eine empirische bewertung des petersburger spiels st. petersburger spiel.pdf · der modernen zeit...
TRANSCRIPT
Eine empirische Bewertung des Petersburger Spiels
Diplomarbeit
zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissen-
schaftlichen Fakultät der Leibniz Universität Hannover
vorgelegt von
Hikmet Arslanoğlu
Geboren am 25. Februar 1979 in Sakarya/Türkei
Erstprüfer: Prof. Dr. Tibor Neugebauer
Hannover, den 26.03.2008
Vorwort
Die vorliegende Arbeit entstand in der Zeit von Oktober 2007 bis März 2008.
Mein besonderer Dank gilt meinem akademischen Lehrer Herrn Professor Dr.
Tibor Neugebauer. Bei ihm möchte ich mich für die Übernahme des Prüfungs-
vorsitzes, für die informativ-kritischen Gespräche und seine Unterstützung be-
danken.
Weiterhin bedanke ich mich bei Herrn Dipl. Ök. Thomas Cornelißen für eine
kritische Durchsicht der Arbeit und für die vielen nützlichen Hinweisen.
Vor allem jedoch danke ich meinen Eltern, die mir in allen Phasen meiner Aus-
bildung stets den notwenigen Rückhalt gegeben und mir in vielerlei Hinsicht mit
liebevoller Unterstützung und Förderung zur Seite gestanden haben.
Trotz dieser vielfältigen Unterstützung lassen sich Fehler und Unverständlich-
keiten nicht vollständig vermeiden. Daher freue ich mich über jede Anmerkung
– natürlich auch sehr gern positiver Natur – und wünsche allen Lesern viel
Spaß mit dieser Diplomarbeit.
Inhaltsverzeichnis Seite I
Inhaltsverzeichnis
INHALTSVERZEICHNIS ............................................................................................................... I
ABKÜRZUNGSVERZEICHNIS .................................................................................................... II
ABBILDUNGSVERZEICHNIS ..................................................................................................... III
TABELLENVERZEICHNIS .......................................................................................................... IV
1 EINLEITUNG......................................................................................................................... 1
1.1 ZIELSETZUNG .................................................................................................................. 1
1.2 AUFBAU DER ARBEIT ........................................................................................................ 2
2 DAS ST. PETERSBURGER SPIEL ..................................................................................... 2
2.1 VERLAUF DES SPIELS ...................................................................................................... 2
2.2 DER HISTORISCHE HINTERGRUND DES SPIELS .................................................................. 3
3 DAS PARADOXON .............................................................................................................. 4
4 DIE LÖSUNGSANSÄTZE .................................................................................................... 6
5 DAS EXPERIMENT .............................................................................................................. 9
5.1 METHODISCHE VORGEHENSWEISE ................................................................................... 9
5.1.1 Aufbau der Untersuchung ..................................................................................... 9
5.1.2 Die Analyse und die Bestimmung der analytischen Methoden ........................... 13
5.1.2.1 Normalverteilung .......................................................................................................... 13
5.1.2.2 Mann-Whitney U-Test .................................................................................................. 15
5.2 ZUSAMMENSETZUNG DER STICHPROBE ........................................................................... 16
5.3 ERGEBNISSE DES EXPERIMENTS .................................................................................... 18
5.3.1 Ergebnisse in Zahlen .......................................................................................... 18
5.3.2 Ergebnisse nach Lösungsansätzen .................................................................... 22
5.3.3 Analyse nach Einkommen ................................................................................... 25
5.3.4 Analyse nach Geschlecht .................................................................................... 27
5.3.5 Analyse nach Beruf ............................................................................................. 29
5.3.6 Die Begründungen .............................................................................................. 32
5.3.7 Regressionsanalyse ............................................................................................ 33
6 FAZIT .................................................................................................................................. 37
7 LITERATURVERZEICHNIS ................................................................................................ 39
8 ANHANG ............................................................................................................................. 41
Abkürzungsverzeichnis Seite II
Abkürzungsverzeichnis
d.h. das heißt
ED Experimentdaten
et. al. et alii (und andere)
EW Erwartungswert
ff. Fortfolgende
GE Geldeinheiten
MA Maximale Auszahlung
MW Mittelwert
n Anzahl
S. Seite
Std. Abw. Standard Abweichung
TN Teilnehmer
Wsk. Wahrscheinlichkeit
z.T. zum Teil
Abbildungsverzeichnis Seite III
Abbildungsverzeichnis
Abbildung 1: Der Verlauf des St. Petersburger Spiels 3
Abbildung 3: Berufe der Teilnehmer 16
Abbildung 4: Das Verhältnis des Geschlechtes der Teilnehmer 17
Abbildung 5: Die Einkommensverteilung der Teilnehmer 17
Abbildung 6: Die prozentuale Häufigkeitsverteilung der gesamten Zahlungsbe-
reitschaften der Teilnehmer
21
Tabellenverzeichnis Seite IV
Tabellenverzeichnis
Tabelle 1: Test auf Normalverteilung für gesamte Experimentdaten 14
Tabelle 2: EW und Wahrscheinlichkeitsverteilung der Spiele nach MA 17
Tabelle 3: Die zentralen Messgrößen nach MA 18
Tabelle 4: Zentrale Ergebnisse des von Neugebauer durchgeführten Expe-
riments
18
Tabelle 5: Verteilung der Einsätze, bei denen der Einsatz größer als der
EW
20
Tabelle 6: EW, MW und ihr Verhältnis nach MA 21
Tabelle 7: Die Analyseergebnisse des MWU-Tests 22
Tabelle 8: Die Anzahl der Teilnehmer nach Einkommensklassen pro Spiel 26
Tabelle 9: Korrelationsanalyse vom Einsatz zu Einkommen 27
Tabelle 10: Die Messgrößen nach Geschlecht 28
Tabelle 11: Die prozentuale Änderungen in Vergleich 28
Tabelle 12: Die Ergebnisse der Korrelationsanalyse 29
Tabelle 13: Berufsverteilungstabelle 29
Tabelle 14: Die Korrelationsergebnisse nach Beruf 30
Tabelle 15: Korrelation der Einsätze und Studienfächer 31
Tabelle 16: Die Ergebnisse der Korrelationsanalyse 31
Tabelle 17: Die Ergebnisse der Korrelationsanalyse 31
Tabelle 18: Die Modellzusammenfassung der Regression 35
Tabelle 19: ANOVA-Tabelle des Modells 36
Tabelle 20: Koeffiziententabelle des multiplen Regressionsmodells 36
Einleitung Seite 1
1 Einleitung
1.1 Zielsetzung
Die Situationen, die den Menschen zu einer Entscheidung veranlassen, sind
eng mit unserem Leben verbunden. Es vergeht kein Tag, sogar keine Stunde in
der nicht vielseitige, einfache oder schwierige Entscheidungen zu treffen sind.
Die Menschen befinden sich oft vor Entscheidungssituationen, die als „Dilem-
ma“ oder „Impasse“ erscheinen. Es ist keine „Ausnahme“ in solchen Situationen
Hilfe von anderen Personen in Anspruch zu nehmen. Entscheidungen zu tref-
fen, ist einer der notwendigsten Kompetenzen eines jeden Menschen. Je mehr
ein Mensch richtige Entscheidungen trifft, desto erfolgreicher und im engeren
Sinn „glücklicher“ kann sein Leben sein. Die „richtige“ Entscheidung führt zum
innerlichen Selbstvertrauen. Daher ist die Formulierung und Lösung von Ent-
scheidungsproblemen für unterschiedliche wissenschaftliche Disziplinen zu ei-
nem zentralen Thema geworden. Darüber hinaus hat sich die Entscheidungs-
theorie als interdisziplinärer Untersuchungsschwerpunkt gebildet.
Das St. Petersburger Paradoxon ist ein zentrales Thema der Entscheidungs-
theorie, die seit Jahrhunderten diskutiert und zur Lösung unterschiedlicher An-
sätze verwendet wurde. Das St. Petersburger Paradoxon stellt eine große Ab-
weichung der Realität von der Lehre der Entscheidungstheorie dar.
Im Rahmen dieser Arbeit wurde das Petersburger Spiel empirisch untersucht.
Nach einigen Wissenschaftlern u.a. Bernoulli und Gorovitz werden im Peters-
burgerspiel kleine Gewinnwahrscheinlichkeiten vernachlässigt. Im Rahmen die-
ser Untersuchung wurde die Größe der Vernachlässigung empirisch bestimmt.
Weiterhin wurde betrachtet welchen Einfluss statische Größen wie Einkommen,
maximaler Gewinn, Beruf usw. auf die Zahlungsbereitschaft der Teilnehmer hat.
Die Vernachlässigung von sehr kleinen Wahrscheinlichkeiten spielt bei der vor-
liegenden Forschungsarbeit eine besondere Rolle und wird deshalb den
Schwerpunkt dieser Ausarbeitung bilden.
Das St. Petersburger Spiel Seite 2
1.2 Aufbau der Arbeit
Die Arbeit gliedert sich in sechs Teilbereiche. Nach einer Einleitung wird im
zweiten Kapitel das fundamentale Spiel, das im Rahmen dieser Arbeit sehr be-
deutend ist, erläutert. Anschließend wird im Kapitel 3 das St. Petersburger Pa-
radoxon erklärt. Das vierte Kapitel gibt eine historische Übersicht des St. Pe-
tersburger Paradoxon. Weiterhin werden die Lösungen unterschiedlicher Wis-
senschaftler erläutert.
Das fünfte Kapitel stellt das durchgeführte Experiment vor. In 5.1 werden die
methodischen Grundlagen der Untersuchung aufgezeigt. In 5.2 wird zunächst
eine Übersicht über die grundlegenden Ergebnisse des Experiments dargestellt.
Im folgenden Abschnitt 5.3 werden die Daten des Experimentes analysiert,
kommentiert und aufgezeigt. Ein Fazit im sechsten Kapitel schließt die Untersu-
chung ab.
2 Das St. Petersburger Spiel
2.1 Verlauf des Spiels
Im Folgenden wird das St. Petersburger Spiel von Daniel Bernoulli beschrieben:
Es handelt sich hierbei um eine mehrstufige Lotterie. Eine faire Münze wird bei
diesem Spiel solange geworfen bis erstmals die Zahl oben liegt. Wenn beim
ersten Wurf gleich Zahl fällt, erhält der Spieler der Lotterie 2 Dukaten. Fällt
Kopf, wird weitergespielt. Ist das Ergebnis des zweiten Wurfes Zahl, erhält der
Spieler 2² = 4 Dukaten. Fällt Zahl erst beim n-ten Wurf, werden 2n Dukaten
ausgezahlt.
Die Abbildung 1 gibt einen grafischen Überblick über den Verlauf des ST. Pe-
tersburger Spiels. Die minimale Auszahlung des ST. Petersburger Spiels be-
trägt wie in der Abbildung 1 dargestellt 2 GE.
Das St. Petersburger Spiel Seite 3
Abbildung 1: Der Verlauf des St. Petersburger Spiels
(Quelle: Eigene Darstellung)
2.2 Der historische Hintergrund des Spiels
Das St. Petersburger Spiel hat historisch seinen Ursprung in den Wahrschein-
lichkeitstheorien.
