Profil gesperrter Spieler

Transkript

1 Profil gesperrter Spieler Ergebnisse Tanja Strohäker & Tilman Becker 8. März 2017

2 Inhalt Einführung Untersuchungsgegenstand Forschungsfragen Variablen & Daten Methodik Spielbankensperren Deskriptive Statistik Ergebnisse Spielhallensperren Deskriptive Statistik Verfügbarkeit Ergebnisse Fazit Tanja Strohäker & Tilman Becker 2 / 24

3 Einführung: Untersuchungsgegenstand Pathologische Spieler?? Gesperrte Spieler Nichtpathologische Spieler Beeinflussen Sperrentscheidungen Beratungsstellen Familie Anbieter Tanja Strohäker & Tilman Becker 3 / 24

4 Einführung: Forschungsfragen Jeweils getrennt betrachtet werden: 1. Spielbankensperren (deutschlandweit) 2. Spielhallensperren (Hessen) Vordergründig: Inwiefern eignen sich die z.b. in der PAGE-Studie (2011) oder BZgA-Studie (2015) identifizierten soziodemographischen Risikofaktoren für pathologisches Spiel (Geschlecht, Alter, Bildung, Familienstand, Migrationshintergrund und Erwerbsstatus) auch dazu, die Variation der Spielersperren zwischen deutschen Gemeinden zu erklären? Tanja Strohäker & Tilman Becker 4 / 24

5 Einführung: Forschungsfragen Außerdem: Welche Rolle spielt die Verfügbarkeit von Glücksspiel? Die Auswirkung von physischer Verfügbarkeit von Glücksspiel (speziell: Geldspielgeräten) auf das Spielverhalten wird von vielen Forschern kontrovers diskutiert Die Frage ist ob ein kausaler Zusammenhang zwischen der Verfügbarkeit von Glücksspiel, dessen Konsum und der Prävalenz von pathologischem Spiel besteht Verschiedene Ansichten werden vertreten: Unabhängigkeitsthese Stetigkeitsthese Adaptionsthese Sättigungsthese Kointegrationsthese Tanja Strohäker & Tilman Becker 5 / 24

6 Einführung: Variablen & Daten Soziodemographische Variablen in beiden Analysen: 1. Männlich = Anteil Männer 2. Alter = Anteil der Jährigen 3. Alleinstehend = Anteil der Singles/Geschiedenen/Verwitweten 4. Bildung = Anteil der Bevölkerung mit Abitur bzw. Fachhochschulreife 5. Arbeitslos = Anteil der Arbeitslosen 6. Migrationshintergrund = Anteil der Bevölkerung mit Migrationshintergrund Alle Anteile normiert auf pro 1000 Einwohner Tanja Strohäker & Tilman Becker 6 / 24

7 Einführung: Variablen & Daten Alle Daten auf Gemeindeebene: 1. Sperrdatei enthält Informationen zur Anzahl der gesperrten Spieler enthalten sind Fremd- sowie Selbstsperren 2. Zensus 2011 Daten zu Geschlecht, Migrationshintergrund, Familienstand, Alter 3. Regionalstatistik Daten zu Bildung, Erwerbsstatus und Migrationshintergrund sofern nicht im Zensus enthalten (z.b. bei Gemeinden mit weniger als Einwohnern) 1 1 Wenn Daten nur auf Kreisebene vorhanden sind, werden bevölkerungsgewichtete Mittelwerte verwendet Tanja Strohäker & Tilman Becker 7 / 24

8 Einführung: Variablen & Daten Verfügbarkeit: 1. Spielbankensperren: Distanz zur nächsten Spielbank Dummy-Variablen für direkte Präsenz einer Spielbank mit klassischem Spiel oder einer Automatendependance 2. Spielhallensperren: Anzahl GSG Anzahl Standorte Dummy-Variable wenn Mehrfachkonzessionen vorliegen Dummy-Variable für Anwesenheit von Big Playern Tanja Strohäker & Tilman Becker 8 / 24

9 Einführung: Methodik Ordinary Least Squares (OLS) Ökonometrische Methode zur Schätzung unbekannter Zusammenhänge zwischen Variablen Setup: Abhängige Variable Anzahl der Sperren je Gemeinde (pro 1000 Einwohner) Erklärende Variablen Soziodemographie Verfügbarkeitsvariablen Kontrollvariablen Tanja Strohäker & Tilman Becker 9 / 24

10 Spielbankensperren Tanja Strohäker & Tilman Becker 10 / 24

11 Spielbankensperren: Deskriptive Statistik Insgesamt eindeutig zuzuordnende Sperren, die sich auf deutsche Gemeinden verteilen (Stand: November 2015) Gesamtzahl Beobachtungen Minimum 1 25%-Quantil 1 Median 2 75% -Quantil 5 Maximum Mittelwert 10,07 Tanja Strohäker & Tilman Becker 11 / 24

12 Spielbankensperren: Deskriptive Statistik Abbildung: Verteilung der Sperren in Deutschland Tanja Strohäker & Tilman Becker 12 / 24

13 Spielbankensperren: Ergebnisse Tabelle: Soziodemographische- und Verfügbarkeitsvariablen Sperren pro 1000 Estimate S.E. Konstante Männlich *** Alter (30-39) *** Alleinstehend *** Migrationshintergrund Bildung Arbeitslos Distanz zur nächsten SB *** Großes Spiel *** Dependance ** Kontrollvariablen Ost-Dummy ** gering besiedelt *** Beratungsstellen ** N 3,024 R adj R *** p 0.01, ** p 0.05, * p 0.1 Tanja Strohäker & Tilman Becker 13 / 24

