Policy Network Analysis: Access and Brokerage
Carpenter et al. 1998: The Strength of Weak TiesCarpenter et al. 2003: The Strength of Strong Ties
Carpenter et al. 2004: Friends, Brokers and Transitivity
Kurs: Policy Network AnalysisDozent: Prof. Dr. Brandes, Prof. Dr. SchneiderReferenten: Daniel Arndt, Holger Bär
Gliederung
1. Grundlagen soziale Netzwerke
2. Weak ties & Lobbying Networks
3. Strength of strong ties
4. Brokerage
5. Fazit
1. Grundlagen sozialer Netzwerke
Granovetter (1974). Getting a Job. 300 Befragte Ego-Netzwerke mit einer Alter-Person Schwache Beziehungen sind
wesentlich
Strength of Weak Ties
Weak Ties sind Cutpoints zwischen homogenen Gruppen
„Increasingly it is through networks of people who regard each other as knowledgeable, or at least as needing to be answered, that public policy issues tend to be refined, evidence debated, and alternative options worked out – though rarely in any controlled, well-organized way.“ (Heclo, 1978)
2. Weak Ties & Lobbying Networks
Wie determiniert der Informationsfluss zwischen Lobbying-Organisationen den Zugang zu Regierungsorganisationen?
Soziales Netzwerk I
Granovetter (1973): Strength of weak ties Strong and weak ties Annahme der Transitivität starker
Bindungen1) Investition von Zeit
2) Ähnlichkeit
(↔ gilt auch andersherum !) Informationsfluss ▼
Soziales Netzwerk II
Schwache Bindungen als Brücke zwischen Cliquen
Trend zu schwachen Bindungen?Washingtoner lobbyist:
“I know far more people than ever, but I don’t count many friends among them” (zitiert in: Browne 1988, 55)
Lose Bindungen als ‘public good’
Zuverlässigkeit, Informiertheit und Zugang
Rahmen
Gesundheitspolitik in den USA Lebhafte Debatte über komplexe Issues Frequentierter InformationsaustauschDatenLaumann und Knoke (1987) Befragung aller Lobbying-Organisationen Analyseeinheit ist die
Lobbyingorganisation
Strength of weak ties
H1: The access of Lobbyists is increasing in their weak ties to other lobbyists.
H2: The marginal impact of a weak tie should be greater than that of a strong tie.
H3: Access and reliability are positively network correlated across strong ties.
H4: Access is negatively network correlated across weak ties.
Variablen
Weak ties
Strong ties
BudgetAlterOrganisationstyp
Y1: Anzahl ‘reliability hits’ von Regierungs-akteuren
Y2: Anzahl ‘scientific hits’ von Regieruns-akteuren
Y3: Anzahl ‘scientific hits’ von allen Organisationen
Statistische Analyse
Count Data Poisson Model
Weak tie Strong tie Weak & strong tie
Negative Binomial Estimation Kontrolle für “Über-
zerstreuung”
X 3
Ergebnisse I
Weak ties
Budget RO
Reliability0,0694*** 0,7028*** 15,7560**
Scientifica) gov’ 0,0557***
0,1042* 4,6012**
Scientific b) all 0,1633***
Aus: Table 1-3: Poisson Second order Dependent
Ergebnisse II
Autoregression uneindeutig H3: strong tie:
Ähnlichkeit erhöht die Zugangschancen H4: weak tie:
Wettbewerb verringert die Zugangschancen
Schlussfolgerung
Weak ties bringen Informationsvorteil und Wettbewerb
Trade-off Makro Ebene Sozialkapital?
3. The Strength of Strong Ties
Abgrenzung von Carpenter et al. 1998 Erlangen von Information Einführung eines Preises für
Kommunikation Unterscheidung Informationen – nützliche
Informationen
„My contacts trust me, and I think their trust is well placed. Most of the things they tell me are not of a secret nature; it’s just a development they have discoverer which they think I would be interested in. It is very difficult to find information if you go out digging for it... Actually, you get much better information from people who know you, know what your interests are, and know that they can trust you”. (Milbrath 1963: 260)
Strong tie priority rule
Strong ties werden aus drei Gründen bevorzugt: „bandwidth constraint“→ Priorisierung
notwendig Besseres Wissen darüber, welche
Informationen gebraucht werden Vorteile in Form von Informationen
werden zuerst an Freunde gegeben
Simulationsmodell
N Akteure Events – bestehend aus fünf Runden Kollektive Nachfrage μ Zeitbudget: T = W + λS
→ Kontinuum von Strategie-möglichkeiten zwischen acquaintance und chum strategy
In jeder Runde:
Zufällige Verteilung der Informationen über alle Akteure
Investitionsentscheidung: wieviele strong/ weak ties?