"Un problème relatif aux jeux de hasard, proposé a un austère janséniste par un
homme du monde, a été l’origine du calcul des probabilités."1
Auf diese Anmerkung von Poisson, die ein Problem, welches Chevalier De Me-
re Blaise Pascal 1654 zutrug, und die anschließende Korrespondenz zwischen
Pascal und Pierre de Fermat in Bezug auf Glückspielprobleme behandelt, wird
oft von denjenigen verwiesen, die den Ursprung der Wahrscheinlichkeitstheorie
prinzipiell in Glücksspielen sehen.2 Der niederländischer Wissenschaftler Chris-
tiaan Huygens studierte bei einer Reise nach Paris im Jahre 1655 die Briefe
von Pascal und Pierre De Fermat. Nach seiner Rückkehr verfasste er eine wis-
senschaftliche Arbeit über die Wahrscheinlichkeitstheorie und ließ diese wis-
senschaftliche Arbeit auf lateinisch übersetzen. Anschließend begann Christi-
1 Poisson, S. D.; Seite 1. Deutsche Übersetzung:” Ein Problem mit den Glücksspielen, das einem
strengen Jansenisten von einem Mann der Welt vorgeschlagen wurde, war die Ursprung der Be-
rechnung der Wahrscheinlichkeiten“
2 Vgl. Dutka, J.; Seite 14 ff.
Zahl
Kopf
Kopf
Kopf
Zahl
Zahl
2 GE
4 GE
8 GE
∞
Kopf
Zahl 2n
GE
Das Paradoxon Seite 4
aan Huygens mit Niklaus Bernoulli sich durch Briefverkehr über die Probleme
von Wahrscheinlichkeitstheorien auseinanderzusetzen. Niklaus Bernoulli setzte
sich auch mit De Montmort per Korrespondenz über die Probleme von Wahr-
scheinlichkeitstheorien auseinander. Ein Meilenstein zur Entwicklung der Wahr-
scheinlichkeitstheorie wurde durch die Veröffentlichung der Arbeit von Jakob
Bernoulli im Jahr 1713 gelegt. Jakob Bernoulli beschreibt im Jahr 1713 im vier-
ten Kapitel seines Buches das von ihm benannte „Goldene Theorem“, dass in
der modernen Zeit als „Bernoulli’s Prinzip“ bekannt wurde. Weitgehend wird in
der Literatur Daniel Bernoulli (1938) als Erfinder des St. Petersburger Spiels
genannt. Er selbst gibt jedoch als Quelle seinen Verwandten Nicolas Bernoulli
an, der das St. Petersburger Spiels durch Pierre Rémond de Montemort in dem
Werk "L'analyse sur Les Jeux De Hazard" (1713) veröffentlicht hat.3
3 Das Paradoxon
Beim St. Petersburger Spiel endet das Spiel immer mit einem Gewinn. Bei ei-
nem fairen Spiel soll es einen Ausgleich zwischen Gewinn und Verlust geben,
deshalb wird eine Teilnahmegebühr benötigt. Das Paradoxon entsteht bei dem
Versuch einen fairen Einsatz für das Spiel zu bestimmen.
Der Erwartungswert (the expected value) einer Lotterie ist die Summe der mög-
lichen Zustände mit ihren Eintrittswahrscheinlichkeiten gewichteten Wert.4 Ein
Beispiel zum Erwartungswert wurde in Abbildung 2 dargestellt.
Abbildung 2: Alternativ Lotterien und Erwartungswerte
(Quelle: Eigene Darstellung)
3 Vgl. Bernoulli, D.; Seite 31
4 Vgl. Laux, H., Seite 134
Das Paradoxon Seite 5
Im Beispiel hat die Lotterie 1 einen Erwartungswert von
. Der Erwartungswert der Lotterie 2 ist
. Nach dem Erwartungswertprinzip soll die
Lotterie 2 bevorzugt werden, da sein Erwartungswert größer als seine Alternati-
ve ist.
Nach der Entscheidungstheorie sollte für Entscheidungen unter Risiko der Ein-
satz dem Erwartungswert entsprechen. Das Spiel hat einen unendlichen Erwar-
tungswert, der durch die unten dargestellte Formel ausgedrückt wird.
Der zu erwartende Gewinn ist unendlich hoch. Demnach lohnt sich das Spiel für
den Spieler auch, wenn er sehr hohe Einsätze zahlen muss. Alle endlichen Bei-
träge führen nach dieser Rechnung dazu, dass das Spiel unfair gegenüber dem
Spielgeber ist und der Spieler einen Vorteil hat.
Wenn man den Teilnehmer vor die Entscheidung stellt, entweder eine sichere
Auszahlung von einer Million zu erhalten oder am Spiel teilzunehmen, sollte ein
rationaler Mensch nach dem Erwartungswertprinzip die Teilnahme auswählen.
Allerdings würde dies in der Realität kein geistig gesunder Mensch [inklusive
der spielsüchtigste Hasardeur] machen.5 Nach Bernoulli haben die Teilnehmer
am Petersburger Spiel ohne die sichere Alternative nur eine maximale Zah-
lungsbereitschaft von 20 Dukaten.6 Dies lässt vermuten, dass eine sichere Al-
ternative von mehr als 20 Dukaten präferiert wird.
Diese Problematik wurde als eindeutiges Paradox betrachtet und wird in der
Literatur als St. Petersburger Paradoxon bzw. Bernoulli Paradoxon benannt.
Viele Forscher haben versucht eine Erklärung dafür zu finden.7
5 Vgl. Eisenführ, F.;Weber, M., Seite 209
6 Vgl. Bernoulli, D.; Seite 31 und Chernoff, H.; Moses, L. Seite 104
7 Vgl. Menger, K.; Seite 3.
Die Lösungsansätze Seite 6
4 Die Lösungsansätze
Seit das St. Petersburger Spiel erfunden worden ist, und als Diskrepanz be-
trachtet wurde, versuchen Wissenschaftler aus unterschiedlichen Fachberei-
chen wie Mathematik, Psychologie und Wirtschaft, eine vernünftige Lösung des
Paradoxon zu finden. Einerseits bemühen sich einige Wissenschaftler den op-
timalen Einsatz für das Spiel zu bestimmen und dadurch das Paradox zu lösen,
andererseits versuchten manche Wissenschaftler den Grund zu erklären, wa-
rum ein unendlicher Einsatz für das St. Petersburger Spiel unlogisch wäre. So-
gar einige Wissenschaftler, wie z. B. der amerikanischer Wirtschaftler Robert
W. Vivian8, sehen kein Paradox bei dem St. Petersburger Spiel. Es gibt auch
Wissenschaftler wie der amerikanische Wirtschaftswissenschaftler William P.
Bottom, die eine Auffassung vertreten, dass es keine universelle Lösung des St.
Petersburger Paradoxons geben kann.9
Die Lösungen des St. Petersburger Paradoxons, die von unterschiedlichen
Wissenschaftlern erarbeitet wurden, können in fünf Ansätze gruppiert werden.
In der vorliegenden Arbeit sind nur drei Ansätze von Bedeutung10, die im fol-
genden näher erläutert werden.11
Begrenzter Eigentum der Spieler
Begrenzter Nutzen des Gewinns
Vernachlässigung der kleinen Wahrscheinlichkeiten
Begrenzter Eigentum der Spieler: Der Spieler setzt keinen unendlichen Be-
trag ein, da er selbst diesen Betrag nicht besitzt.
Als Kritik kann benannt werden, dass wenn der Erwartungsnutzen des Spiels
einen begrenzten aber sehr hohen Wert haben würde trotzdem keine vernünfti-
ge Person einen Anreiz hätte einen Betrag in der Höhe des Erwartungswertes
einzusetzen. Beispielsweise angenommen das Spiel hat einen Erwartungswert
8 Vgl. Vivian, R.W.; Seite 331 ff.
9 Bottom, W.-P.; Seite 141
10 Die weiteren zwei Ansätze sind die begrenzte Wahrscheinlichkeitswahrnehmung und die Erwar-
tungsheuristik vgl. Neugebauer, T.; 2007.
11 Vgl. Neugebauer, T.; 2007
Die Lösungsansätze Seite 7
von 100 Milliarden Euro. Diese Summe besitzen bestimmt einige wenige Men-
schen auf der Welt. Aber es wäre unvernünftig zu erwarten, dass eine der Per-
sonen diesen Betrag zahlen würde, um am St. Petersburger Spiel teilzuneh-
men.
Begrenzter Nutzen des Gewinns: Der begrenzte Nutzen des Gewinns wird
mathematisch so formuliert:
Spieler entscheiden nicht nach dem statistischen Erwartungswert, sondern
nach dem erwarteten Nutzen . Bei der Erklärung dieses Experimentes postuliert
Bernoulli, dass der subjektive Wert von Geld nicht für jeden Menschen gleich
ist. Der Spieler bewertet die Gewinne des Spiels nur als einen Vermögenszu-
wachs. Die Bewertung von Vermögenszuwächsen hängt aber vom Vermögen
des Bewertenden ab.
Die Entscheidung eines Spielers richtet sich nicht nach dem statistischen Er-
wartungswert, sondern nach dem erwarteten Nutzen. Nach Bernoulli ist der
subjektive Wert von Geld für jeden Menschen nicht gleich. Der Spieler bewertet
die Gewinne des Spiels nur als einen Vermögenszuwachs. Die Bewertung des
Vermögenszuwachses findet in Abhängigkeit vom Vermögen des Spielers statt.
Ein Spieler der viel Vermögen besitzt, wird dieselbe Summe geringer bewerten
als ein Spieler mit einem kleineren Vermögen.12 Dies lässt sich anhand eines
Beispiels veranschaulichen. Für die meisten die eine Million Euro besitzen, wird
der Zuwachs an Nutzen von einer auf zwei Millionen Euro nicht so groß sein,
wie für Spieler die keine Million besitzen. Daraus ist zu schließen, dass der Zu-
wachs an Geld und der Zuwachs an Nutzen nicht proportional steigt. Es liegt
ein abnehmender Grenznutzen des Geldes vor.
Mit Hilfe vom Grenznutzen des Gelds eines rationalen Menschen behauptet
Bernoulli, dass der Grenznutzen des Gelds abnimmt, während das Geldein-
kommen zunimmt, und dies ist der Grund, warum sich rationale Menschen wei-
gern am Spiel teilzunehmen.13
12
Vgl. Menger, K.; Seite 469 ff.
13 Vgl. Senetti, J.-T.; Seite 960
Die Lösungsansätze Seite 8
Die Vernachlässigung von Wahrscheinlichkeiten:
Ein weiterer Lösungsversuch stellt die Annahme auf, dass in der Praxis mit Er-
eignissen, deren Wahrscheinlichkeit sehr klein ist, überhaupt nicht gerechnet
wird.14
Es wurden unterschiedliche Untersuchungen zur Ermittlung von Werten durch-
geführt, bei denen Individuen die Wahrscheinlichkeiten vernachlässigen.15 Un-
terschiedliche Wissenschaftler haben dazu in ihren Untersuchungen verschie-
dene Ergebnisse erhalten.
Bei einer Wahrscheinlichkeit kleiner als 1/32 stellen Individuen nach Bernoulli
die Annahme auf, dass diese Wahrscheinlichkeit Null ist. 16 Samuel Gorovitz
sagt dagegen, dass Individuen die Wahrscheinlichkeiten erst dann als Null an-
nehmen, wenn sie kleiner als 1/64 sind.17 Neugebauer zeigt bei einem Experi-
ment , dass die Wahrscheinlichkeit zwischen 1/20 und 1/200 trunkiert werden.18
Gegenstand der Forschung dieser Diplomarbeit ist es, genauere Werte zu
bestimmen an der Wahrscheinlichkeiten trunkiert werden.
J. L. D’Alembert und G. L. L. Buffon bestätigen die Annahmen von Nicholas,
dass jede Wahrscheinlichkeit unterhalb eines sehr geringen Wertes auf Null
gesetzt werden kann.19 Vergleichsweise zu Bernoulli erhielt Buffon jedoch bei
seinen Messungen einen Wert von 1/10189, bei der Individuen die Wahrschein-
lichkeit auf Null setzen.20
Das in dieser Arbeit konzipierte Experiment untersucht diese angesprochenen
Wahrscheinlichkeitsgrößen, bei der Individuen die Annahme aufstellen, dass
die Wahrscheinlichkeit ab einem bestimmten Wert als Null angenommen wird.
14
Vgl. Menger, K.; Seite 471 ff.
15 Dazu ein Beispiel: Stellen wir uns z. B. ein Glückspiel vor, bei welchem 100 Millionen Losen eine
einzige Prämie im Betrage von einer Milliarde Euro ausgelost wird. Der Erwartungswert des Besit-
zers jedes einzelnen Loses beträgt 10 €. Werden sich aber z. B. unter den Millionen Europäern viele
finden welche 10 € in einer Lotterie riskieren, bei welcher ein einziger Europäer Milliardär werden
soll. Vgl. Menger,K.; S. 471
16 Vgl. Dutka, J.; Seite 24
17 Vgl. Neugebauer, T.; 2007
18 Vgl. Neugebauer, T.; 2007
19 Vgl. Samuelson, P. A.; Seite 44
20 Vgl. Dutka, J.; Seite 33
Das Experiment Seite 9
Hierzu ist es von Relevanz die Forschungsarbeit auf die Frage zu richten, ab
welcher Größe das Individuum die Wahrscheinlichkeiten auf Null setzen.
