0,2,3)) %>%
         gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                    cat(file="testSozialStruktur.html")


Das Ergebnis des LR-Tests deutet wieder darauf hin, dass der Einfluss der
Sozialstruktur auf die Parteineigung in der Stichprobe statistisch signifikant ist.

Eine ganze Reihe von Hypothesen lässt sich formulieren in Bezug auf den
Zusammenhang zwischen Alter und Parteineigung:

- Individuelle Stabilisierung: Mit zunehmendem Alter verfestigen sich
  politische Meinungen und Orientierungen, einschließlich von Parteineigung und
  Parteiidentifikation, entsprechend nimmt die Parteineigung mit dem Alter
  zu. (Kent Jennings; Sears & Valentino)

- Sekulares *Dealignment* und *Realignment* durch Wertewandel: Die Verbreitung neuer,
  postmaterialistischer (Inglehart) oder nonkonformistischer Wertorientierungen (Klages)
  erodiert die Zustimmung insbesondere zu den traditionellen "Volksparteien".

- Sekulares *Dealignment* durch kognitive Mobilisierung: Zugang zu Bildung und
  durch Massenmedien führen dazu, dass Parteiidentifikation weniger wichtig
  wird, um sich in der Politik orientieren zu können (Dalton). Daher entwickeln später
  geborene Generationen (die mit mehr Bildung und Medieninformation aufgewachsen
  sind) seltener eine feste Parteineigung oder Parteiidentifikation. Der
  Einfluss des Alters sollte dann aber stark durch die Bildung vermittelt worden sein.

In einem Querschnitt lassen sich Alters- und Generationseffekte natürlich nicht
trennen: Befragte mit unterschiedlichem Alter sind zu unterschiedlichen Jahren
geboren und haben (potentiell) unterschiedliche generationsspezifische
Erfahrungen gemacht. Wir können hier also nicht viel mehr, als den Effekt des
Alters zu untersuchen. 

Im folgenden konstruieren wir zwei Modelle des Einflusses des Alters auf die
Parteineigung: Ein Modell, das nur einen linearen (d.h. vor allem: monotononen)
Effekt des Alters zulässt, und ein Modell das auch kurvilineare Effekte zulässt,
in dem es ein orthogonales Polynom fünften Grades des Alters
enthält. Anschließend führen wir zwei LR-Tests durch, zunächst eines linearen
Effekts des Alters gegen kein Alter als Nullhypothese, dann einen kurvilinearen
Effekt des Alters gegen einen nur linearen Effekt als Nullhypothese.

.. code-block:: R

    modWest3alter1 <- update(modWest2structure,
                            .~.+partei:alter)
    modWest3alter2 <- update(modWest2structure,
                            .~.+partei:poly(alter,degree=5))
    (testAlter <- anova(modWest2structure,
                        modWest3alter1,
                        modWest3alter2,
                        test="Chisq"))

::

    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:alter
    Model 3: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:poly(alter, degree = 5)
      Resid. Df Resid. Dev Df Deviance  Pr(>Chi)    
    1      5106     1992.2                          
    2      5100     1960.2  6   31.999 1.632e-05 ***
    3      5076     1928.1 24   32.051    0.1257    
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

.. code-block:: R

    format_html(testAlter,digits=c(0,1,0,2,3)) %>%
      gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                 cat(file="testAlter-redux.html")

Das Ergebnis des LR-Tests ist eindeutig: Es gibt statistisch signifikante
Anhaltspunkte für die Existenz eines linearen Effektes des Alters auf die
Parteineigung (wie genau der sich auch auf die einzelnen Parteien auswirken
mag). Dagegen gibt es keine Anhaltspunkte für einen kurvilinearen (und damit
möglicherweise nicht-monotonen) Effekt des Alters.

Wenn der Alterseffekt vor allem ein Effekt kognitiver Mobilisierung ist, dann
sollte er schwächer ausfallen, wenn man zuvor für die Schulbildung
kontrolliert. Das wird durch die folgenden Modelle untersucht. Das erste Modell
enthält (zusätzlich zu sozialstrukturellen Faktoren) die Schulbildung. Das
zweite Modell enthält zusätzlich zur Schulbildung noch einen linearen
Alterseffekt. Wenn das Ergebniss des LR-Tests nicht statistisch signifikant
ausfällt (oder bedeutend schwächer), dann ist ein deutlicher Teil des Effekts
des Alters durch die Schulbildung vermittelt, was zugunsten des Effekts der
kognitiven Mobilisierung sprechen würde.

