A Comparative Review of Methods to Create a Composite Index for Sustainable and Inclusive Wellbeing

Technisches Resümee: Eine vergleichende Analyse von Methoden zur Erstellung eines Kompositindex für nachhaltiges und inklusives Wohlergehen

Problemstellung
Die Arbeit befasst sich mit der kritischen Herausforderung, nachhaltiges und inklusives Wohlergehen (Sustainable and Inclusive Wellbeing, SIW) jenseits des Bruttoinlandsprodukts (BIP) zu messen. Während die UN-Expertengruppe (HLEG) zum Thema „Beyond GDP“ zu breiteren Fortschrittsmetriken aufgerufen hat, schlug sie keine spezifische Struktur für einen Kompositindex vor, was die methodische Schwierigkeit der Aggregation heterogener Dimensionen verdeutlicht. Standardansätze, wie gewichtete arithmetische Mittel oder die Reduktion von SIW auf rein subjektives Wohlergehen, werden als unzureichend erachtet, da sie auf Annahmen der vollständigen Substituierbarkeit (bei denen Defizite in einem Bereich vollständig durch Gewinne in einem anderen ausgeglichen werden können), Linearität und dem Fehlen von ökologischen oder sozialen Grenzen beruhen. Diese Annahmen stehen im Konfldet mit dem Kern von SIW, das nicht-lineare Beziehungen, abnehmende Grenzerträge und Prinzipien der „starken Nachhaltigkeit“ umfasst, bei denen Naturkapital und grundlegende menschliche Bedürfnisse nicht substituierbar sind.

Methodik
Die Autoren entwickeln einen normativen Rahmen zur Bewertung von Aggregationsmethoden und leiten daraus neun Bedingungen für einen validen SIW-Kompositindikator ab, die auf der Bedürfnistheorie und den Prinzipien der starken Nachhaltigkeit basieren:

1. Formatives Messmodell: Indikatoren definieren das Konstrukt, anstatt lediglich eine latente Variable widerzuspiegeln.
2. Distributionelle Sensitivität: Ungleichheit innerhalb von Ländern muss sanktioniert werden.
3. Grenzüberschreitende Spillover-Effekte: Wohlergehen darf nicht durch die Verschlechterung der Bedingungen anderer Nationen erreicht werden.
4. Begrenzte Substituierbarkeit: Defizite können nicht vollständig durch Überschüsse an anderer Stelle kompensiert werden.
5. Bestrafung von Ungleichgewichten: Eine ungleiche Leistung sollte den Gesamtwert senken.
6. Intertemporale Aggregation: Das gegenwärtige Wohlergehen darf zukünftige Bedingungen nicht gefährden.
7. Nicht-lineare Transformationen: Sättigungseffekte und Schwellenwerte müssen erfasst werden.
8. Respektierung von Obergrenzen: Planetare Grenzen fungieren als harte Beschränkungen.
9. Respektierung von Untergrenzen: Mindestschwellen für menschliche Grundbedürfnisse müssen erfüllt sein.

Die Studie überprüft 13 Aggregationsmethoden aus drei Kategorien:

• Basisansätze: Arithmetische/geometrische Mittel, lineare additive Modelle (LAM) und die Hauptkomponentenanalyse (PCA).
• Fortgeschrittene/nicht-kompensatorische Methoden: Strafbasierte Indizes (AMPI, MSI), UN-Indizes (PHDI, MPI), Outranking-MCDA (PROMETHEE, MCM), die Data Envelopment Analysis (DEA) und Median-Perzentil-Aggregation.
• Interdisziplinäre Erkenntnisse: Prinzipien aus der Ökologie (Liebigsches Minimumgesetz, Co-Limitation), der positiven Psychologie, den Neurowissenschaften und dem maschinellen Lernen (Neural Additive Models).

Um die Auswirkungen dieser methodischen Entscheidungen zu illustrieren, konstruierten die Autoren einen fiktiven Datensatz von 10 Ländern in 5 SIW-Domänen (CO₂-Emissionen, materieller Fußabdruck, Lebenserwartung, Bildung und Einkommen). Sie wandten die 13 Methoden auf diesen Datensatz an und analysierten die resultierenden Länderrankings mittels Spearman-Rangkorrelationen.