5 Das Experiment
In Kapitel 4 wurden die Lösungsansätze des St. Petersburger Paradoxon dar-
gestellt. Das im 18. Jahrhundert durchgeführte Spiel wurde im Rahmen dieser
Arbeit konzipiert und als ein Experiment verwirklicht. Das Ziel ist eine empiri-
sche Untersuchung der Lösungsansätze, insbesondere die der von Bernoulli et.
al. und Gorovitz et al.
Über das St. Petersburger Spiel konnte in der Literatur nur ein Experiment mit
konkreten Ergebnissen gefunden werden. Das Experiment wurde von Herrn
Tibor Neugebauer durchgeführt. Die zentralen Ergebnisse wurden in einem
Vortrag veröffentlicht (siehe Kapitel 5.3.1).
Im folgenden Abschnitt wird zunächst die methodische Vorgehensweise der
Untersuchung dargestellt (Abschnitt 5.1). Im Anschluss werden die Eckdaten
der Ergebnisse aufgezeigt. Hinterher werden die Experimentdaten analysiert
und erläutert.
5.1 Methodische Vorgehensweise
5.1.1 Aufbau der Untersuchung
Zur Durchführung einer wissenschaftlichen Untersuchung werden einige Modifi-
kationen des St. Petersburger Spiels vorgenommen:
Die unbegrenzten Gewinnmöglichkeiten im Bernoulli’schem Spiel wer-
den auf unterschiedliche Auszahlungen begrenzt.
Bernoulli führte das Spiel in Kasinos durch. Das Experiment dieser Aus-
arbeitung hingegen wurde in der Mensa der Leibniz Universität Hanno-
ver durchgeführt. Die Teilnahmebereitschaft, bzw. die Zahlungsbereit-
schaft für Glücksspiele ist ortsabhängig. Der Teilnahmeeinsatz von Indi-
viduen an einem Glückspiel ist in einem Kasino größer. In der Mensa re-
agierten die Versuchspersonen bei einem Angebot eines Glückspiels
z.T. überrascht. Es gab Teilnehmer, die für das Spiel keinen Einsatz leis-
Das Experiment Seite 10
ten würden bzw. eine Zahlungsbereitschaft von Null Euro hatten. So ein
Fall würde in einem Kasino nicht auftreten und wäre auch nicht möglich.
Diese maximale Zahlungsbereitschaft besteht grundsätzlich bei Teil-
nehmern, welche gewöhnlich keine Glücksspiele spielen.
Statt einer Münze wurde ein Würfel eingesetzt. Um eine Eintrittswahr-
scheinlichkeit von 50% zur Fortsetzung des Spieles zu gewährleisten,
wurden nur gerade und ungerade Zahlen vorausgesetzt. Dies war erfor-
derlich, um dieselbe Eintrittswahrscheinlichkeit wie bei einer fairen Mün-
ze zu erlangen.
Im St. Petersburger Spiel wurde das Spiel insofern fortgesetzt, solange
man „Kopf“ gewürfelt hat. In dem Experiment dieser Diplomarbeit muss-
ten die Teilnehmer vor jedem Wurf vorhersagen, ob eine gerade oder
ungerade Zahl vorkommt. Diese kleine Modifizierung machte das Spiel
attraktiv und gab einen Anreiz für die Teilnahme. Trotz dieser Verände-
rung bleibt der Erwartungswert sowie die Wahrscheinlichkeit der maxi-
malen Auszahlung wie beim Ausgangsspiel unverändert.
Darüber hinaus zahlte das St. Petersburger Spiel den Teilnehmern einen
Mindestbetrag von 2 Euro aus, wenn der Teilnehmer eine Zahl geworfen
hat. Dagegen wurde bei dem durchgeführten Experiment dieser Diplom-
arbeit den Teilnehmern ein Mindestbetrag von 1 Euro ausgezahlt, falls
eine Zahl gewürfelt wurde.
Bei dem Experiment wurden unterschiedliche maximale Auszahlungen angebo-
ten. Jeder Teilnehmer hat nur eine Auszahlung erhalten. Am Anfang war die
maximale Auszahlung 10 €, 100 € und 1.000 €. Im Anschluss der Datenerhe-
bung für die drei unterschiedlichen maximalen Auszahlungen fand eine Ergeb-
nisanalyse statt. Aufbauend auf den Ergebnissen wurde anschließend das Ex-
periment mit einer maximalen Auszahlung von 50€ durchgeführt, nach einer
weiteren Analyse mit 25€ und letztendlich mit 16€. Ausführliche Informationen
über diese Analyse werden in Abschnitt 5.1.2 gegeben.
Um einen seriösen Eindruck an die Teilnehmer zu vermitteln, wurden die fol-
genden Maßnahmen getroffen:
Das Experiment Seite 11
Ein Namensschild, mit dem Logo der Leibniz Universität Hannover und
des Lehrstuhls für Finanzmarkttheorie der Leibniz Universität Hannover
wurde getragen.
Während des gesamten Experiments wurde eine Geldkasse immer mit-
getragen.
Ein fairer 6-seitigen Würfel wurde eingesetzt,
und ein Würfelbecher.
Der Ablauf des Experiments mit einem Probanden verlief folgendermaßen:
1. Erläuterung der Spielregeln
Es wird ein Würfel so lange geworfen, bis nicht die Zahl fällt, welche der Teil-
nehmer vor seinem Würfelwurf vorhergesagt hat (das ist entweder eine ungera-
de oder gerade Zahl). Bei einem ungeraden Wurf sind es die Zahlen 1,3 und 5.
Bei einem geraden Wurf sind es dementsprechend die Zahlen 2, 4 und 6. Trifft
der Teilnehmer beim ersten Wurf nicht seine Vorhersage, so erhält er 1 Euro
ausbezahlt (denn dieser Euro war ihm sicher). Trifft der Teilnehmer seine Vor-
hersage richtig, so erhält er 2 Euro sicher und darf weiterwürfeln. Trifft der Teil-
nehmer beim dritten Wurf seine Vorhersage richtig, erhält er 4 Euro und spielt
weiter. Beim vierten richtigen Wurf, erhält er 8 Euro, usw. Mit jedem richtigen
Wurf wird die Auszahlung verdoppelt, bis zu einer Maximalauszahlung von X
Euro. Die Auszahlungen im Glückspiel und die entsprechenden mathemati-
schen Wahrscheinlichkeiten sind in der vorliegenden Abbildung dargestellt. Die
Minimalauszahlung ist 1 Euro und die Maximalauszahlung X Euro.
Während der Erläuterung der Spielregeln wurde dem Teilnehmer parallel eine
Grafik zum Überblick vorgezeigt (siehe Anhang A).
2. Frage an die Probanden über ihren maximalen Einsatz
„Wie viel würden Sie für so ein Spiel maximal einsetzen, um am Spiel teilneh-
men zu dürfen?“.
Nach der Aussage der Teilnehmer wurde eine Überprüfungsfrage gestellt, ob er
sich bezüglich des Betrages sicher sei. Um die maximale Zahlungsbereitschaft
Das Experiment Seite 12
zu finden, wurde den Teilnehmern als Bespiel das Spiel unter anderen Bedin-
gungen veranschaulicht. Das Spiel hat eine begrenzte Anzahl von Angeboten
und vielen Nachfragern, d.h. wer bereit ist, den höchsten Betrag zu zahlen, darf
letztendlich an dem Spiel teilnehmen (vergleichsweise wie bei einer Auktion).
Jeder Teilnehmer wurde gefragt, bis zu welchen Betrag er bei der „Auktion“
mitgehen würde. Diese zweite Antwort des Teilnehmers wurde als „korrigierte
maximale Zahlungsbereitschaft“ angenommen und auch bei der Analyse ver-
wendet.
3. Begründung der maximalen Zahlungsbereitschaft
Dann wurde eine dritte Frage gestellt, warum der Teilnehmer diesen Betrag
gewählt hat, um herauszufinden, was die Gründe für die angegebene maximale
Zahlungsbereitschaft sind.
4. 5 € Angebot
Unabhängig von der Zahlungsbereitschaft der Teilnehmer wird jedem die Frage
gestellt, ob er mit einem realen Geldbetrag von 5 Euro umgehend am Spiel teil-
nehmen würde.
5. Maximale Zahlungsbereitschaft bei veränderter maximaler Auszahlung
Zuletzt wurden die gefragten, wie viel der Teilnehmer maximal einzusetzen be-
reit ist, wenn der maximale Auszahlungsbetrag sich ändern würde. Bei den
Spielen mit maximaler Auszahlung von 10€, 25€, 50€ und 100€ ist, wurde die
Teilnehmer gefragt, wie viel sie bei einer maximalen Auszahlung von 1000€
bereit wären einzusetzen. Bei einem tausend Euro Spiel wird die Auszahlungs-
änderung auf 10€ reduziert.
6. Fragen über persönliche Daten
Am Ende wurden persönliche Daten des Teilnehmers (Beruf und Einkommen)
für statistische Zwecke erfragt. Teilnehmer, deren Haupttätigkeit das Studium
ist, wurden zudem nach ihrer Fachrichtung und der Semesterzahl gefragt. Die
Frage über die Berufstätigkeit wurde gestellt, um untersuchen zu können, ob
die maximale Zahlungsbereitschaft eine Abhängigkeit vom Beruf aufweist. Das
gleiche gilt für die Frage nach dem Einkommen.
Das Experiment Seite 13
5.1.2 Die Analyse und die Bestimmung der analytischen Methoden
Die erhobenen Daten werden mit dem Software Programm SPSS (Version 16)
analysiert. Als analytische Methode wird aus dem „nichtparametischen Test“
das „zwei unabhängigen Stichproben Verfahren“ eingesetzt.
Die P-Werte sind in den Tabellen als asymptotisches Signifikanzniveau ange-
geben. Die angegebenen P-Werte sind zweiseitig. Für unsere Analyse dagegen
sind ausschließlich die einseitigen P-Werte entscheidend. Darüber hinaus wird
bei allen Untersuchungen ein Signifikanzniveau von 5 % angenommen.
5.1.2.1 Normalverteilung
Um durch die erhobenen Daten erfolgreiche Ergebnisse zu erreichen, ist zwi-
schen den parametrischen und nichtparametrische Testmethoden eine auszu-
wählen.
Der parametrische Test setzt voraus, dass die zu testenden Variablen eine
Normalverteilung (Gauß´sche “Glockenkurve”) aufweist. Anders ausgedrückt,
es ist eine Verteilung bei der sich die Mehrheit der Werte um einen Mittelwert
verteilen und nach den Seiten hin in einem Gleichmaß abnehmen. Wenn diese
Vorbedingung nicht vorliegt, sind nichtparametrische Methoden anzuwenden.21
Optimal erfolgt die Prüfung auf das Bestehen einer Normalverteilung mit einem
Anpassungstest. Hierfür wird der Kolmogorov-Smirnov-Anpassungstest sehr
häufig verwendet und wurde aus diesem Grund in dieser Arbeit eingesetzt, um
statisch genau nachzuweisen, ob eine Normalverteilung vorliegt.
Die Null- und Alternativhypothese des Tests lauten:
H0: Fn(x) = F0(x) x
H1: Fn(x) ≠ F0(x) x
Die Nullhypothese bedeutet, dass die beobachteten Zufallszahlen aus einer
gleich verteilten Grundgesamtheit bestehen und demnach selbst gleich verteilt
sind. Die zu testende Variable hat eine Normalverteilung.
21
Vgl. Kähler, W.-M.; S. 28
Das Experiment Seite 14
Die Darstellung des Kolmogorov-Smirnov-Tests erfolgt in Tabelle 1. Der Test
wird mit der größten und somit der absoluten Abweichung der empirischen von
der theoretischen Verteilung durchgeführt. Die größte absolute, die größte posi-
tive und die größte negative Abweichung der beiden Verteilungen voneinander
werden als stärkste Differenzen in der Tabelle ausgewiesen.