.. code-block:: R

    modWest3structure <- update(modWest2structure,
                                subset=is.finite(schulabschluss))
    modWest3bildung <- update(modWest3structure,
                            .~.+partei:schulabschluss,
                            subset=is.finite(alter))
    modWest4alter <- update(modWest3bildung,
                            .~.+partei:alter)
    (testBildungAlter <- anova(modWest3structure,
                               modWest3bildung,
                               modWest4alter,
                               test="Chisq"))

::

    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss
    Model 3: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter
      Resid. Df Resid. Dev Df Deviance  Pr(>Chi)    
    1      5022     1957.8                          
    2      5010     1912.5 12   45.292 9.183e-06 ***
    3      5004     1890.2  6   22.222  0.001104 ** 
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

.. code-block:: R

    format_html(testBildungAlter,digits=c(0,1,0,2,3)) %>%
      gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                 cat(file="testBildungAlter-redux.html")

Das Ergebnis des LR-Tests zeigt, dass die Schulbildung einen Einfluss auf die
Parteineigung hat und dass ein Einfluss des Alters auch dann nachweisbar ist,
wenn zuvor für den Einfluss der Schulbildung kontrolliert worden ist. Das Alter
hat also einen Einfluss auf die Parteineigung, der nicht vollständig von der
Schulbildung vermittelt ist. Der Effekt des Alters ist also nicht (oder nicht
vollständig) auf eine kognitive Mobilisierung der später geborenen Generationen
zurückzuführen.

Wir erkunden nun ob es Effekte des Bundeslands und des Bundeslands der Geburt
der Befragten gibt. Hierzu bauen wir auf dem Modell, dass neben der elterlichen
Parteineigung und sozialstrukturellen Variablen auch Alter und Schulbildung als
unabhängige Variablen enthält. Zuerst bauen wir Dummyvariablen ein für die (westdeutschen)
Bundesländer, in denen die Befragten aktuell wohnhaft sind, und danach für die
Bundesländer in denen sie geboren sind. Erneut führen wir LR-Tests der
Nullhypothesen des Einflusses des Bundeslands (aktuell und bei Geburt) durch.

.. code-block:: R

    modWest4alter_ <- update(modWest4alter,subset=is.finite(bula_geb))
    modWest5bula <- update(modWest4alter_,
                            .~.+partei:bula12)
    modWest6bula_geb <- update(modWest5bula,
                            .~.+partei:bula_geb)
    (testBuLa <- anova(modWest4alter_,
                       modWest5bula,
                       modWest6bula_geb,
                       test="Chisq"))

::

    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12
    Model 3: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:bula_geb
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)   
    1      5004     1890.2                        
    2      4968     1826.3 36   63.979 0.002783 **
    3      4932     1790.3 36   35.928 0.472014   
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

.. code-block:: R

    format_html(testBuLa,digits=c(0,1,0,2,3)) %>%
      gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                 cat(file="testBuLa-redux.html")

Der LR-Test ergibt, dass ein Effekt des aktuell bewohnten Bundeslandes auf die
Parteineigung nachweisbar ist, dass für das Bundesland bei Geburt aber nicht,
wenn der Einfluss des ersteren Faktors berücksichtigt wird. Allerdings kann es
sein, dass dies lediglich bedeutet, dass die beiden Faktoren sich empirisch
nicht auseinander halten lassen. In diesem Fall müssten wir ein ähnliches
Resultat erhalten, wenn wir die Reihenfolge, in der die beiden Faktoren in die
mit dem LR-Test verglichenen Modelel eingeführt werden, umgekehrt wird.

.. code-block:: R

    modWest6bula_geb_bula0 <- update(modWest6bula_geb,.~.-partei:bula12)
    (testBuLaG <- anova(modWest4alter_,
                        modWest6bula_geb_bula0,
                        modWest6bula_geb,
                        test="Chisq"))

::

    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula_geb
    Model 3: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:bula_geb
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)   
    1      5004     1890.2                        
    2      4968     1825.5 36   64.696 0.002327 **
    3      4932     1790.3 36   35.212 0.505892   
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

.. code-block:: R

    format_html(testBuLaG,digits=c(0,1,0,2,3)) %>%
      gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                 cat(file="testBuLaG-redux.html")

Der LR-Test zeigt, dass der Einfluss des aktuell bewohnten Bundeslands nicht mehr
nachweisbar ist, wenn zuvor der Einfluss des Bundeslands der Geburt
berücksichtigt wurde. Die Reihenfolge, in der Effekte des von den Befragten
aktuell bewohnten Bundeslands und des Bundeslands in den sie geboren sind, in
das Modell eingeführt werden darüber
entscheidet, welcher von Ihnen zu einer statistisch signifikanten Verbesserung
der Modellanpasssung führt. Die Relevanz der beiden Effekte ist daher
statistisch kaum zu entscheiden. Allerdings ist die Modellpassung des Modells
mit dem Effekt des aktuell bewohnten Bundeslands etwas besser als die des
Modells mit dem Effekt des Geburtslandes. Wir ziehen daher letzteres vor.

