Die Dienstleistungsnachfrage im Freizeitsektor - eSport

12. Mikrosimulationsmodelle im FUK-Bereich 203
den Haushalten ist die Konsumwahrscheinlichkeit von im Nordwesten (nordw) des
Landes lebenden Haushalten geringer/von im Nordosten (nordo) des Landes lebenden
Haushalten höher. Die gleichen Tendenzen können in den Tobit-Modellen
Typ I bezogen auf die Gesamteffekte beobachtet werden. (2.4) Die Konsumwahrscheinlichkeit
ist bei Haushalten mit jungen Erwachsenen (kind1827) signifikant
erhöht. (2.5) Das IMR hat nur für 2005 einen höchst signifikanten Effekt auf die
Höhe des für FITNESS verwendeten Budgetanteils. Die übrigen Effekte unterscheiden
sich je nach zugrunde gelegtem Modell/Erhebungsjahr (vgl. Anhang
16.10.8).
12.2.9 SKI
(1) Auswahl der identifizierenden Variable(n): Skifahren ist von wenigen Ausnahmen
abgesehen (z.B. die Nutzung von Skihallen) witterungs- und damit saisonabhängig.
Trivialer Weise kann angenommen werden, dass sich die Sommerperiode
negativ und die Winterperiode positiv auf die Wahrscheinlichkeit, das ein Haushalt
überhaupt Ausgaben für die Personenbeförderung mit Skiliften und Seilbahnen zu
verzeichnen hat, auswirkt. Dementsprechend eignen sich die Berichtsquartale
(q1, q2, q3, q4) unter inhaltlichen Gesichtspunkten als identifizierende Variablen.
Wintersport ist grundsätzlich eine teuere Freizeitaktivität, da neben den mit dieser
Kategorie abgebildeten Ausgaben immer auch Kosten für den Kauf oder das Leihen
der Wintersportausrüstung, sowie häufig für Übernachtung und Verpflegung
im Wintersportgebiet, anfallen. Es ist plausibel, dass diese Kosten insbesondere
für Haushalte mit arbeitslosen Haushaltsvorständen (alos) eine nicht zu überwindende
Nachfragebarriere darstellen. Daher wird alos ebenfalls als latente Variable
in Betracht gezogen. Während die univariaten Vorabanalysen sowohl die Entscheidung
für q1, q2, q3, q4 als auch für alos als identifizierende Variablen statistisch
untermauern, ist basierend auf den Daten für 2005 lediglich der ermittelte
hoch signifikant positive Koeffizient von q1 im Probit-Modell (vgl. Anhang 16.8) ein
Indiz für die tatsächlich richtige Auswahlentscheidung. Die Daten aus 2006 zeigen
dagegen sowohl für alos als auch für q1, q2 und q3 hoch signifikante Schätzer im
Probit-Modell (vgl. Anhang 16.9). Überraschender Weise ist der Koeffizient für q3
(Juli-September) jedoch positiv.
(2) Zentrale Ergebnisse im Überblick: (2.1) Die Bestimmtheitsmaße der Modelle
weisen mit einem Wertebereich zwischen 10,4 und 23,3 Prozent eine hohe
Spannweite auf. Insbesondere zwischen den OLS m- und OLS o-Modellen der