Kolmogorov-Smirnov-Anpassungstest
Einsatz
N 361
Parameter der Normalverteilunga Mittelwert 3,85
Std.Abw. 6,927
Extremste Differenzen Absolut ,315
Positiv ,315
Negativ -,289
Kolmogorov-Smirnov-Z 5,982
Asymptotische Signifikanz (2-seitig) ,000
a. Die zu testende Verteilung ist eine Normalverteilung.
Tabelle 1: Test auf Normalverteilung für gesamte Experimentdaten
Weiterhin findet eine Angabe der Parameter der Normalverteilung statt, mit der
die empirische Verteilung verglichen wird. Die Parameter einer Normalvertei-
lung stellen den Mittelwert und die Standardabweichung dar.
Der ausgewiesene Wert für die Grundgesamtheit n=361 mit einer Standardab-
weichung von 6,927 stimmt mit den Werten der Variablen „Einsätze“ in der be-
trachteten Stichprobe überein. Die Einsätze der Teilnehmer für alle Spiele
betragen somit durchschnittlich 3,85€.
Das betrachtete Testergebnis wird durch die in der letzten Zeile vorhandene
asymptotische Signifikanz dargestellt. Hierbei handelt es sich um die Irrtums-
wahrscheinlichkeit, die mit einem Zurückweisen der Nullhypothese verbunden
ist.
Die Aussage der getesteten Nullhypothese ist, dass die maximale Teilnehmer
Zahlungsbereitschaft in der Grundgesamtheit einer Normalverteilung folgt. Die
Wahrscheinlichkeit für das Zutreffen der Hypothese beträgt Null, wobei folglich
die Nullhypothese zurückgewiesen werden kann. Aber auch bei dieser geringen
Das Experiment Seite 15
Irrtumswahrscheinlichkeit besteht die Möglichkeit, dass eine beinahe Normal-
verteilung der Werte in der Grundgesamtheit bestehen. Dieses reicht bereits als
Voraussetzung für viele statistische Verfahren aus.
5.1.2.2 Mann-Whitney U-Test
Da die Experimentdaten keine Normalverteilung aufweisen, und deshalb para-
metrische Verfahren nicht geeignet sind, wurde für die Analyse der Experiment-
daten die nichtparametrische Testart ausgewählt.
Die nichtparametrische Testart unterteilt sich in unterschiedliche Verfahren: den
unabhängigen und den abhängigen Verfahren. Wobei diese Verfahren seiner-
seits sich aus der Anzahl der Stichproben zusammensetzen. Hierzu sind als
Beispiel für nichtparametrische Tests der Wilcoxon-Rangsummentest und Vor-
zeichentest zu nennen. Da die Vertiefung der nichtparametrischen Tests nicht
das Ziel der Arbeit ist, wird hier nicht weiter auf sie eingegangen.
Der U-Test für unabhängige Stichproben oder auch Mann-Whitney U-Test ge-
nannt, ist eine Methode zur Auswertung eines Zwei-Gruppen-Experiments. Die
Bedingungen des U-Tests unterscheiden sich in einer unabhängigen Variable.
Der U-Test prüft ähnlich wie beim T-Test für unabhängige Stichproben, ob die
Differenzen in den zwei Gruppen (bezüglich einer abhängigen Variable) zufälli-
gen oder systematischen Einflüssen unterliegen.
Der Unterschied zwischen dem T-Test und dem U-Test ist, dass der U-Test die
Messwerte nicht direkt, sondern die den Messwerten zugeordneten Rangplätze
analysiert.
Der Mann-Whitney-U-Test wird wie folgt beschrieben:
Ist X ein mindestens ordinal skaliertes und bezüglich seiner Verteilung nicht
näher bestimmtes Merkmal über zwei Grundgesamtheiten, dann heißt dass
nichtparametrische Verfahren zum Prüfen der Homogenitätshypothese H0:
F1(x)=F2(x) über die zwei zugehörigen Verteilungsfunktionen Fj(x) (j=1,2) auf-
grund von zweiunabhängigen Zufallsstichproben von Umfang nj Mann-Whitney-
Test.
Das Experiment Seite 16
Charakteristisch für den Mann-Whitney-Test ist ein verteilungsunabhängiger
Rangsummentest, der vor allem empfindlich ist gegenüber Differenzen in den
Medianen zwei stetiger Verteilungen. Aufgrund dessen wird der Mann-Whitney
auch zur Prüfung der Homogenität zweier Mediane benutzt.22
5.2 Zusammensetzung der Stichprobe
Im Rahmen dieses Experiments wurden 361 Teilnehmer befragt. Das Experi-
ment wurde in der Mensa der Leibniz Universität Hannover23 durchgeführt. Das
Experiment fand im Zeitraum vom 22 Oktober bis zum 09 Januar 2008 statt.
Ein Item des Experiments ist der Beruf. Die Berufe wurden in fünf Fächer kate-
gorisiert: Student, Universitätsbedienste, Auszubildende, Schüler und Sonstige.
Die Abbildung 3 stellt die Verteilung der Teilnehmer nach ihrem Beruf dar. Die
Teilnehmer waren überwiegend Studenten (313 Person, 87,19%). Die weitere
Aufteilung setzt sich wie folgt zusammen: 17 Universitätsbediente, eine Auszu-
bildende und 28 Teilnehmer haben sonstige Berufe. Unter den sonstigen Beru-
fen waren die meisten Teilnehmer Universitätsabsolventen. Weil keiner der
Teilnehmer Schüler war, wurde dieses aus den Kategorien herausgenommen.
Diese Berufsverteilung zeigt uns, dass das Bildungsniveau der Teilnehmer im
Durchschnitt relativ hoch ist.
Abbildung 3: Berufe der Teilnehmer
(Quelle: Eigene Darstellung)
22
Eckstein, P.P.; Seite 162
23 Callinstraße 23 in Hannover
Das Experiment Seite 17
Das Geschlechterverhältnis der Teilnehmer ist in Abbildung 4 dargestellt. Mehr
als zwei Drittel der Teilnehmer sind männlich.
Abbildung 4: Das Verhältnis des Geschlechtes der Teilnehmer
(Quelle: Eigene Darstellung)
Die Einkommensverteilung der Teilnehmer wird in der Abbildung 5 dargestellt.
Aus der Abbildung ist zu erkennen, dass die Mehrheit der Teilnehmer ein mo-
natliches Einkommen von 500€ haben. Insgesamt haben 6 Teilnehmer die Aus-
kunft über ihr Einkommen verweigert.
Abbildung 5: Die Einkommensverteilung der Teilnehmer
(Quelle: Eigene Darstellung)
Die Wahrscheinlichkeiten und die Erwartungswerte der angebotenen maxima-
len Auszahlungen sind aus Tabelle 2 zu entnehmen.
10€ 16€ 25€ 50€ 100€ 1000€
EW 4,625 5,0 5,781 6,781 7,781 10,977
Wsk. 1/16 1/16 1/32 1/64 1/128 1/1024
Tabelle 2: EW und Wahrscheinlichkeitsverteilung der Spiele nach MA
Das Experiment Seite 18
5.3 Ergebnisse des Experiments
5.3.1 Ergebnisse in Zahlen
Bedeutende Messgrößen des Experiments sind in Tabelle 3 dargestellt. Der
Median der Teilnehmereinsätze für alle Spiele ist 2 €. Die spielindividuellen Me-
dianwerte sind in Tabelle 3 wiedergegeben. Dementsprechend beträgt der Mit-
telwert 3,85 € und die Standardabweichung 6,927.
10 € 16 € 25 € 50 € 100 € 1.000 €
Mittelwert 1,36 € 2,58 € 3,54 € 3,17 € 4,82 € 5,91 €
Median 1,00 € 2,00 € 3,00 € 3,00 € 3,00 € 3,00 €
Maximal 10,00 € 6,00 € 10,00 € 10,00 € 100,00 € 50,00 €
Minimal 0,00 € 0,00 € 0,00 € 0,00 € 0,00 € 0,00 €
Std. Abw. 1,53 € 1,61 € 2,32 € 1,98 € 10,92 € 8,81 €
n 50 50 51 50 85 75
Tabelle 3: Die zentralen Messgrößen nach MA
Um einen Vergleich mit den Ergebnissen von Neugebauer (2007) aufstellen zu
können, werden seine Ergebnisse in Tabelle 4 dargestellt.
10 100 1000 Unendlich
Mittelwert 0,39 € 1,22 € 1,09 € 0,89 €
Median 0,10 € 0,99 € 0,99 € 0,50 €
Maximal 2,12 € 6,05 € 3,50 € 5,00 €
Minimal 0,01 € 0,01 € 0,01 € 0,01 €
Std. Abw. 0,57 € 1,64 € 1,15 € 1,20 €
n 46 19 22 28
Tabelle 4: Zentrale Ergebnisse des von Neugebauer durchgeführten Experi-
ments
Insgesamt haben 21 Teilnehmer ausgesagt, dass sie aus Prinzip keinen Cent
für ein Glückspiel einsetzen würden.
Insgesamt haben 23 Personen im Experiment 5 € eingesetzt. Darunter
fielen 16 einzelne Teilnehmer, zwei zweier Gruppen und eine dreier
Gruppe. Die Gruppen haben unter sich den Einsatzbetrag zusammenge-
Das Experiment Seite 19
legt. Letztendlich wurde 19 Mal das Spiel gespielt. Nur ein Spieler hat
mehr Gewinn erzielt als er eingesetzt hat.
121 Teilnehmer haben ihre maximale Zahlungsbereitschaft nach dem
dargestellten Beispiel positiv geändert. Dagegen haben 10 Teilnehmer
ihren Einsatz vermindert. Bei 230 Teilnehmern waren die maximale Zah-
lungsbereitschaft und die korrigierte Zahlungsbereitschaft identisch. Die
Detaillierte Tabelle ist im Anhang B zu finden.
Bei dem 10€-Spiel haben 36 Teilnehmer maximal 1 € eingesetzt. Obwohl
der Erwartungswert des Spiels 4,625 € ist, beträgt der Mittelwert der Ein-
sätze 1,36 €. Das ist ca. 29% des Erwartungswertes. Das ist das nied-
rigste Verhältnis des Mittelwertes zum Erwartungswert. Nur bei einem
Teilnehmer war die Einsatzbereitschaft höher als der Erwartungswert
des Spiels. Dieser Teilnehmer gehört zu der Einkommensklasse 1 und
kommt mit weniger als 300 € pro Monat aus.
Bei dem 10€-Spiel hat kein Teilnehmer 5 € eingesetzt und das Spiel ge-
spielt, obwohl einer der Teilnehmer seine maximale Zahlungsbereitschaft
als 10€ ausgesagt hat.
8 Teilnehmer haben bei dem 16€-Spiel ihre maximale Zahlungsbereit-
schaft als 5 € und mehr ausgesprochen. Davon haben 4 Teilnehmer
wirklich 5 € eingesetzt und das Spiel gespielt.
Die Einsätze von 99 Teilnehmern beträgt 5 € und höher. Dagegen haben
nur 23 Teilnehmer wirklich 5 € aufgeboten und gespielt. Ein Grund des
Nichteinsatzes ist die persönliche finanzielle Lage der Teilnehmer. Ein
anderer Grund könnte eventuell das Misstrauen an den Spielleiter sein,
in der Annahme, er würde den Gewinn nicht auszahlen.
Bei den 16€, 25€, 50€ und 100€-Spielen wurden die Teilnehmer gefragt
wie hoch ihre Einsatzbereitschaft wäre, wenn das Spiel bis 1000 € ge-
spielt werden. 13 Teilnehmer haben ihren Einsatz vermindert. 197 Teil-
nehmer haben denselben Betrag eingesetzt. 73 Teilnehmer haben ihre
Einsatzbereitschaft erhöht.
Das Experiment Seite 20
Ein Teilnehmer hat für ein 1.000€-Spiel 0,00 € einsetzt, während er für
ein 10€-Spiel 1€ auszugeben bereit war.
Bei dem 25€-Spiel beträgt der Erwartungswert genau 5,78125 €. Durch-
schnittlich haben die Teilnehmer 3,539 € eingesetzt. Dieser Mittelwert
entspricht ca. 61% des Erwartungswerts.