Graphische Darstellung relevanter Effekte im Basismodell
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Wir laden zunächst die benötigten Zusatzpakete ...

.. code-block:: R

    #library(mpred)
    devtools::load_all("~/R/devel/mpred/pkg")
    library(parallel)
    library(ggplot2)
    library(ggformula)

und definieren eine Hilfsfunktion für Konfidenzintervalle, die auf den Bereich
zwischen Null und Eins beschränkt sind.

.. code-block:: R

    cibeta <- function(mean,sd,level){

        var <- sd^2
        nu <- mean*(1-mean)/var-1
        shp1 <- mean*nu
        shp2 <- (1-mean)*nu

        alpha <- (1-level)/2
        p.lower <- alpha
        p.upper <- 1-alpha

        list(lower=qbeta(p=p.lower,shape1=shp1,shape2=shp2),
             upper=qbeta(p=p.upper,shape1=shp1,shape2=shp2))
    }

Zusammenhang mit Alter
^^^^^^^^^^^^^^^^^^^^^^

Wir berechnen die *predictive margins* für das Alter:

.. code-block:: R

    pm.alter <- predmarg(modWest5bula,
                         data=gles2013workLongWest,
                         alter=seq(from=18,to=65),
                         cifunc=cibeta,
                         groups=partei,
                         parallel=TRUE
                         )
    pm.alter %<>% within(partei%<>%relabel("CDU.CSU"="CDU/CSU"))

.. code-block:: R

    (gp.alter <- 
       gf_ribbon(100*upper+100*lower~alter|partei,data=pm.alter,fill="gray80",alpha=1) %>%
       gf_line(100*pred~alter) %>%
       gf_facet_wrap(~partei,nrow=2) %>%
       gf_labs(x="Alter",y="Wahrscheinlichkeit Parteiidentifikation Befragte(r)") %>%
       gf_theme(theme=theme_bw()))

.. image:: pred-margins-alter-west.svg
   :width: 100%        
           

..
   .. code-block:: R

       ggsave(gp.alter,file="pred-margins-alter-west.pdf",
              width=7,height=4)

Einfluss des Elternhauses
^^^^^^^^^^^^^^^^^^^^^^^^^

Wir berechnen die *predictive margins* für den Einfluss des Elternhauses

.. code-block:: R

    pm.eltern <- predmarg(modWest5bula,data=gles2013workLongWest,
                          parneivadum=0:1,
                          parneimudum=0:1,
                          partei1=levels(partei),
                          setup={
                              p <- as.integer(partei==partei1)
                              parneivadum <- parneivadum*p
                              parneimudum <- parneimudum*p
                          },
                          cifunc=cibeta,
                          groups=partei)
    pm.eltern %<>% subset(partei==partei1)

Wir fassen die Dummies für Vater und Mutter in einen Faktor zusammen:

.. code-block:: R

    pm.eltern %<>% within({
        parneieltern <- cases(
            "Keine"  <- parneivadum==0 & parneimudum == 0,
            "Vater"  <- parneivadum==1 & parneimudum == 0,
            "Mutter" <- parneivadum==0 & parneimudum == 1,
            "Beide"  <- parneivadum==1 & parneimudum == 1
          )
          parneieltern <- factor(parneieltern,
                                 levels=unique(parneieltern))
    partei%<>%relabel("CDU.CSU"="CDU/CSU")
    })


.. code-block:: R

    (gp.eltern <- gf_col(100*pred~parneieltern|partei,
                         data=pm.eltern,
                         fill="gray70") %>%
         gf_facet_wrap(~partei,nrow=2) %>%
         gf_errorbar(100*upper+100*lower~parneieltern,
                     width=.2) %>%
         gf_labs(x="Parteiidentifikation Eltern",
                 y="Wahrscheinlichkeit Parteiidentifikation Befragte(r)") %>%
         gf_theme(theme=theme_bw()))

.. image:: pred-margins-eltern-west.svg
   :width: 100%        

..
   .. code-block:: R

       ggsave(gp.eltern,file="pred-margins-eltern-west.pdf",
              width=9,height=5)

Einfluss des Bundeslandes
^^^^^^^^^^^^^^^^^^^^^^^^^

.. code-block:: R

    pm.bula <- predmarg(modWest5bula,
                        data=gles2013workLongWest,
                        bula12=levels(bula12),
                        cifunc=cibeta,
                        parallel=FALSE,
                        groups=partei)

