Wie hängen eigentlich Körpergröße und Attraktivität einer Person zusammen? Empfinden wir größere Menschen als attraktiver oder spielt dies keine Rolle? Allgemein heißt es beispielsweise, dass Frauen größere Männer eher attraktiv finden als kleinere, was etwa damit erklärt wird, dass größere Männer bessere Beschützer darstellen sollen und damit Heim und Familie besser verteidigen können. Wir werden uns dieser Frage annehmen und versuchen, Zusammenhänge (aber keine Kausalitäten) aufzuzeigen.

Als Datengrundlage der eigenen Untersuchung dient der ALLBUS 2014, zahlreiche wichtige Informationen enthält. Dort finden wir allgemeine Informationen zu üblichen soziodemographischen Informationen wie Geschlecht, Alter, Einkommen, Religion, Wohnsituation, etc... Auch wurden dort, was für sozialwissenschaftliche Befragungen eher ungewöhnlich ist, Informationen zum BMI erhoben, also Körpergröße und Gewicht. Natürlich sind diese Informationen, besonders die Größe, für uns zentral. Den BMI an sich werden wir nicht benutzen, da wir nicht an Körpertypen, sondern nur an Größen interessiert sind. Dies zeigt auch die Grenzen der Untersuchung auf: sehr große, aber auch sehr übergewichtige Menschen mögen eine niedrige Attraktivität besitzen, dies können wir aber nicht berücksichtigen. Ebenso zentral: ein Maß der Attraktivität. Dazu bewerten die Interviewer die Befragten vor dem Interview auf einer mit 11 Punkten von 1 (unattraktiv) bis 11 (attraktiv). Höhere Werte stehen also für attraktivere Personen. Natürlich muss uns klar sein, dass Attraktivität extrem subjektiv ist und wir keine Information darüber haben, wie die Interviewer zu ihrer Einschätzung gekommen sind. Vermutlich ist es schlichtweg das Bauchgefühl, allein schon deshalb, weil es extrem schwierig wäre, Attraktivität objektiv zu messen (besonders, da die Messung heimlich geschieht und Befragte nicht über das "Ergebnis" informiert werden). Noch ein Disclaimer: diese Analyse ist "data driven" und wird keine große Theoriearbeit leisten. Es handelt sich also eher um eine Darstellung von Analysemöglichkeiten als eine tatsächliche wissenschaftliche Untersuchung.

Da uns wie beschrieben ein breites Band an Informationen vorliegt, werden wir versuchen, diese Einzubeziehen, um unsere Ergebnisse abzusichern. Wir werden also verschiedene Kontrollvariablen einbeziehen, um Scheinkorrelationen zu verhindern. Was bedeutet das? Man könnte beispielsweise annehmen, dass Körpergröße und beruflicher Erfolg korrelieren, etwa, weil größere Personen leistungsfähiger, aber nicht unbedingt attraktiver sind. Somit würden größere Personen mehr verdienen und könnte mehr für ihre Schönheit tun, beispielsweise durch exklusive Kleidung, MakeUp oder im Extremfall gar Schönheitsoperationen. Diese Personen wären am Ende tatsächlich attraktiver, allerdings vermittelt durch den Einfluss des Einkommens. Würde man nicht für das Einkommen kontrollieren, würde man eine Scheinkorrelation zwischen Körpergröße und Attraktivität vorfinden.

Weiterhin werden wir die Analysen aufspalten, um detailliertere Ergebnisse zu erhalten. So ist anzunehmen, dass das Geschlecht ein herausragender Faktor sein dürfte. Wir nehmen etwa an, dass (heterosexuelle) Interviewer stets Personen vom jeweils anderen Geschlecht attraktiver empfinden. Es könnte also ein Zusammenhang zwischen dem Geschlecht des Befragten und dem Geschlecht des Interviewers und dem Ergebnis der Bewertung bestehen. Um dies aufzudecken, werden wir vier Gruppen bilden: Männer die Männer befragen, Männer die Frauen befragen, Frauen die Frauen befragen und Frauen die Männer befragen. Ein weiterer Aspekt ist, dass ein Interviewer jeweils zahlreiche Personen befragt. So wurden insgesamt 181 Interviewer eingesetzt. Das Problem: es könnten signifikante Unterschiede zwischen den Interviewer bestehen. Beispielsweise ist denkbar, dass bestimmte Interviewer besonders kritisch sind und alle Personen niedriger einstufen als andere, die offener sind. Dieses Problem kann durch eine Multilevelanalyse abgemildert werden. Man spricht davon, dass Befragte in Interviewern "genestet" sind. Wir werden daher das Level "Interviewer" einfügen, was unsere Ergebnisse verbessern sollte. Wir haben dann im unseren Modell "fixe" und "zufällige" Effekte. Die Effekte der Kontrollvariablen, wie beispielsweise Einkommen oder Körpergröße sind fix, weil diese allgemeingültig sein sollten. Zufällig sind die Interviewereffekte, also ob beispielsweise manche Interviewer kritischer sind als andere oder gerade einen guten oder schlechten Tag haben. Später werden wir sehen, ob diese Modellierung unsere Ergebnisse verbessert.