Die Anzahl der Teilnehmer, die einen höheren Betrag als den Erwar-
tungswert des Spiels einsetzt haben, betrug 28. Die Tabelle 5 verdeutlich
die Verteilung der Einsätze nach Spielen mit den jeweiligen Erwartungs-
werten und dem Mittelwert der Einsätze. Aus der Tabelle sind die Ver-
hältnisse der Erwartungswerte der jeweiligen Spiele zum Mittelwert der
Einsätze zu entnehmen.
MA n Einsätze über EW Einsätze / n
10€ 50 1 2,00%
16€ 50 3 6,00%
25€ 51 5 9,80%
50€ 50 1 2,00%
100€ 85 11 12,94%
1000€ 75 7 9,33%
361 28 7,76%
Tabelle 5: Verteilung der Einsätze, bei denen der Einsatz größer als der EW ist.
Aus der Tabelle 5 ist auch zu entnehmen, dass die Anzahl der Einsätze,
die mehr als die Erwartungswerte betragen, unabhängig aus der Steige-
rung der maximalen Auszahlungen sind.
Die Tabelle 6 stellt dar, dass das Verhältnis zwischen dem Mittelwert der
Einsätze und der Erwartungswerte der Spiele unabhängig von den ma-
ximalen Auszahlungen der Spiele verlaufen.
Das Experiment Seite 21
MA EW MW MW/EW
10€ 4,625€ 1,360€ 29,41%
16€ 5,000€ 2,58€ 51,60%
25€ 5,781€ 3,539€ 61,22%
50€ 6,781€ 3,170€ 46,75%
100€ 7,781€ 4,824€ 61,99%
1000€ 10,977€ 5,907€ 53,81%
Total
Tabelle 6: EW, MW und ihr Verhältnis nach MA
151 Teilnehmer erhöhen nicht ihren Einsatz, bei einer Änderung der ma-
ximalen Auszahlung auf 1.000 €. Dagegen würden 95 Teilnehmer ihren
Einsatz erhöhen, und 12 Teilnehmer ihren Einsatz vermindern.
Abbildung 6: Die prozentuale Häufigkeitsverteilung der gesamten
Zahlungsbereitschaften der Teilnehmer
(Quelle: Eigene Darstellung)
In Abbildung 6 werden die Einsätze für alle Spiele in prozentualen Zah-
len veranschaulicht. Es ist zu erkennen, dass die meisten Teilnehmer
(23%) zwischen 1,00 € und 1,99 € einsetzten. Insgesamt haben 79 Teil-
nehmer (21,88% der gesamten TN) für die Spiele 1 € eingesetzt. 30,5%
der Teilnehmer haben keinen Cent eingesetzt (0,00 € bis 1,00 €), um
kein Risiko einzugehen.
Das Experiment Seite 22
Im gesamten Experiment haben 88,1% der Teilnehmer maximal 5 € für
die Spiele eingesetzt.
5.3.2 Ergebnisse nach Lösungsansätzen
Nach dem jeweils 50 Teilnehmer die 10€, 100€ und 1000€ maximale Auszah-
lungsangebote erhalten haben und die Spiele durchgeführt worden sind, wur-
den die Daten per SPSS analysiert.
Bei dieser Analyse wird primär die Richtigkeit der im vorherigen Kapital behan-
delten Ansätze von Bernoulli und Gorovitz geprüft.
Für die Analyse wird die Methode „Mann-Whitney U-Test“ (MWU) genutzt. Der
MWU-Test gehört zu den nichtparametrischen Testverfahren.
Die Hypothese des Tests lautet:
H0: Die Zahlungsbereitschaften steigen nicht mit der Maximalauszahlung.
H1: Die Zahlungsbereitschaften steigen mit der Maximalauszahlung.
In Tabelle 7 sind die Signifikanzniveaus einzelner Untersuchungen von Spielen
dargestellt, die man durch den Mann-Whitney U-Test erhält. Die linke Spalte
der Tabelle 7 zeigt die jeweiligen Spiele, die der Mann-Whitney U-Test zur Kal-
kulation des Signifikanzniveaus gegenüberstellt.
Spiele Asymp. Signifikanzniveau (Einseitig)
10 € - 16 € 0,000
10 € - 25 € 0,000
10 € - 50 € 0,000
10 € - 100 € 0,000
10 € - 100 € * 0,000
16 € - 25 € 0,017
25 € - 50 € 0,312
50 € - 100 € 0,388
100 € - 1.000 € 0,131
100 € - 1.000 € * 0,380
Tabelle 7: Die Analyseergebnisse des MWU-Tests
Das Experiment Seite 23
Primär wurde untersucht, ob die maximale Auszahlung eine Steigerung der
Zahlungsbereitschaft für Spiele verursacht, die zwischen 10€ und 100€ oder
zwischen 100€ und 1.000€ liegen. Aus den Ergebnissen der Analyse resultiert,
dass das Signifikanzniveau des Bereiches zwischen 100€ und 1.000€ eine Hö-
he von 0,131 besitzt. Das Signifikanzniveau für den Bereich zwischen 10€ und
100€ ist dagegen 0,000.
Aus diesen Signifikanzniveaus kann auch abgeleitet werden, dass die Teilneh-
mer sich nicht unterscheiden, wenn die maximale Auszahlung 100€ oder
1,000€ ist. Das bedeutet, dass mit hoher Wahrscheinlichkeit der Bruchpunkt
nicht zwischen 100€ und 1.000€ liegt, sondern zwischen den Beträgen von 10€
und 100€.
Entsprechend dieser Analyseergebnisse, besteht die Möglichkeit, dass die Teil-
nehmer, die sich während der Befragung in einer Gruppe befanden, sich ge-
genseitig beeinflusst haben. Daher wurde die Zahlungsbereitschaft der Teil-
nehmer von einem Gruppenmittelwert und einer Gruppe von einer Person an-
genommen. Somit ist die Teilnehmeranzahl von 100€ und 1.000€-Spielen mög-
lichst nah an 50.
Im Rahmen der Erweiterung wurde noch mit 25 Teilnehmern ein 1.000€-Spiel
und mit 35 Teilnehmern ein 100€-Spiel durchgeführt. Um die gesamte Teilneh-
meranzahl entnehmen zu können, ist die Tabelle 2 zu verwenden. Die erhobe-
nen Daten wurden noch mal mit SPSS analysiert. Bei dieser Analyse wurden
die Einsätze von den Teilnehmern, die sich bei der Befragung in einer Gruppe
befanden, aus dem Gruppenmittel berechnet. Damit wird jede Gruppe als ein
Teilnehmer angenommen. Aus den Analysen folgende Signifikanzniveaus sind
in Tabelle 7 mit einem Stern gekennzeichnet.
Nach Erweiterung der Teilnehmerzahl folgte das Ergebnis, dass das Signifi-
kanzniveau zwischen 10€ und 100€ erneut 0,000 ist und zwischen 100€ und
1.000€ eine Höhe von 0,37 einnimmt. Daraus folgt, dass die Ergebnisse durch
die Erweiterung der Teilnehmerzahl nicht verändert wurden. Der Bruchpunkt
sollte deshalb zwischen 10€ und 100€ gesucht werden. Die Ergebnisse der
Analyse sind unverändert geblieben. Daraus kann abgeleitet, dass die Grup-
penatmosphäre den Entscheider nicht in einem entscheidenden Ausmaß beein-
Das Experiment Seite 24
flusst. Deshalb wird im weiteren Verlauf des Experiments, ob die Teilnehmer
sich in einer Gruppe befinden oder nicht, außer Acht gelassen.
Nach Feststellung, dass der Unterschied der Einsätze deutlicher zwischen dem
10€-Spiel und dem 100€ als zwischen dem 100€-Spiel und dem 1.000€-Spiel
ist, wird bei der nächsten Etappe für das Spiel die maximale Auszahlung 50€
betragen.
Das 50€-Spiel wurde ebenfalls mit 50 Teilnehmern durchgeführt. Die erhobenen
Daten wurden analysiert. Es wurde untersucht, ob zwischen dem 10€-Spiel und
dem 50€-Spiel die Einsätze deutlichere Unterschiede zeigen, als zwischen dem
50€-Spiel und dem 100€-Spiel. Die Analyseergebnisse sind in der Tabelle 7
dargestellt.
Die Ergebnisse der Analyse sind ähnlich wie bei der ersten Stufe des Experi-
ments. Das Niveau der asymptotischen Signifikanz weicht ebenso drastisch ab.
Deshalb ist es ziemlich einfach zu entscheiden, in welchem Bereich das Expe-
riment in der dritten Etappe fortgeführt werden soll. Dieser Bereich wird ent-
sprechend den Ergebnissen der Analyse mit der ersten Gruppe vertreten 10€-
50€.
Als nächstes wurde das 25€-Spiel angeboten. An dem 25€-Spiel haben 51 Per-
sonen teilgenommen. Nach den Ergebnissen der Analyse, die auch aus Tabelle
7 entnommen werden können, besitzt das Signifikanzniveau der Spiele zwi-
schen 10€ und 25€ eine Höhe von 0,000 und zwischen 25€ und 50€ eine Höhe
von 0,313. Daraus kann abgeleitet werden, dass es eine deutliche Abweichung
zwischen dem 10€ und 25€ Angebot gibt, als bei dem 25€ und 50€ Angebot.
Im Weiteren Verlauf des Experiments wurden weiteren 50 Probanden ein Spiel
angeboten, welches eine maximale Auszahlung von 16€ hat. In dieser Stufe ist
zu beachten, das die 10€ und 16€-Spiele die gleiche Wahrscheinlichkeit (1/16)
für die maximale Auszahlungen haben. Dagegen ist die Wahrscheinlichkeit 25€
zu gewinnen 1/32.
50 Teilnehmer haben bei dem 16€-Spiel ihre maximalen Einsätze ausgesagt.
Die erhobenen Daten wurden mit dem Software-Programm SPSS analysiert.
Das Experiment Seite 25
Die Ergebnisse aus der Analyse zeigen, dass zwischen den 10€ und 16€ Spie-
len ein Signifikanzniveau in Höhe von 0,000 besteht und zwischen den 16€ und
25€ Spielen sich ein Signifikanzniveau in Höhe von 0,017 ergibt.
Die beiden Bereiche haben ein Signifikanzniveau unterhalb von 5%. Wenn die
Irrtumswahrscheinlichkeit als 1% angenommen wird, sollte hier ein neuer empi-
rische Lösungsansatz gefunden werden. Das heißt, die Menschen setzen nicht
unendlich viel Geld beim St. Petersburger Spiel ein, weil sie die Wahrschein-
lichkeit unterhalb von 1/16 als Null annehmen. In dieser Arbeit wurde aber die
Irrtumswahrscheinlichkeit als 5% vor der Durchführung des Experiments ange-
nommen. Deshalb kann diese Arbeit keine neue Lösung bieten, sondern die
Lösung von Bernoulli et. al. bestätigten.
Als Schlussfolgerung kann man sagen, dass für die Menschen die Wahrschein-
lichkeit ab 1/32 unwahrscheinlich anzunehmen ist. Das bedeutet ob eine maxi-
male Auszahlung in einem solchen Glückspiel 32€ oder 1000€ ist, hat für die
Menschen empirisch keine Unterschied.
5.3.3 Analyse nach Einkommen
Die Frage, wie hoch der direkte Beeinflussungsgrad des Einkommen auf die
Einsätze ist, ist weiterhin ein Untersuchungsthema der Arbeit.
In diesem Abschnitt wird der Zusammenhang zwischen den Einsätzen und dem
Einkommen behandelt. Ein Item des Experiments ist wie bereits erwähnt, das
Einkommen der Teilnehmer. Dieser wurde klassenweise aufgenommen. Die
Klassen sind aus der Tabelle 16 zu entnehmen. Die Klassenabstände sind nicht
gleichmäßig. Daher ist eine direkte Korrelationsanalyse unnützlich.
Die Tabelle 8 zeigt auch die Teilnehmerzahl der Spiele nach Einkommensklas-
sen. Die Einkommensklassenverteilung der Teilnehmer ist nicht gleichmäßig.
Zum Beispiel haben insgesamt nur 3 Personen, die zur Einkommensklasse 8
(>2500€) gehören, an dem Experiment teilgenommen. Dabei gehören 107 Teil-
nehmer zu der Einkommensklasse 2 (300€ - 500€). Daher ist dieses auch keine
Grundlage für einen gesunden Befund. Aus diesem Grund stellt dies keine aus-
reichende Grundlage zur Interpretation der Ergebnisse dar.