.. code-block:: R

    pm.bula %<>% within({
        bula.kurz <- relabel(bula12,
                             "Baden-Wuerttemberg"="BW",
                             "Bayern"="BY",
                             "Bremen"="HB",
                             "Hamburg"="HH",
                             "Hessen"="HE",
                             "Niedersachsen"="NI",
                             "Nordrhein-Westfalen"="NW",
                             "Rheinland-Pfalz"="RP",
                             "Saarland"="SL",
                             "Schleswig-Holstein"="SH")
        bula.kurz <- factor(bula.kurz)
        partei%<>%relabel("CDU.CSU"="CDU/CSU")
    })
    (gp.bula <- gf_col(100*pred~bula.kurz|partei,
                       data=pm.bula,
                       fill="gray70") %>%
         gf_facet_wrap(~partei,nrow=2) %>%
         gf_errorbar(100*upper+100*lower~bula.kurz,
                     width=.2) %>%
         gf_labs(x="",y="Wahrscheinlichkeit Parteiidentifikation Befragte(r)") %>%
         gf_theme(theme=theme_bw()) +
         theme(axis.text.x=element_text(angle=90,vjust=0.5,hjust=1)))

.. image:: pred-margins-bula-west.svg
   :width: 100%        

..
   .. code-block:: R

       ggsave(gp.bula,file="pred-margins-bula-west.pdf",
              width=7,height=4)

.. code-block:: R

    gles2013workLongWest.redux <- subset(gles2013workLongWest,
                                         bula12 %nin% c("Bremen","Saarland")
                                         & bula12 == bula_geb
                                         )
    modWest5bula.redux <- update(modWest5bula,
                                 data=gles2013workLongWest.redux)

    (test.modWest5bula.redux <- anova(
        update(modWest5bula.redux,.~.-partei:bula12),
        modWest5bula.redux,
        test="Chisq"
    ))															 

::

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)   
    1      4297     1609.5                        
    2      4261     1546.3 36   63.116 0.003445 **
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Erkundung des Effektes der Regierungsbeteiligung auf Bundesebene
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Effekt der Regierungsbeteiligung bei unterschiedlichem Alter
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

Im folgenden untersuchen wir ob die Beteiligung einer Partei an der
Bundesregierung einen Einfluss auf die Parteineigung hat. Ausgangspunkt ist das
im vorherigen Abschnitt konstruierte Basismodell, welches die Parteineigung der
Eltern, sozialstrukturelle Variablen, Bildung Alter und das aktuell bewohnte
Bundesland als unabhängige Variablen enthält. Wir erweitern das Modell um die
Effekte der Regierungsbeteiligung einer Partei während unterschiedlicher
Altersbereiche: während der ersten 10 Jahre, von 11 bis 16 Jahren, von 17 bis 25
Jahren und älter als 25 Jahre. Die Variable ``regbet_bund_age`` ist eine Matrix
die jeweils eine Spalte für jedes Lebensalter eines oder einer Befragten enthält
und je eine Zeile für jede Kombination von Alternative und Befragter
bzw. Befragtem. Das so erweiterte Modell ist so konstuiert, dass der Einfluss
der Regierungsbeteiligung auf Bundesebene auf die Parteineigung für
unterschiedliche Parteien verschieden stark ausfallen kann. Dies wird dadurch
erreicht, dass wir Interaktionsterme der Faktorvariable ``partei`` mit der
Variable ``regbet_bund_age`` konstruieren. Um die Nullhypothese bezüglich dieser
Effekte zu testen verwenden wir wieder einen LR-Test.

Im folgenden testen wir die Nullhypothese bezüglich der ersten 10 Jahre, der
Altersspanne von 11 bis 16 Jahren, von 17 bis 25 Jahren, älter als 25 Jahre
jeweils einzeln, und dann hinsichtlich aller vier Altersspannen

.. code-block:: R

    gles2013workLongWest %<>% within({
        regbet_bund_age1 <- rowMeans(regbet_bund_age[,1:10])
        regbet_bund_age2 <- rowMeans(regbet_bund_age[,11:16])
        regbet_bund_age3 <- rowMeans(regbet_bund_age[,17:25])
        regbet_bund_age4 <- rowMeans(regbet_bund_age[,26:65])
    })

    modWest_regbet_bund_age4.1 <- update(modWest5bula,
                                         .~.+partei:regbet_bund_age1
                               )
    modWest_regbet_bund_age4.2 <- update(modWest5bula,
                                         .~.+partei:regbet_bund_age2
                               )
    modWest_regbet_bund_age4.3 <- update(modWest5bula,
                                         .~.+partei:regbet_bund_age3
                               )
    modWest_regbet_bund_age4.4 <- update(modWest5bula,
                                         .~.+partei:regbet_bund_age4
                               )