Kernergebnisse
Die vergleichende Analyse zeigt drei deutlich unterscheidbare Cluster von Methoden mit signifikanten Auswirkungen auf politische Narrative auf:

1. Kompensatorisches Cluster: Arithmetische Mittel, LAM und geometrische Mittel sind hochgradig konkordant (Korrelationen bis zu $\rho = 0,98$). Sie setzen vollständige Substituierbarkeit und Linearität voraus und führen oft dazu, dass Länder mit schweren ökologischen Defiziten (z. B. Land C im Beispiel) aufgrund hohen Einkommens hoch eingestuft werden.
2. Limitierender-Faktor-Cluster: Methoden wie der Minimum-Operator, Co-Limitation-Proxies und Sättigungsvarianten sind untereinander hochgradig konkordant ($\rho > 0,83$), zeigen jedoch eine moderate Übereinstimmung mit kompensatorischen Methoden. Diese Ansätze bestrafen Ungleichgewichte und erzwingen Nicht-Substituierbarkeit, wodurch Länder mit extremen Defiziten in einer Dimension im Ranking deutlich abfallen.
3. Outranking-Cluster: Methoden wie PROMETHEE und Multi-Criteria Mapping (MCM) bilden eine eigenständige Gruppe. Sie nutzen Veto-Schwellenwerte, um harte Beschränkungen durchzusetzen (z. B. den Ausschluss von Ländern, die ökologische Grenzwerte verletzen), was zu Rankings führt, die signifikant von Mittelwert-Methoden divergieren ($\rho \approx 0,55–0,60$).

Diagnostische Befunde:

• PCA-Fehlausrichtung: Die PCA zeigte negative Korrelationen mit den meisten anderen Methoden ($\rho$ so niedrig wie -0,67). Die Arbeit identifiziert dies als diagnostische Warnung: Die PCA sucht die Achse der maximalen Varianz (oft ein Trade-off zwischen Entwicklung und Umwelt) statt des Konstrukts des Wohlergehens, was sie für die formative SIW-Messung ungeeignet macht.
• Rang-Sensitivität: Die Wahl der Aggregationsmethode verändert die Länderrankings drastisch. Beispielsweise wurde ein Land mit hohem Einkommen, aber nahezu null ökologischer Performance, unter der PCA auf Platz eins gesetzt, unter nicht-kompensatorischen Methoden jedoch auf den letzten oder einen der letzten Plätze gerückt.
• Kein „Allheilmittel“: Keine der untersuchten Methoden erfüllt alle neun Bedingungen. Während Outranking-Methoden die Veto-Logik gut handhaben, sind sie ressourcenintensiv; während die DEA Flexibilität bietet, erfordert sie strikte Gewichtsbeschränkungen, um zu verhindern, dass notwendige Dimensionen ignoriert werden.

Bedeutung und Ansprüche
Die Arbeit beansprucht, einen grundlegenden Schritt in Richtung des von der UN HLEG geforderten „Headline Aggregated Indicator“ zu leisten. Ihre Hauptbeiträge sind:

1. Normative Benchmarking: Sie etabliert eine Reihe von neun Bedingungen, die aus der starken Nachhaltigkeit und der Bedürfnistheorie abgeleitet sind, um Aggregationsmethoden rigoros zu bewerten.
2. Systematischer Vergleich: Sie bietet die erste systematische Illustration, wie 13 diverse Methoden (von einfachen Durchschnitten bis hin zu ökologischen Modellen) bei Anwendung auf dieselben Daten divergierende politische Narrative erzeugen.
3. Interdisziplinäre Synthese: Sie schließt die Lücke zwischen Statistik, Ökonomie und Feldern wie Ökologie und Neurowissenschaften, um Aggregationsprinzipien (z. B. Minimum-Operatoren, Sättigungskurven) zu identifizieren, die in der Wohlbefindensmessung selten verwendet werden.

Fazsetzung und Empfehlungen
Die Autoren kommen zu dem Schluss, dass ein zukünftiger SIW-Kompositindikator sich nicht auf eine einzige Methode verlassen kann. Stattdessen schlagen sie einen Hybridrahmen vor, der kombiniert:

• Nicht-lineare Normalisierung (um Sättigung und Schwellenwerte zu adressen).
• Nicht-kompensatorische Aggregation (um begrenzte Substituierbarkeit und Veto-Logik für kritische Dimensionen wie planetare Grenzen durchzusetzen).
• Methodische Entscheidungen auf Messungsebene (um Inklusivität und grenzüberschreitende Spillover-Effekte zu adressieren).

Die Arbeit stellt klar, dass die Werkzeuge, um über lineare Mittelwerte hinauszugehen, bereits existieren (z. B. PHDI, Median-Perzentil-Ansätze, Outranking-MCDA). Die Barriere für die Implementierung ist nicht länger die technische Machbarkeit, sondern der politische Wille und die institutionelle Kapazität. Die Autoren fordern internationale Gremien auf, Hybridrahmen mit realen Daten zu testen und Sensitivitätsanalysen einzubeziehen, wobei sie betonen, dass die Kosten der Verzögerung von der heutigen und der zukünftigen Generation getragen werden. Bemerkenswerterweise räumt die Arbeit ein, dass die intertemporale Aggregation (wie das heutige vs. das zukünftige Wohlergehen zu gewichten ist) die am stärksten vernachlässigte Bedingung bleibt und weitere Forschung erfordert.