Das Experiment Seite 26
10 € 16 € 25 € 50 € 100 € 1.000 € Gesamt
<300 13 9 14 15 17 15 83
300€ - 500€ 14 15 13 13 24 28 107
500€ - 700€ 7 7 13 14 21 14 76
700€ - 1.000€ 5 6 7 3 10 9 40
1.000€ - 1.500€ 4 3 3 3 6 2 21
1.500€ - 2.000€ 3 5 0 2 5 2 17
2.000 - 2.500€ 2 3 0 0 1 2 8
>2.500€ 0 0 1 0 0 2 3
Gesamt 48 48 51 50 84 74 355
Tabelle 8: Die Anzahl der Teilnehmer nach Einkommensklassen pro Spiel
Eine Umstrukturierung der Einkommensklassen ist für die Überbrückung der
ungleichmäßigen Verteilung unverzichtbar. Daher sind die Einkommensklassen
1 und 2 in einer Gruppe verbunden. Die restlichen Klassen bilden die andere
Gruppe. Die neuen Einkommensklassen lauten dann EK1, wenn das Einkom-
men unterhalb von 500€ liegt und. Die EK2 besteht aus den Teilnehmern, die
mehr als 700€ Einkommen erlangen.
Nach der Umstrukturierung kann geprüft werden, ob zwischen Einsatz und Ein-
kommen eine direkte Beziehung besteht. Mit einer Korrelationsanalyse kann die
Stärke des Zusammenhangs dieser zwei Variablen festgestellt werden.24 Diese
Analyse kann auch die Richtung des Zusammenhangs erklären, falls ein Zu-
sammenhang vorhanden ist.
In der SPSS wurden die zur EK1 zugehörigen Teilnehmer als „0“ angegeben.
Und die restliche Teilnehmer als „1“. Die Ergebnisse der Korrelationsanalyse
sind in Tabelle 9 dargestellt. Die Analyseergebnisse zeigen, dass zwischen
dem Einkommen der Teilnehmer und ihren Einsätzen mit 5,8% und einer Irr-
tumswahrscheinlichkeit von 10,1%, ein starker positiver Zusammenhang be-
steht. Dieser Koeffizient kann so interpretiert werden, dass bei steigendem Ein-
kommen mit sehr kleiner Wahrscheinlichkeit (10,1%) auch der Einsatz zu-
24
Vgl. Von Zwerenz, V. K., Seite 214
Das Experiment Seite 27
nimmt.25 Diese Wahrscheinlichkeit wird in der Literatur als „schwache Korrelati-
on“ bezeichnet.26
Korrelationen
Einsatz Einkommen
Einsatz Korrelation nach Pearson 1 ,101 Signifikanz (2-seitig) ,058 N 355 355
Einkommen Korrelation nach Pearson ,101 1 Signifikanz (2-seitig) ,058 N 355 355
Tabelle 9: Korrelationsanalyse vom Einsatz zu Einkommen
Die in Abschnitt 5.3.1 vorhandene Tabelle 3 veranschaulicht den Mittelwert der
Einsätze sowie den Median, die Standardabweichung, Maximum, Minimum der
Teilnehmer nach ihrem Einkommen und nach der maximalen Auszahlung.
An dieser Stelle wird die Behandlung des Einkommens bis zum nächsten Ab-
schnitt der Regressionsrechnung nicht mehr fortgeführt.
5.3.4 Analyse nach Geschlecht
In diesem Abschnitt werden die Daten des Experimentes nach Geschlecht der
Teilnehmer behandelt. Das Ziel dieser Behandlung ist nicht das St. Petersburg
Paradoxon nach Geschlecht zu erklären, sondern das Verhalten der Teilnehmer
geschlechtsspezifisch zu untersuchen.
Die Tabelle 10 bildet die Messgrößen nach Geschlecht und nach den maxima-
len Auszahlungen ab.
Aus der Tabelle 10 kann entnommen werden, dass die maximalen Einsätze der
männlichen Teilnehmer größer als der weiblichen Teilnehmer sind. Die Stan-
dardabweichungen der Frauen sind kleiner als die der Männer. Die beiden Ge-
schlechter zeigen keinen stetigen Verlauf nach maximalen Auszahlungen.
25
Vgl. Monka, M.; Voß, W.; Seite 188 26
Vgl. Fahrmeir, v. L., Kunstler,R., Pigeot, I., Tutz, G., Seite 139
Das Experiment Seite 28
Mittelwert Median Max Min Std. Abw.
F M F M F M F M F M
10 € 1,07 1,59 1,00 1,00 3,00 10,00 0,00 0,00 0,71 1,93
16 € 2,59 2,58 2,00 2,00 5,00 6,00 0,00 0,00 1,97 1,54
25 € 4,00 3,40 4,00 3,00 5,00 10,00 2,00 0,00 1,13 2,58
50 € 2,61 3,29 2,50 3,00 5,00 10,00 0,00 0,00 1,87 2,00
100 € 3,34 5,44 3,00 3,00 10,00 100,00 0,00 0,00 2,44 12,88
1.000 € 3,90 6,69 2,00 4,50 20,00 50,00 0,00 0,00 4,85 9,86
Gesamt 2,87 4,25 2,00 3,00 20,00 100,00 0,00 0,00 2,82 8,01
Tabelle 10: Die Messgrößen nach Geschlecht
Während beispielsweise die Frauen durchschnittlich 1,07€ für ein 10€-Spiel
einsetzten, waren sie bereit für ein 16€-Spiel im Durchschnitt 2,59€ aus-
zugeben. Die Steigung des maximalen Gewinns ist 60%, bei dem Erwartungs-
wert 8%. Die Wahrscheinlichkeit den maximalen Gewinn zu erreichen bleibt
unverändert (1/16). Dagegen steigt der durchschnittliche Einsatz der Frauen ca.
142%. Im nächsten Spiel (für ein 25€-Spiel) steigt der durchschnittliche Einsatz
um 4,00€. Die Bereitschaft sinkt, obwohl der maximale Gewinn sich verdoppelt
(50€-Spiel, Einsatz: 2,61). Die Tabelle 11 verdeutlicht die geschlechtsspezifi-
schen Reaktionen der Teilnehmer auf die Veränderungen bei den Erwartungs-
werten und maximalen Auszahlungen.
10€ auf16€ 16€ auf 25€ 25€ auf 50€ 50€ auf 100€ 100€ auf 1.000€
MA 60% 56% 100% 100% 900%
EW 8% 16% 17% 15% 41%
Frauen 142% 55% -35% 28% 17%
Männer 62% 32% -3% 65% 23%
Tabelle 11: Die prozentuale Änderungen in Vergleich
Letztlich wird die Korrelation des Einsatzes und Geschlechts untersucht. Dafür
wird das Geschlecht in Dummyvariablen umgewandelt. Es wird Für Männer „0“
und für die Frauen „1“ eingegeben. Die Analyseergebnisse werden in der Tabel-
le 12 veranschaulicht. Die Ergebnisse können so interpretiert werden, dass mit
8,5% Irrtumswahrscheinlichkeit zwischen Einsatz und Geschlecht ein negativer
starker Zusammenhang von 9,10% besteht.
Das Experiment Seite 29
Korrelationen
Einsatz Geschlecht
Einsatz Korrelation nach Pearson 1 -,091 Signifikanz (2-seitig) ,085 N 361 361
Geschlecht Korrelation nach Pearson -,091 1 Signifikanz (2-seitig) ,085 N 361 361
Tabelle 12: Die Ergebnisse der Korrelationsanalyse
5.3.5 Analyse nach Beruf
In diesem Abschnitt werden die Daten des Experimentes nach Beruf unter-
sucht. Die detaillierte Berufsverteilung ist der Tabelle 13 zu entnehmen. Die
Verteilung der Teilnehmer nach Beruf ist nicht gleichmäßig. Daher kann auf den
ersten Blick keine allgemeine und saubere Aussage getroffen werden.
Student Universitätsbe-
dienste Auszubil-
dende Sonstiges Gesamt
10 € n 40 5 1 4 50
% 80,00% 10,00% 2,00% 8,00%
16 € n 38 3 0 9 50
% 76,00% 60,00% 0% 18,00%
25 € n 46 2 0 3 51
% 90.20% 3,92% 0% 5,88%
50 € n 50 0 0 0 50
% 100% 0% 0% 0%
100 € n 71 6 0 8 85
% 83,53% 6,06% 0% 9,41%
1.000 € n 68 3 0 4 75
% 90,67% 4,00% 0% 5,33%
Gesamt n 313 19 1 28 361
% 86,70% 5,26% 0,28% 7,76%
Tabelle 13: Berufsverteilungstabelle
Trotzdem werden hier zwei Berufskategorien verglichen: „Universitätsbediens-
tete“ und „Sonstiges“. Beide Gruppen werden per SPSS nach der Korrelation
analysiert. Dabei wird für die Kategorie „Universitätsbedienstete“ eine „1“ und
die Kategorie „Sonstiges“ eine „0“ eingegeben. Die in Tabelle 14 dargestellten
Das Experiment Seite 30
Ergebnisse der Korrelationsanalyse zeigen, dass das zweiseitige Signifikanzni-
veau ziemlich hoch ist, und daher kein Zusammenhang zwischen Beruf (in die-
sem Fall Universitätsbedienstete und Sonstiges) und Einsatz besteht.
Korrelationen
Einsatz Beruf
Einsatz Korrelation nach Pearson 1 ,112 Signifikanz (2-seitig) ,454 N 47 47
Beruf Korrelation nach Pearson ,112 1 Signifikanz (2-seitig) ,454 N 47 47
Tabelle 14: Die Korrelationsergebnisse nach Beruf
Ein ähnliches Ergebnis kommt auch bei der Korrelationsanalyse zwischen Stu-
denten (Dummywert „1“) und Restlichen (Dummywert „2“) zustande. Hierbei
ergibt sich ein zweiseitiges Signifikanzniveau von 29%.
Bezüglich der Berufe werden die studentischen Teilnehmer nach ihrer Fachrich-
tung und -semester gefragt. Die Variable „Fachrichtung“ kann vermutlich einen
Beitrag zur Erklärung des Verhaltens bei dem St. Petersburger Spiel hergeben.
Die Fachrichtungen können in zwei Kategorien zusammengefasst werden: „Na-
turwissenschaftler“ und „Sozialwissenschaftler“. Unter Naturwissenschaftler
werden alle Ingenieurfächer, Physik, Biologie, Chemie, Mathematik, Geowis-
senschaft, Architektur, Wirtschaftswissenschaften usw. aufgenommen. Die rest-
lichen Fächer werden unter „Sozialwissenschaftler“ zusammengeführt, dass
sind Fächer wie Soziologie, Geschichte, Pädagogik, Sprachwissenschaften,
Politik.
Bei der Kategorisierung ist das Kriterium eine Vermutung, dass Studenten die
sich mit Zahlen intensiv beschäftigen auf die Wahrscheinlichkeit und den Erwar-
tungswert mehr achtet als alle Anderen. Und damit ihre Einsätze nach diese
Rechnung erstellen.
Bei der Analyse wurden die Naturwissenschaftler mit der Zahl „1“ und die Sozi-
alwissenschaftler mit „0“ festgelegt. Die Korrelation der Einsätze und der Stu-
dienfächer liegen in der Tabelle 15 der dargestellten Ergebnisse nicht vor. Die
Anlehnung an diese Aussage besitzt ein 80,1% Signifikanzniveau.
Das Experiment Seite 31
Korrelationen
Korrigiert Fach
Korrigiert Korrelation nach Pearson 1 ,014 Signifikanz (2-seitig) ,801 N 313 313
Fach Korrelation nach Pearson ,014 1 Signifikanz (2-seitig) ,801 N 313 313
Tabelle 15: Korrelation der Einsätze und Studienfächer
Der Zusammenhang kann ebenso innerhalb der Kategorien entnommen wer-
den. Dann wären die beiden Zusammenhänge vergleichbar.