.. code-block:: R

    test_regbet_bund_age4.1 <- anova(modWest5bula,
                                    modWest_regbet_bund_age4.1,
                                    test="Chisq")
    test_regbet_bund_age4.2 <- anova(modWest5bula,
                                    modWest_regbet_bund_age4.2,
                                    test="Chisq")
    test_regbet_bund_age4.3 <- anova(modWest5bula,
                                    modWest_regbet_bund_age4.3,
                                    test="Chisq")
    test_regbet_bund_age4.4 <- anova(modWest5bula,
                                    modWest_regbet_bund_age4.4,
                                    test="Chisq")

.. code-block:: R

    (test_regbet_bund_age4 <- rbind(
         " 1-10"=test_regbet_bund_age4.1[2,],
         "11-16"=test_regbet_bund_age4.2[2,],
         "17-25"=test_regbet_bund_age4.3[2,],
         "26-65"=test_regbet_bund_age4.4[2,]
     ))

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_bund_age1
          Resid. Df Resid. Dev Df Deviance Pr(>Chi)  
     1-10      4963     1815.3  5  10.9279  0.05283 .
    11-16      4963     1818.9  5   7.3778  0.19403  
    17-25      4963     1822.2  5   4.1108  0.53357  
    26-65      4963     1811.2  5  15.0798  0.01003 *
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

..
   .. code-block:: R

       format_html(test_regbet_bund_age4[,c(4,3,5)],digits=c(1,0,3)) %>%
         gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                    cat(file="west-regbet-bund-age4.html")


Die LR-Tests für die einzelnen Altersspannen legen nahe, dass es einen Sozialisationseffekt
der Regierungstätigkeit auf Bundesebene gibt, wenn die Befragten unter 10 Jahre
und/oder älter als 25 Jahre alt sind. Der p-Wert für die Altersspannen von unter
17 Jahren liegt aber sehr nahe am konventionellen 5%-Niveau.

Um zu überprüfen, ob insbesondere die Effekte der Altersspanne von unter 17
Jahren statistisch signifikant ist, führen wir einen weiteren LR-Test durch, in
dem das Modell mit dem Sozialisationseffekt in der Altersspanne über 25 Jahre um
die früheste Altersspanne erweitert wird.


.. code-block:: R

    modWest_regbet_bund_age4.41 <-
        update(modWest_regbet_bund_age4.4,
               .~.+partei:regbet_bund_age1
               )

.. code-block:: R

    (test_regbet_bund_age4.41 <- anova(modWest_regbet_bund_age4.4,
          modWest_regbet_bund_age4.41,
          test="Chisq"))

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_bund_age4
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_bund_age4 + 
        partei:regbet_bund_age1
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)
    1      4963     1811.2                     
    2      4958     1803.6  5   7.6209   0.1784

.. code-block:: R

    modWest_regbet_bund_age4.42 <-
        update(modWest_regbet_bund_age4.4,
               .~.+partei:regbet_bund_age2
               )

.. code-block:: R

    (test_regbet_bund_age4.42 <- anova(modWest_regbet_bund_age4.4,
          modWest_regbet_bund_age4.42,
          test="Chisq"))

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_bund_age4
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_bund_age4 + 
        partei:regbet_bund_age2
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)
    1      4963     1811.2                     
    2      4958     1809.8  5   1.4426   0.9196


Wenn für einen Sozialisationseffekt während der Altersspanne größer als 25 Jahre
kontrolliert wird, ist der Effekt während der frühensten Altersspanne nicht mehr
statistisch signifikant. Der Befund eines Sozialisationseffektes während der
ersten 10 Jahre ist also nicht robust.

Ob sich der Einfluss der nach dem 25 Lebensjahr erfahrenen Regierungsbeteiligung
auf Bundesebene sich überhaupt im Sinne einer *positiven* Beeinflussung der
Parteiidentifikation interpretieren lässt, überprüfen wir durch Berechnung und
Darstellung der *predictive margins*.

.. code-block:: R

    pm.regbet4 <- predmarg(modWest_regbet_bund_age4.4,
                           Partei=levels(partei),
                           Regbet=seq(from=0,to=1,length=21),
                           setup={
                               Regbet <- unique(Regbet)
                               regbet_bund_age4[partei==Partei] <- Regbet
                               regbet_bund_age4[partei!=Partei] <- 0
                           },
                           cifunc=cibeta,
                           parallel=FALSE,
                           groups=partei)

    pm.regbet4 %<>% subset(
                        partei==Partei &
                        partei%in%c("CDU.CSU","SPD","FDP","Grüne"))

.. code-block:: R

    pm.regbet4 %<>% within({
        lower <- ifelse(is.finite(lower),lower,0)  
        upper <- ifelse(is.finite(upper),upper,1)
        partei %<>% relabel(CDU.CSU="CDU/CSU")
    })
    (gp.regbet4 <- 
         gf_ribbon(100*upper+100*lower~Regbet|partei,data=pm.regbet4,
                   fill="gray80",alpha=1) %>%
         gf_line(100*pred~Regbet) %>%
         gf_facet_wrap(~partei,nrow=1) %>%
         gf_labs(x="Zeitanteil Regierungsbeteiligung",
                 y="Wahrsch. Parteiid. Befr.") %>%
         gf_theme(theme=theme_bw()) +
         scale_x_continuous(breaks=c(0,2,4,6,8,10)/10))