14 Spielbankensperren: Ergebnisse Soziodemographische Faktoren Der Anteil der Altersgruppe zwischen 30 und 39 und der Anteil der Männer haben einen signifikant positiven Einfluss auf die Sperren (p<0.01) Der Anteil der Alleinstehenden hat einen signifikant negativen Einfluss (p<0.01) Verfügbarkeit Der Einfluss der Distanz zur nächsten Spielbank ist signifikant negativ (p<0.01) Der Einfluss der Variablen Großes Spiel (p<0.01) und Dependance (p<0.05) ist signifikant positiv Tanja Strohäker & Tilman Becker 14 / 24

15 Spielbankensperren: Ergebnisse Kontrollvariablen Alle Variablen haben einen signifikanten Einfluss In Gemeinden auf dem Gebiet der ehemaligen DDR gibt es durchschnittlich weniger Sperren (p<0.05) In gering besiedelten/ländlichen Gemeinden gibt es durchschnittlich mehr Sperren (p<0.01) Die Anzahl von Beratungsstellen hat einen positiven Einfluss auf die Anzahl der Sperren (p<0.05) Bestimmtheitsmaß: R 2 = % der Variation der Sperren kann durch das Modell erklärt werden. Tanja Strohäker & Tilman Becker 15 / 24

16 Spielhallensperren Tanja Strohäker & Tilman Becker 16 / 24

17 Spielhallensperren: Deskriptive Statistik OASIS Sperrsystem eingeführt im April 2014 Stand : Insgesamt eindeutig zuzuordnende Sperren, die sich auf 191 Hessische Gemeinden verteilen Gesamtzahl Beobachtungen 191 Minimum 1 25%-Quantil 8,5 Median 26 75% -Quantil 62 Maximum Mittelwert 62,31 Tanja Strohäker & Tilman Becker 17 / 24

18 Spielhallensperren: Verfügbarkeit Laut Trümper (2014) für Gemeinden über Einwohner: Anzahl Geldspielgeräte: (Max in FFM) Anzahl Konzessionen: (Max. 169 in FFM) Anzahl Spielhallenstandorte: 634 (Max. 87 in FFM) Davon am signifikantesten: Anzahl der GSG und Anzahl der Standorte, auch diese Variablen sind in der weiteren Analyse normiert auf pro 1000 Einwohner Tanja Strohäker & Tilman Becker 18 / 24

19 Spielhallensperren: Verfügbarkeit Zusätzlich - Dummy-Variable: Big Player = 1 wenn mindestens einer der großen Spielhallenbetreiber (Gauselmann, Löwen Play, Löwen Entertainment, Schmidt Gruppe) direkt in einer Gemeinde ansässig ist. Deskriptiv: 1. Gauselmann: 33 in 22 Gemeinden 2. Löwen Play: 24 in 18 Gemeinden 3. Löwen Entertainment: 21 in 18 Gemeinden 4. Schmidt Gruppe: 16 in 14 Gemeinden In knapp 30% der Hessischen Gemeinden mit Sperre ist mindestens einer der großen Anbieter vertreten Tanja Strohäker & Tilman Becker 19 / 24

20 Spielhallensperren: Verfügbarkeit Zusätzlich - Dummy-Variable: Mehrfachkonzessionen = 1, wenn Anzahl Konzessionen > Anzahl Standorte in einer Gemeinde Deskriptiv: 98 Gemeinden in denen die Anzahl der Konzessionen größer ist als die Anzahl der Standorte In 47 dieser Gemeinden ist auch ein Big Player angesiedelt Tanja Strohäker & Tilman Becker 20 / 24

21 Spielhallensperren: Ergebnisse Abhängige Variable: Spielhallensperren pro 1000 Estimate S.E. Konstante Männlich Alter (30-39) * Migrationshintergrund Alleinstehend ** Bildung Arbeitslos Anzahl GSG *** Anzahl Standorte ** Mehrfachkonzessionen * Dummy Big Player * gering besiedelt ** N 134 R adj R *** p 0.01, ** p 0.05, * p 0.1 Tanja Strohäker & Tilman Becker 21 / 24

22 Spielhallensperren: Ergebnisse Soziodemographische Faktoren Der Anteil der Altersgruppe zwischen 30 und 39 (p<0.1) und der Anteil der Alleinstehenden (p<0.05) haben einen signifikant positiven Einfluss auf die Sperren Verfügbarkeit Die Anzahl der GSG pro 1000 Einwohner hat einen signifikant positiven Einfluss auf die Anzahl der gesperrten Spieler (p<0.01) Einen ebenfalls signifikant positiven Einfluss haben die Variablen Mehrfachkonzessionen (p<0.1) und Big Player (p<0.1) Die Anzahl der Standorte pro 1000 Einwohner hat einen signifikant negativen Einfluss (p<0.05) Tanja Strohäker & Tilman Becker 22 / 24

23 Bestimmtheitsmaß: R 2 = % der Variation der Sperren kann durch das Modell erklärt werden Tanja Strohäker & Tilman Becker 23 / 24

24 Fazit Spielbankensperre: signifikanter Einfluss von Geschlecht (+), mittlerem Alter (+) und Familienstand ledig (-) signifikanter Einfluss von unmittelbarer Präsenz von Spielbanken (+) sowie Distanz zur nächsten Spielbank (-) Spielhallensperre: signifikanter Einfluss von mittlerem Alter (+) und Familienstand ledig (+) signifikanter Einfluss von Verfügbarkeit: Anzahl GSG (+) Anzahl Standorte (-) Mehrfachkonzessionen (+) Big Player (+) Die Risikofaktoren lassen sich zum Teil bestätigen, Verfügbarkeit spielt in beiden Fällen eine wichtige Rolle! Tanja Strohäker & Tilman Becker 24 / 24