Korrelationen
Erwartungswert Einsatz SW
Erwartungswert Korrelation nach Pearson 1 ,395(**) Signifikanz (2-seitig) ,000 N 84 84 Einsatz SW Korrelation nach Pearson ,395(**) 1 Signifikanz (2-seitig) ,000 N 84 84
** Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.
Tabelle 16: Die Ergebnisse der Korrelationsanalyse zwischen Erwartungswert
und den Einsätzen der Teilnehmer aus der Kategorie Sozialwissenschaften
Die Tabelle 17 stellt die Ergebnisse der Korrelationsanalyse zwischen dem Er-
wartungswert und den Einsätzen der Teilnehmer dar, die zur „Sozialwissen-
schaft“ -Kategorie zugeordnet sind. Die folgende Tabelle zeigt auch gleiche
Analyseergebnisse von Naturwissenschaftlern.
Korrelationen
Erwartungswert Einsatz NW
Erwartungswert Korrelation nach Pearson 1 ,247(**) Signifikanz (2-seitig) ,000 N 229 229 Einsatz NW Korrelation nach Pearson ,247(**) 1 Signifikanz (2-seitig) ,000 N 229 229
** Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.
Tabelle 17: Die Ergebnisse der Korrelationsanalyse
Das Experiment Seite 32
Die Tabellen weisen die hoch signifikanten Korrelationen der jeweiligen Fach-
richtungen und Erwartungswerte nach. Zwischen den Einsätzen von Sozialwis-
senschaftlern und den Erwartungswerten des jeweiligen Spiels liegt ein 39,5%
starker, gleichgerichteter Zusammenhang vor. Wenn der Erwartungswert des
angebotenen Spiels steigt, steigt auch der Einsatz.
Der Zusammenhang ist auch bei den Naturwissenschaftlern positiv. Die Stärke
des Zusammenhangs ist überraschend weniger als bei den Sozialwissenschaft-
lern und liegt bei 22,9%. Das bedeutet, dass auf den Erwartungswert nicht wie
erwartet die Naturwissenschaftler Beachtung schenkten sondern die Sozialwis-
senschaftler.
5.3.6 Die Begründungen
In diesem Abschnitt wird der Item „Begründung“ behandelt. Diese Begründung
bezieht sich auf die maximale Zahlungsbereitschaft und wird von den Teilneh-
mern dargelegt, bevor mit dem Spiel gestartet wird.
Es ist von Bedeutung vor der Untersuchung zu erwähnen, dass die Begründung
der maximalen Zahlungsbereitschaft ein vollständiges Forschungsgebiet von
Physiologen und Wirtschaftswissenschaftlern ist. Daher werden wir in diesem
Experiment entgegenstehende Aussagen möglichst ohne Kommentar erklären.
Nachdem die Teilnehmer ihre maximale Zahlungsbereitschaft ausgedrückt ha-
ben, begründeten sie ihre Aussage. Die Begründungen der Teilnehmer fallen
unterschiedlich aus. Ebenso haben einige Teilnehmer mehr als nur eine Be-
gründung und andere wiederum keine Begründung für ihren Einsatzbetrag. All-
gemein können die Begründungen in sechs Gruppen kategorisiert werden:
Wahrscheinlichkeit
Situation
Plusminus Null-Konstellation
Verlust
Kein Glückspiel Spieler
Restlichen
Wahrscheinlichkeit: Insgesamt haben 59 Teilnehmer ihren Einsatz in erster
Linie „größere Gewinne sind Unwahrscheinlicher“ begründet. 29 Teilnehmer
Das Experiment Seite 33
haben denselben Grund sekundär ausgesagt. Weiterhin haben 4 Teilnehmer
ihre Einsätze entsprechend ihren angenommenen Treffern bestimmt.
Situation: 60 Teilnehmer haben ihre Einsätze primär situationsabhängig argu-
mentiert. Unter der Situation ist „Kasino gegen Straßenspiel“, „Die Höhe des
MA“, „persönliche finanzielle Lage“ und „positive oder negative Gefühlslage“
„Bauchgefühl“ zu zählen. Die Anzahl der Teilnehmer, die in der Situation se-
kundäre Argumente angegeben haben, beträgt 16.
Plus-Minus Null Konstellation: Obwohl 5 aus 22 Teilnehmern mehr als 1€ ma-
ximal für Spiele einsetzen, haben sie ihre Einsätze mit einer Plusminus Null Si-
tuation argumentiert.
Verlust: Unter dieser Kategorie ist das Verlustrisiko, Verlustscheu, Verlustge-
fahr, Risikoavers und Risikofreudig zu verstehen. Insgesamt haben 103 Teil-
nehmer ihren Einsatz mit Verlust erklärt. Darunter sind 19 Teilnehmer mit Ver-
lustrisiko, 23 Teilnehmer mit der Aussage „ich bin ein Risikoscheutyp“, 45 Teil-
nehmer mit der Aussage „wahrgenommener Kaufkraftverlust bei X€“, 15 Teil-
nehmer mit „“X€ Verlust macht nichts“. 14 Teilnehmer haben in ihrem zweiten
bzw. verstärkten Argument den Verlust benutzt.
Kein Glückspiel Spieler: 61 aus 361 Teilnehmern spielen nach ihrem Angaben
keine Glückspiele. Darunter spielen 3 Personen nicht, weil sie schon schlechte
Erfahrung mit Glücksspielen gemacht haben. Trotz dieser Begründung setzen
10 Personen aus diesen 61 Teilnehmern 5€ oder einen höheren Betrag ein. 11
Teilnehmer hatten den Grund als zweites Argument benutzt.
Restliche: Nur einer der Teilnehmer hat den Erwartungswert des Spiels in Be-
tracht gezogen und als Grund erwähnt. Dagegen haben 8 Teilnehmer „aus
Spaß“ und 6 Teilnehmer „Der Wert des Spiels“ und 2 Teilnehmer nach ihrem
Vertrauen an ihrem Glück sowie 2 Teilnehmer „weil es in der Mitte ist“ als
Grund erklärt.
5.3.7 Regressionsanalyse
In diesem Abschnitt der Arbeit wird versucht aus den Daten des Experiments
ein allgemeines Regressionsmodell zu erstellen. Zuerst wird die Regression
kurz erklärt. Anschließend wird der Modellaufbau und die Modifikationen vorge-
Das Experiment Seite 34
stellt. Am Ende des Abschnitts wird die Beziehung zwischen Einsatz und der
maximalen Auszahlung innerhalb des aufgebauten Regressionsmodells intensiv
bearbeitet.
Eine Regression ist ein statistisches Verfahren der Datenanalyse zur Bestim-
mung der Abhängigkeit einer zu erklärenden Variablen von einer (einfache Reg-
ression) oder mehreren (multiple Regression) erklärenden bzw. unabhängigen
Größen.
Dabei wird nach einer Verknüpfung gesucht, die zwischen den Variablen beste-
henden Zusammenhang möglichst gut wiedergibt und die dadurch auch zur
Vorhersage der interessierenden Zielgrößen herangezogen werden kann.27
Das Ziel ist die Analyse (d.h. das bessere Verständnis des Kausalzusammen-
hangs) oder die Prognose von bestimmten Größen. Die Folgende Formel stellt
ein Beispiel zum multiplen Regressionsmodell dar, wobei Y für die zu erklären-
de Variable und βi für den Betakoeffizienten von erklärten Variablen, xi für er-
klärte Variable und letztendlich für die unerklärbaren Variablen (Störterm) ste-
hen.
Im Folgenden wird ausgehend von einer einfachen linearen Regression die
multiple Regression abgeleitet.
Mit dem konstruierten Modell wollen wir die Zahlungsbereitschaft der Teilneh-
mer anhand der Daten, die bei dem Experiment erhoben wurden, erklären. Die
erklärenden Variablen der Zahlungsbereitschaft sind das Geschlecht und das
Einkommen der Teilnehmer, die maximale Auszahlung des Spiels und die
Gruppen.
Das Geschlecht der Teilnehmer stellt eine Dummyvariable der Regression dar.
Die Frauen sind mit 1 gekennzeichnet und die Männer mit 0. Die Einkommens-
variable kann nicht direkt in die Regression aufgenommen werden, da die Ein-
kommensstufen voneinander abweichen. In Abschnitt 5.3.3 wurde dazu eine
detaillierte Erklärung abgegeben.
27
Vgl. Bänsch, A., Seite 85
Das Experiment Seite 35
Die Teilnehmer mit einem Einkommen unterhalb von 300€ werden unter 1 zu-
sammengefasst. Die Teilnehmer mit einem Einkommen zwischen 300€ und
500€ werden unter 2, zwischen 500€ und 700€ unter 3 und größer als 700€
unter 4 zusammengefasst.
Die Variable der maximalen Auszahlung wird in das Model integriert. Bei einer
maximale Auszahlung kleiner und gleich 25 ist die Dummyvariable mit 1 festge-
legt, andererseits bei einer bei einer maximalen Auszahlung, die größer als 25
ist die Dummyvariable mit 0 festgelegt.
Die letzte Variable ist die Gruppenvariable. Diese Variable zeigt, ob die Teil-
nehmer sich während der Durchführung des Experiments in einer Gruppe be-
finden oder alleine sind. Wenn sich der Teilnehmer während der Befragung in
einer Gruppe befindet, wird es in das Modell mit der Zahl 1 integriert, sonst 0
mit.
Die Formel des Regressionsmodells sieht wie folgt aus:
Modell R R-
Quadrat Korrigiertes R-
Quadrat Standardfehler des Schätzers
1 ,201a ,040 ,030 6,8997
a Einflussvariablen : (Konstante), Geschlecht, maximale Auszahlung, Gruppen, Einkommen
Tabelle 18: Die Modellzusammenfassung der Regression
Rund 3% (korrigiertes R-Quadrat) der Varianz der Variablen von der Zahlungs-
bereitschaft kann insgesamt durch die Variablen Geschlecht, Einkommen,
Gruppen und maximalen Auszahlung erklärt werden. Dieser durch die Regres-
sion erklärte Varianzanteil ist auch im Vergleich zur Gesamtvarianz hochsignifi-
kant (F = 6,8997, d.f. = 4, p = 0,006). Die Teilnehmer, die über ihr Einkommen
keine Auskunft gegeben haben, sind nicht in die Regression einbezogen. Aus
der Tabelle 19 kann entnommen werden, dass insgesamt die Daten von 354
Teilnehmern für das Regressionsmodell verwendet wurden.
Das Experiment Seite 36
ANOVAb
Modell Quadratsumme df Mittel der Quadrate F Signifikanz
1 Regression 703,155 4 175,789 3,693 ,006a Residuen 16661,859 350 47,605 Gesamt 17365,014 354
a Einflussvariablen : (Konstante), Geschlecht, maximale Auszahlung, Gruppen, Einkommen b Abhängige Variable: Zahlungsbereitschaft
Tabelle 19: ANOVA-Tabelle des Modells
Koeffizientena
Modell Nicht standardisierte
Koeffizienten Standardisierte Koeffizienten
T Signifikanz
B Standardfehler Beta B Standardfehler
1 (Konstante) 3,557 1,442 2,466 ,014
MA -
2,117 ,835 -,149
-2,535
,012
Einkommen ,508 ,340 ,080 1,493 ,136
Gruppe ,441 ,993 ,026 ,444 ,657
Geschlecht -
1,076 ,818 -,070
-1,315
,189
a Abhängige Variable: Zahlungsbereitschaft
Tabelle 20: Koeffiziententabelle des multiplen Regressionsmodells
Die für diese Gleichung benutzten Betakoeffizienten dienen dazu, die individuell
beobachteten Rohwerte der Variablen Geschlecht, Einkommen, Gruppen und
maximale Auszahlung so zu gewichten, dass die optimale Schätzung der Ein-
sätze berechnet wird.
Die Analyseergebnisse der Regression sind in der Formel abgebildet:
Wie in der Tabelle 20 dargestellt, ist die Konstante und die MA eine signifikante
Variable des Modells. Das Einkommen besitzt ein Signifikanzniveau von 13,6%.
Das Signifikanzniveau des Geschlechts beträgt 18,9% und der Gruppen 65,7%.
Daher sind diese drei Variablen des Modells statistisch nicht signifikant.