.. image:: pred-margins-regbet-26-65-west.svg
   :width: 100%        

..
   .. code-block:: R

       ggsave(gp.regbet4,file="pred-margins-regbet-26-65-west.pdf",
              width=7,height=2.5)

Noch ein Check: Anteil der Lebensjahre über 25 jeweils nach Auftreten der Grünen
und der Linken

Anzahl der Jahre in denen man nach 1983 (dem ersten Mal in dem die Grünen in den
Bundestag einzogen und damit ein relevanter Teil des
Parteiensystems wuren): 2013-1983+1

Anzahl der Jahre in denen man über 25 Jahre war:
Alter - 25

Geburtsjahr: 2013 - Alter

Alter im Jahr 1983: 1983 - Geburtsjahr = 1983 - (2013 - Alter)

War man 1983 über 25? 1983 - (2013 - Alter) > 25
War man 1990 über 25? 1990 - (2013 - Alter) > 25

.. code-block:: R

    gles2013workLongWest %<>% within({
      over25.1983 <- as.integer(1983 - (2013 - alter) > 25)
      over25.1990 <- as.integer(1990 - (2013 - alter) > 25)
    })

.. code-block:: R

    modWest_regbet_bund_age4.4.ydu <-
        update(modWest_regbet_bund_age4.4,
               .~.+partei:(over25.1983+over25.1990),
               data=gles2013workLongWest)

.. code-block:: R

    modWest_regbet_ydu <-
        update(modWest_regbet_bund_age4.4.ydu,
               .~.-partei:regbet_bund_age4,
               data=gles2013workLongWest)

.. code-block:: R

    (test_regbet_bund_age4.ydu <- anova(modWest_regbet_ydu,
          modWest_regbet_bund_age4.4.ydu,
          test="Chisq"))

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:over25.1983 + 
        partei:over25.1990
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_bund_age4 + 
        partei:over25.1983 + partei:over25.1990
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)   
    1      4956     1811.6                        
    2      4951     1796.1  5   15.503 0.008415 **
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

.. code-block:: R

    pm.regbet4.ydu <- predmarg(modWest_regbet_bund_age4.4.ydu,
                           Partei=levels(partei),
                           Regbet=seq(from=0,to=1,length=21),
                           setup={
                               Regbet <- unique(Regbet)
                               regbet_bund_age4[partei==Partei] <- Regbet
                               regbet_bund_age4[partei!=Partei] <- 0
                           },
                           cifunc=cibeta,
                           parallel=FALSE,
                           groups=partei)

    pm.regbet4.ydu %<>% subset(
                        partei==Partei &
                        partei%in%c("CDU.CSU","SPD","FDP","Grüne"))

.. code-block:: R

    pm.regbet4.ydu %<>% within({
        lower <- ifelse(is.finite(lower),lower,0)  
        upper <- ifelse(is.finite(upper),upper,1)  
        partei %<>% relabel(CDU.CSU="CDU/CSU")
    })
    (gp.regbet4.ydu <- 
         gf_ribbon(100*upper+100*lower~Regbet|partei,data=pm.regbet4.ydu,fill="gray80",alpha=1) %>%
         gf_line(100*pred~Regbet) %>%
         gf_facet_wrap(~partei,nrow=1) %>%
         gf_labs(x="Zeitanteil Regierungsbeteiligung",
                 y="Wahrsch. Parteiid. Befr.") %>%
         gf_theme(theme=theme_bw()) +
         scale_x_continuous(breaks=c(0,2,4,6,8,10)/10))

.. image:: pred-margins-regbet-26-65-west-a.svg
   :width: 100%        
           

Erkundung des Effektes der Regierungsbeteiligung auf Landesebene
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Effekt der Regierungsbeteiligung bei unterschiedlichem Alter
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

Im folgenden untersuchen wir den Einfluss der in unterschiedlichen Lebensphasen
erlebten Regierungsbeteiligung der Parteien auf die Indentifikation mit
diesen. Ausgangspunkt ist das Modell mit den Einflüssen der im Kindesalter
erlebten Regierungsbeteiligung auf Bundesebene, da sich für diese Einflüsse
statistische Anhaltspunkte ergeben. Wieder untersuchen wir die Einflüsse der
Lebensphasen einzeln und dann zusammen.