Ties werden zufällig zugeteilt Strategien werden zu Beginn zugeteilt
und fortan adaptiert
Annahmen des Modells
1) Kollektive Nachfrage variiert zwischen events.
2) Alle strong ties erhalten die Information vor den weak ties.
3) Erfolgreiche Strategien werden nachgeahmt.
Ergebnisse des Simulationsmodells
Je größer die kollektive Nachfrage, desto mehr Ressourcen investieren Akteure in strong ties
Die Cliquenbildung mildert den Effekt ab; dieser bleibt aber erhalten
Zwei Hypothesen
H1: Je größer die kollektive Nachfrage nach Information in einem event, desto größer der Vorteil von strong ties
H2: Je größer die durchschnittliche kollektive Nachfrage in den events, an denen ein Akteur beteiligt ist, desto größer der Vorteil von strong ties
Daten & Kontrollvariablen
Daten: Laumann/ Knoke 1987 Unabhängige Variablen
Organisationsvariablen Netzwerkvariablen
Aggregate Demand for Information (μ) (Test of H1: Proportion of groups reporting moderate or strong interest in the event)
Additional strong ties – from a 1 SD increase in aggregate demand for information
8,96 (2,55)
1,31
H2 wird bestätigt
Average demand for information across issues in which group i is involved (H2):
Poisson: 6,59** (1,82)
Neg. Bin.: 6,16* (3,10)
Schlussfolgerungen – The Strength of Strong Ties
Informationserhalt durch soziale Kontakte
Verbreitung von Informationen folgt sozialen Regeln
4. Brokerage
Carpenter et al. 2004: Friends, brokers and transitivity
Determinanten der Kommunikation
Ähnlichkeit der Policy-Präferenzen
„a decision to inform (or not) another lobbyist is heavily conditioned upon their mutual relationships to third parties“ → Transitivität politischer Kommunikation
Kommunikationsnetzwerke
„social trust“ durch Netzwerktransitivität operationalisiert
Wozu Kommunikationsnetzwerke? Signaling theory Mobilization of bias
Triade der Akteure A, B, C
Drei Erklärungsmodelle
H1: Facilitator Model C gibt Informationen an A & B -> höhere
Wahrscheinlichkeit A→B H2: Transitivity Model
C leitet Information von A an B weiter -> höhere Wahrscheinlichkeit A→B
H3: Informational Efficiency Model Antihypothese zu H1 & H2
Facilitator Model
Transitivity Model
Daten
Laumann/ Knoke (1987) aus Gesundheits- und Energiesektor Organisationsvariablen Netzwerkdaten
Kontrollvariablen
Ergebnisse – beide Sektoren
Abhängige Variable: Wahrscheinlichkeit A→B
Informationsaustausch in ≈ 20% aller Dyaden
Gemeinsam signifikante Variablen Ähnlichkeit der Präferenzen Ähnlichkeit der Issue Interests
Unterschiede Energie - Gesundheit
Monitoringfähigkeit von A (En: positiv signifikant – Ge: negativer Einfluss)
Alter von A/B (Ge: signifikant positiv – En: kein Einfluss)
Kontrolle für governmental actor (0/1) → größere Bedeutung von Sozialkapital
(facilitation & transitivity)
Hypothesen – beide Sektoren
H1: Facilitator: in beiden Sektoren positiver, meist signifikanter Einfluss
H2: Transitivity: in beiden Sektoren – in allen Triaden positiv signifikanter Einfluss
H3 – Information Efficiency wird verworfen
Fazit
Einfluss von Netzwerkeffekten auf Kommunikationsentscheidungen
Im Umgang mit governmental actors verstärkt ist die Bedeutung von Sozialkapital verstärkt
Fazit – Access & Brokerage
Anpassung des weak/ strong ties Verhältnisses an die eigenen Bedürfnisse
Bedeutung von gemeinsamen Dritten und Sozialkapital
„Network failure“
Literatur
Carpenter D, Esterling K, Lazer D. 2003. The Strength of Strong Ties: A Model of Contact-Making in Policy Networks with Evidence from U.S. Health Politics. Rationality and Society 15: 411-40
Carpenter DP, Esterling KM, Lazer DMJ. 1998. The strength of weak ties in lobbying networks - Evidence from health-care politics in the United States. Journal of Theoretical Politics 10: 417-44
Carpenter DP, Esterling KM, Lazer DMJ. 2004. Friends, brokers, and transitivity: Who informs whom in Washington politics? The Journal of Politics 66: 224-46