Aus den Ergebnissen der Analyse kann abgeleitet werden, dass bei einer Erhö-
hung des maximalen Gewinns des Spiels um 1€, würde die Zahlungsbereit-
schaft der Spieler um 2,117 € steigern. Außerdem weisen die Teilnehmer in der
Fazit Seite 37
Gruppe vergleichsweise zu Teilnehmern, die nicht in einer Gruppe sind eine um
ca. 0,441€ höhere Zahlungsbereitschaft. Letztendlich setzen Frauen ver-
gleichsweise zu Männern einen geringeren Betrag von ca 1,08€ ein.
6 Fazit
Das Ziel der Arbeit bestand darin, auf der Grundlage eines Experiments, Aus-
sagen über die Lösungsvorschläge des St. Petersburger Paradoxon. Insbeson-
dere den Lösungsansatz über die Vernachlässigung der kleinen Wahrschein-
lichkeiten empirisch zu testen.
In Kapitel 2 wird St. Petersburger Spiel dargestellt. Sowie die Regeln als auch
der Ablauf des Spiels wurden sehr detailliert erläutert. Das von Daniel Bernoulli
vorgelegte St. Petersburger Paradox wird im dritten Kapitel behandelt. Eine his-
torische Übersicht des Paradoxons wird im vierten Kapitel dargestellt.
Das Kapitel 5 stellt den wichtigsten Abschnitt der Arbeit dar. Das für diese empi-
rische Arbeit durchgeführte Experiment wurde in diesem Kapitel behandelt. In
diesem Kapitel wird vorerst die methodische Vorgehensweise des Experiments
erklärt. Nachdem vorgenommene Umkonstruktionen an das Spiel auf logische
Weise durchgeführt wurden und der Verlauf sowohl das einzelne als auch der
gesamte Experiment vorgestellt wurden, wird das analytische Verfahren be-
stimmt wurden. Das Grundziel des Experiments stellt die Frage „Wo wird die
Gewinnwahrscheinlichkeit trunkiert?“ dar. Im Rahmen dieses Ziels ist die Ana-
lyse so zu gestallten: Die Menschen unterscheiden vielmehr zwischen X und Y
wobei die X einen kleineren Gewinn und Y den größeren Gewinn darstellen
oder zwischen Y und Z (wobei X<Y<Z gilt). Das bedeutet, unsere Analyse soll
uns zeigen, welche aus den 2 unabhängigen Variablen eine höhere Homogeni-
tät besitzt. Eine Variable mit einer höhere Homogenität sagt aus, dass es für
den Menschen keinen Unterschied gibt und daher ihre Einsätze homogen sind.
Eine zu diesem Ziel kompatible Analysemethode zu finden, ist erst dann festzu-
stellen, wenn die zu analysierende Grundgesamtheit eine Normalverteilung
aufweißt. Es wurde nachgewiesen, dass die Daten des Experimentes keine
Normalverteilung besitzt. Deshalb sollte die Analyse mit einem nichtparametri-
sche Test durchgeführt werden.
Fazit Seite 38
Nachdem die Testart bestimmt wurde (nichtparametrische), bleibt nur ein Test-
verfahren, das an unsere Experimentdaten und Analysezwecke anpasst. Das
ist Mann-Whitney-Test.
Nach dem das Verfahren der Analyse festgestellt wurde, führt die Darstellung
der Eckdaten der Experimentergebnisse die Arbeit weiter. Dann folgt die Analy-
se mit Mann-Whitney-Test und die Ergebnisse daraus. Das wichtigste Ergebnis
der Analyse ist, dass die Menschen die Wahrscheinlichkeiten als gleich wahr-
nehmen, wenn sie kleiner als 1/32 ist.
Es folgt die Untersuchung der Zusammenhänge zwischen den Einsätzen und
den anderen Merkmalen, welche im Experiment Beachtung geschenkt wurde.
Einige Merkmale, wie z. B. Studienfach, kann nicht ohne eine Strukturänderung
nach Korrelation analysiert werden. Daher wurden bei einigen Merkmalen struk-
turelle Änderungen vorgenommen, welche im Grunde keinen Einfluss auf die
Daten haben, um die Analyse zu ermöglichen.
Das erste Merkmal ist den Zusammenhang der Einsätze und des Einkommens
der Teilnehmer zu untersuchen. Das Ergebnis der Analyse zeigt, dass ein posi-
tiver Zusammenhang besteht und 10,1 % stark ist.
Dann folgt das Merkmal, Geschlecht der Teilnehmer. Es ist zu erwähnen, dass
die Korrelation zwischen dem Geschlecht und dem Einsatz der Teilnehmer
ziemlich schwach (9,1%) ist. Und die Frauen risikoscheuer als Männer sind.
Der Beruf der Teilnehmer ist aus unterschiedlichen Perspektiven zu untersu-
chen. Hier ist zu erwähnen das ein Vergleich der Stärke des Zusammenhangs
innerhalb der Studienfächer von Studenten. Das Ergebnis aus der Analyse zeigt
uns erstaunlicherweise, dass die Teilnehmer, die in ein sozialwissenschaftliches
Fach studieren, mehr Aufmerksamkeit auf den Erwartungswert schenken als
die Naturwissenschaftler (%39,5 zu %24,7).
Literaturverzeichnis Seite 39
7 Literaturverzeichnis
Bänsch, A.
Wissenschaftliches Arbeiten : Seminar- und Diplomarbei-
ten, 8. Auflage, Oldenburg Verlag, 2003
Bernoulli, D.
“Exposition of a New Theory on the Measurement of Risk”,
Econometrica, Vol. 22, No. 1., Seiten. 23-36. Übersetzung
eines Aufsatzes von 1738 von Louise Sommer, 1954.
Bottom, W. P.
Bontempo, R. N.
Hougrave, D. R.
“Experts, Novices, and the St. Petersburg Paradox: Is One
Solution Enough?“, Journal of Behavioral Decision Making,
Vol. 2, Seiten 139-147, 1989
Chernoff, H.
Moses, L.
Elementary Decision Theory; John Wiley and Sons Inc.,
New York, 1959
Dutka, J.
“On the St. Petersburg Paradox”, 1989, New York
Eckstein, P. P.
Angewandte Statistik mit SPSS: praktische Einführung für
Wirtschaftswissenschaftler; 3. Auflage, Gabler Verlag, 2000
Eisenführ, F;
Weber, M.
Rationales Entscheiden, 4. Auflage, Springer Verlag, 2003
Fahrmeir, v. L.,
Kunstler,R.,
Pigeot, I.,
Tutz, G.
Statistik, 5. Auflage, Springer Verlag, 2004
Kähler, W.-M.
Statistische Datenanalyse: Verfahren verstehen und mit
SPSS gekonnt einsetzen; Vieweg Verlag; 1995
Laux, H.
Entscheidungstheorie, 7. Auflage, Springer Verlag, 2007
Monka, M.
Voß, W.
Statistik am PC : Lösungen mit Excel, 3. Auflage, Hanser
Verlag, 2003
Literaturverzeichnis Seite 40
Neugebauer, T.
The Petersburg Paradox: A Survey and Experimental Evi-
dence. Vortrag vom 17. Oktober 2007 an der UC, Fullerton.
Poisson, S. D.
„Recherches sur la probabilité des jugements en matière
criminelle et matière civile“, Adamant Media Corporation,
2001. (Das originale Buch wurde am 1837 in Paris veröf-
fentlich)
Samuelson, P. A.
„St. Petersburg Paradoxes: Defanged, Dissected, and His-
torically Described“, Journal of Economic Literature, Vol. 15,
No. 1., pp. 24-55, 1977
Sennetti, J.-T.
“On Bernoulli, Sharpe, Financial Risk and the St. Peters-
burg Paradox”, The Journal of Finance, Vol. 31, No. 3.
(Jun., 1976)
Vivian, R. W.
“Solving Daniel Bernoulli's St Petersburg Paradox: The
Paradox which Is Not and Never Was”, SAJEMS NS Vol 6,
No 2, 2003
Zwerenz, V. K.
Statistik: Datenanalyse mit EXCEL und SPSS, 3. Auflage,
Oldenburg Verlag, 2006
Anhang Seite 41
8 Anhang
Anhang A: Beispiel für Spielablauf mit Gewinnwahrscheinlichkeiten
Anhang B: Das Verhalten der Teilnehmer bei einer Ausbau des Spiels (auf
1000€)
Anhang C: Anzahl der Teilnehmer nach maximalen Auszahlungen
Anhang D: Die Verhaltensrichtungen der TN nach der Vorstellung
Anhang E: Relevante Messgröße der Experiment nach Einkommensklassen
Anhang Seite 42
A. Beispiel für Spielablauf mit Gewinnwahrscheinlichkeiten
B. Das Verhalten der Teilnehmer bei einer Ausbau des Spiels (auf 1000€)
Anhang Seite 43
C. Anzahl der Teilnehmer nach maximalen Auszahlungen
Max. Auszahlung 10€ 16€ 25€ 50€ 100€ 1.000€ Gesamt
n 50 50 51 50 85 75 361
D. Die Verhaltensrichtungen der TN nach der Vorstellung
10 € 16 € 25 € 50 € 100 € 1.000 € Gesamt
Steigen 10 25 24 11 31 20 121
Gleichbleiben 35 25 27 38 53 52 230
Sinken 5 0 0 1 1 3 10
Anhang Seite 44
E. Relevante Messgröße der Experiment nach Einkommensklassen
<300
500 - 700
700 - 1.000
1.000 - 1.500
1.500 - 2.000
2.000 - 2.500
>2.500 1
0 €
MW 1,77 1,18 1,64 1,00 1,50 0,33 -
SA 2,55 0,70 1,25 0,71 1,69 0,58 -
Med 1,00 1,00 1,50 1,00 0,75 0,00 -
Max 10,00 3,00 4,00 2,00 4,00 1,00 -
Min 0,00 0,00 0,01 0,00 0,49 0,00 -
16 €
MW 2,56 2,03 2,21 2,83 3,00 4,00 -
SA 0,88 1,37 1,47 1,72 2,00 2,83 -
Med 3,00 2,00 2,00 3,00 3,00 6,00 -
Max 4,00 5,00 5,00 5,00 5,00 6,00 -
Min 1,00 0,00 0,50 1,00 1,00 0,00 -
25 €
MW 3,86 5,57 3,04 3,71 2,67 - 0,00
SA 2,41 2,25 1,85 3,15 2,08 - -
Med 4,00 4,00 3,00 3,00 2,00 - 0,00
Max 10,00 10,00 7,00 10,00 5,00 - 0,00
Min 0,00 2,00 0,50 1,00 1,00 - 0,00
50 €
MW 4,13 3,19 2,68 3,33 1,67 1,25 -
SA 2,00 1,89 1,90 2,08 1,53 1,06 -
Med 4,00 3,00 3,00 4,00 2,00 1,25 -
Max 10,00 6,00 6,00 5,00 3,00 2,00 -
Min 1,00 0,00 0,00 1,00 0,00 0,50 -
100
€
MW 3,59 3,73 3,98 3,80 2,67 22,20 -
SA 1,91 3,03 4,34 3,55 1,51 43,53 -
Med 4,00 3,00 3,00 2,00 2,00 4,00 -
Max 8,00 10,00 20,00 10,00 5,00 100,00 -
Min 1,00 0,50 0,00 0,00 1,00 0,00 -
1.0
00 €
MW 3,67 3,57 10,29 9,89 12,50 3,00 10,00
SA 3,35 2,90 12,69 16,21 10,61 2,83 14,14
Med 2,00 2,00 6,50 5,00 12,50 3,00 10,00
Max 10,00 10,00 50,00 50,00 20,00 5,00 20,00
Min 1,00 0,00 1,00 0,00 5,00 1,00 0,00
*Legenden: MW: Mittelwert, SA: Standardabweichung, Med: Median.
**Alle Werten sind in Euro angegeben.
Erklärung
Hiermit versichere ich, dass ich die vorliegende Arbeit selbstständig verfasst
und keine anderen als die angegebenen Quellen und Hilfsmittel benutzt habe,
dass alle Stellen der Arbeit, die wörtlich oder sinngemäß aus anderen Quellen
übernommen wurden, als solche kenntlich gemacht und dass die Arbeit in glei-
cher oder ähnlicher Form noch keiner Prüfungsbehörde vorgelegt wurde.
Hannover, 26.03.2008
Ort, Datum Unterschrift