.. code-block:: R

    gles2013workLongWest.redux <- subset(gles2013workLongWest,
                                         as.character(bula12)==as.character(bula_geb))

    gles2013workLongWest.redux %<>% within({
        regbet_land_age1 <- rowMeans(regbet_land_age[,1:10])
        regbet_land_age2 <- rowMeans(regbet_land_age[,11:16])
        regbet_land_age3 <- rowMeans(regbet_land_age[,17:25])
        regbet_land_age4 <- rowMeans(regbet_land_age[,26:65])
    })
    modWest_regbet_land_age4.1 <- update(modWest5bula.redux,
                            .~.+partei:regbet_land_age1
                               )
    modWest_regbet_land_age4.2 <- update(modWest5bula.redux,
                            .~.+partei:regbet_land_age2
                               )
    modWest_regbet_land_age4.3 <- update(modWest5bula.redux,
                            .~.+partei:regbet_land_age3
                               )
    modWest_regbet_land_age4.4 <- update(modWest5bula.redux,
                            .~.+partei:regbet_land_age4
                               )

.. code-block:: R

    test_regbet_land_age4.1 <- anova(modWest5bula.redux,
                                    modWest_regbet_land_age4.1,
                                    test="Chisq")
    test_regbet_land_age4.2 <- anova(modWest5bula.redux,
                                    modWest_regbet_land_age4.2,
                                    test="Chisq")
    test_regbet_land_age4.3 <- anova(modWest5bula.redux,
                                    modWest_regbet_land_age4.3,
                                    test="Chisq")
    test_regbet_land_age4.4 <- anova(modWest5bula.redux,
                                    modWest_regbet_land_age4.4,
                                    test="Chisq")

.. code-block:: R

    (test_regbet_land_age4 <- rbind(
         " 1-10"=test_regbet_land_age4.1[2,],
         "11-16"=test_regbet_land_age4.2[2,],
         "17-25"=test_regbet_land_age4.3[2,],
         "26-65"=test_regbet_land_age4.4[2,]
     ))

::

    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_land_age1
          Resid. Df Resid. Dev Df Deviance Pr(>Chi)   
     1-10      4256     1541.3  5   5.0216 0.413254   
    11-16      4256     1544.1  5   2.2223 0.817608   
    17-25      4256     1531.2  5  15.1202 0.009861 **
    26-65      4256     1540.3  5   5.9904 0.307149   
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1



..
   .. code-block:: R

       format_html(test_regbet_land_age4[,c(4,3,5)],digits=c(1,0,3)) %>%
         gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                    cat(file="west-regbet-land-age4.html")

.. code-block:: R

    devtools::load_all("~/R/devel/mpred/pkg")
    library(parallel)
    library(ggplot2)
    library(ggformula)

      pm.regbet4l <- predmarg(modWest_regbet_land_age4.3,
                              Partei=levels(partei),
                              Regbet=seq(from=0,to=1,length=21),
                              setup={
                                  Regbet <- unique(Regbet)
                                  regbet_land_age3[partei==Partei] <- Regbet
                                  regbet_land_age3[partei!=Partei] <- 0
                              },
                              cifunc=cibeta,
                              parallel=FALSE,
                              groups=partei)

      pm.regbet4l %<>% subset(
                           partei==Partei &
                           partei%in%c("CDU.CSU","SPD","FDP","Grüne"))

.. code-block:: R

    pm.regbet4l %<>% within({
        lower <- ifelse(is.finite(lower),lower,0)  
        upper <- ifelse(is.finite(upper),upper,1)  
        partei %<>% relabel(CDU.CSU="CDU/CSU")
    })
    (gp.regbet4l <- 
         gf_ribbon(100*upper+100*lower~Regbet|partei,data=pm.regbet4l,fill="gray80",alpha=1) %>%
         gf_line(100*pred~Regbet) %>%
         gf_facet_wrap(~partei,nrow=1) %>%
         gf_labs(x="Zeitanteil Regierungsbeteiligung",
                 y="Wahrsch. Parteiid. Befr.") %>%
         gf_theme(theme=theme_bw()) +
         scale_x_continuous(breaks=c(0,2,4,6,8,10)/10))

.. image:: pred-margins-regbet-land-17-25-west.svg
   :width: 100%        

..
   .. code-block:: R

       ggsave(gp.regbet4l,file="pred-margins-regbet-land-17-25-west.pdf",
              width=7,height=2.5)

.. code-block:: R

    modWest_regbet_land_age4.3.ydu <-
        update(modWest_regbet_land_age4.3,
               .~.+partei:(over25.1983+over25.1990))

.. code-block:: R

    modWest_regbet_land_ydu <-
        update(modWest_regbet_land_age4.3.ydu,
               .~.-partei:regbet_land_age3)

.. code-block:: R

    (modWest_regbet_land_age4.3.ydu <- anova(modWest_regbet_land_ydu,
          modWest_regbet_land_age4.3.ydu,
          test="Chisq"))

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:over25.1983 + 
        partei:over25.1990
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_land_age3 + 
        partei:over25.1983 + partei:over25.1990
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)   
    1      4249     1537.3                        
    2      4244     1521.4  5   15.929 0.007049 **
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Effekt der Regierungsbeteiligung mit unterschiedlichem Lag
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

Da die gelaggte Regierungsbeteiligung auf Landesebene variiert, ist es möglich
auf deren Effekte zu testen. Ausgangspunkt ist das Modell mit den Effekten der
während der Kindheit erlebten Regierungsbeteiligung auf Bundesebene.

.. code-block:: R

    modWest_regbet_land_lag3.0 <- update(modWest5bula.redux,.~.
                                       -partei:bula12
                                       )
    modWest_regbet_land_lag3.1 <- update(modWest_regbet_land_lag3.0,.~.
                                       +partei:rowMeans(regbet_land_lag[,1:4])
                                       )
    modWest_regbet_land_lag3.12 <- update(modWest_regbet_land_lag3.1,.~.
                                       +partei:rowMeans(regbet_land_lag[,5:8])
                                       )
    modWest_regbet_land_lag3.123 <- update(modWest_regbet_land_lag3.12,.~.
                                       +partei:rowMeans(regbet_land_lag[,9:16])
                                       )

.. code-block:: R

    (test_regbet_land_lag3 <- anova(modWest_regbet_land_lag3.0,
                                    modWest_regbet_land_lag3.1,
                                    modWest_regbet_land_lag3.12,
                                    modWest_regbet_land_lag3.123,
                                    modWest5bula.redux,
                                    modWest_regbet_land_age4.3,
                                    test="Chisq"))

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:rowMeans(regbet_land_lag[, 
        1:4])
    Model 3: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:rowMeans(regbet_land_lag[, 
        1:4]) + partei:rowMeans(regbet_land_lag[, 5:8])
    Model 4: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:rowMeans(regbet_land_lag[, 
        1:4]) + partei:rowMeans(regbet_land_lag[, 5:8]) + partei:rowMeans(regbet_land_lag[, 
        9:16])
    Model 5: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12
    Model 6: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:bula12 + partei:regbet_land_age3
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)   
    1      4297     1609.5                        
    2      4292     1602.4  5    7.033 0.218191   
    3      4289     1592.5  3    9.890 0.019522 * 
    4      4284     1584.9  5    7.664 0.175733   
    5      4261     1546.3 23   38.528 0.022339 * 
    6      4256     1531.2  5   15.120 0.009861 **
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

..
   .. code-block:: R

       format_html(test_regbet_land_lag3[,c(4,3,5)],digits=c(1,0,3)) %>%
         gsub(pattern="NA",replacement="",fixed=TRUE) %>%
                    cat(file="west-regbet-land-lag3.html")

.. code-block:: R

    modWest_regbet_land_lag3.1.age4.3 <- update(modWest_regbet_land_lag3.1,
                                         .~.+partei:regbet_land_age3)

.. code-block:: R

    anova(modWest_regbet_land_lag3.1,
          modWest_regbet_land_lag3.1.age4.3,
          test="Chisq")

::


    Analysis of Deviance Table

    Model 1: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:rowMeans(regbet_land_lag[, 
        1:4])
    Model 2: cbind(parneidum, id) ~ partei + parneivadum + parneimudum + partei:Class7a + 
        partei:kirchg + partei:Katholisch + partei:gewerkschaft + 
        partei:schulabschluss + partei:alter + partei:rowMeans(regbet_land_lag[, 
        1:4]) + partei:regbet_land_age3
      Resid. Df Resid. Dev Df Deviance Pr(>Chi)  
    1      4292     1602.4                       
    2      4287     1592.7  5   9.7549  0.08249 .
    ---
    codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1


..
   .. code-block:: R

       save(
           modWest0,
           modWest1eltern,
           modWest2structure,
           modWest3alter1,
           modWest3alter2,
           modWest3bildung,
           modWest5bula,
           modWest6bula_geb,
           modWest6bula_geb_bula0,
           # modWest6eltern,
           modWest_regbet_bund_age4.1,
           modWest_regbet_bund_age4.2,
           modWest_regbet_bund_age4.3,
           modWest_regbet_bund_age4.3,
           modWest_regbet_bund_age4.4,
           modWest_regbet_bund_age4.41,
           modWest_regbet_land_age4.1,
           modWest_regbet_land_age4.2,
           modWest_regbet_land_age4.3,
           modWest_regbet_land_age4.3,
           modWest_regbet_land_lag3.0,
           modWest_regbet_land_lag3.1,
           modWest_regbet_land_lag3.12,
           modWest_regbet_land_lag3.123,
           file="modWest-2019-01-15.RData"
       )
