When data lie: correcting a conflict variable reverses a significant finding in Chad's agricultural time series (1961–2024)

In den weiten, sonnenverbrannten Landschaften der Sahelzone ist die Landwirtschaft ein Hochrisiko-Glücksspiel, das gegen den Himmel gespielt wird. Für Millionen von Menschen in Ländern wie dem Tschad hängt der Unterschied zwischen einem vollen Bauch und einem leeren davon ab, wie der Rhythmus der Regenfälle und die Stabilität des Landes beschaffen sind. Wissenschaftler versuchen schon lange zu verstehen, wie sehr diese beiden Kräfte – Klima und Konflikt – Ernteerträge beeinflussen. Sie betrachten Daten, die Jahrzehnte zurückreichen, auf der Suche nach Mustern, die helfen können, Hungersnöte vorherzusagen oder politische Leitlinien zu gestalten. Doch diese Suche beruht vollständig auf der Genauigkeit der von Forschern geführten Aufzeichnungen. Wenn die Zahlen in einer Tabellenkalkulation auch nur geringfügig falsch sind, kann die gesamte Geschichte, die sie erzählen, eine Lüge sein. Dies ist keine Frage bösartiger Täuschung, sondern vielmehr die stille, unbeabsichtigte Anhäufung von Fehlern, die entstehen, wenn Dateien ohne sorgfältige Prüfung von Hand zu Hand weitergereicht werden.

Eine aktuelle Studie mit Fokus auf dem Tschad, einem Land, in dem fast siebzig Prozent der Erwerbstätigen von der Landwirtschaft abhängen, zeigt auf, wie fragil diese Schlussfolgerungen sein können. Das Land hat eine komplexe Gewaltgeschichte hinter sich, von einem langen Bürgerkrieg in der Mitte des zwanzigsten Jahrhunderts bis hin zu verschiedenen Aufständen und Aufständen in den folgenden Jahrzehnten. Forscher wollten wissen, wie dieser Kampf, kombiniert mit sich ändernden Niederschlagsmustern, die Ernten von drei Grundnahrungsmitteln beeinflusste: Hirse, Sorghum und Mais. Zu diesem Zweck stützten sie sich auf einen Datensatz, der verfolgte, ob das Land in jedem Jahr von 1961 bis 2024 im Krieg oder im Frieden war. Die erste Analyse deutete auf ein erstaunliches Ergebnis hin: dass Jahre bewaffneter Konflikte tatsächlich zu höheren Hirseerträgen führten. Dieser Befund schien robust und statistisch signifikant, was zu der Schlussfolgerung führte, die die Sichtweise von Experten auf die Beziehung zwischen Krieg und Ernährungssicherheit in der Region grundlegend hätte verändern können.

Der Autor dieser Studie, Abderamane Mahamat Abdel-Aziz, entschied sich jedoch, zur Quelle zurückzukehren. Anstatt der Tabellenkalkulation so zu vertrauen, wie sie war, verglich er die Daten systematisch mit den ursprünglichen Primärdatenbanken, in denen die Informationen zuerst aufgezeichnet wurden. Er überprüfte vier verschiedene Quellen: Aufzeichnungen für Ernteerträge, Klimadaten, Düngemitteleinsatz und die Geschichte bewaffneter Konflikte. Dieser Prozess der Verifizierung enthüllte zwei große Probleme. Erstens waren die Zahlen der Ernteerträge durch einen zyklischen Fehler um den Faktor tausend multipliziert worden, was einen vollständigen Neuaufbau dieses Datensegments erforderte. Zweitens, und entscheidender, war die Aufzeichnung der bewaffneten Konflikte grundlegend fehlerhaft. Die ursprüngliche Datei zählte lediglich die Jahre des großen Bürgerkriegs von 1965 bis 1987 als Zeiten des Konflikts. Sie behandelte die verbleibenden Jahrzehnte als friedlich und ignorierte dabei völlig Jahrzehnte aktiver Kämpfe, die in offiziellen internationalen Aufzeichnungen gut dokumentiert waren.

Als der Forscher diesen Fehler korrigierte und die Konfliktvariable so kodierte, dass sie die wahre Geschichte der Gewalt über den gesamten Zeitraum von vierundsechzig Jahren widerspiegelte, änderte sich die Geschichte komplett. Der zuvor signifikante Befund, dass Krieg die Hirseerträge steigerte, verschwand. Der statistische Zusammenhang zwischen Konflikt und höheren Erträgen löste sich auf und hinterließ ein Ergebnis, das gar keinen wirklichen Effekt aufzeigte. Die Idee, dass Kämpfe den Bauern halfen, mehr Nahrungsmittel anzubauen, war keine verborgene Wahrheit, die darauf wartete, entdeckt zu werden; es war eine statistische Illusion, die durch fehlende Daten geschaffen wurde. Die korrigierte Analyse zeigte, dass das Land in fast der Hälfte der untersuchten Jahre tatsächlich im Krieg war, die alte Datei diese Zeit jedoch als Frieden bezeichnet hatte. Dieser Fehler hatte eine falsche Korrelation erzeugt, die es so aussehen ließ, als würden die Pflanzen in den falschen Jahren gedeihen.

Mit der Korrektur der Konfliktvariable trat ein anderes, zuverlässigeres Muster in Bezug auf das Wetter zutage. Die Studie bestätigte, dass Niederschlagsmuster, gemessen an einem Standardindex für Dürre und Feuchtigkeit, einen klaren und positiven Einfluss auf die Ernten von Hirse und Sorghum hatten. Wenn die Regenfälle gut waren, gediehen diese Kulturen besser. Dieser Effekt war stark und konsistent, passend zu dem, was Agronomen für Pflanzen erwarten, die vollständig vom Regen abhängen. Mais, der oft in feuchteren südlichen Gebieten angebaut wird und möglicherweise andere Bedürfnisse hat, zeigte in dieser spezifischen Analyse keinen solch klaren Zusammenhang zum Niederschlagsindex. Die Studie fand auch heraus, dass der Einsatz von Stickstoffdünger die Sorghumerträge verbesserte, aber die Ernten der anderen beiden Kulturen nicht signifikant veränderte.

Die wichtigste Lektion dieser Arbeit ist nicht über die spezifischen Nutzpflanzen des Tschad, sondern über die Notwendigkeit, die Fakten zu prüfen, bevor man Schlussfolgerungen zieht. Die Studie zeigt, dass ein einzener Fehler in der Kodierung einer Variable eine Erkenntnis, die hochgradig signifikant erscheint, umkehren kann. Sie verdeutlicht, dass in dem komplexen Feld der Untersuchung der afrikanischen Landwirtschaft, in der Daten oft aus vielen verschiedenen Quellen zusammengestellt werden, der Akt der Verifizierung nicht nur ein Luxus für Experten, sondern eine grundlegende Voraussetzung für Glaubwürdigkeit ist. Indem er zu den Primärquellen zurückkehrte und die Aufzeichnung der Konflikte korrigierte, reparierte der Forscher nicht nur eine Zahl; er korrigierte das Narrativ und stellte sicher, dass zukünftige politische Maßnahmen und wissenschaftliche Verständnisse auf der Realität des Bodens basieren und nicht auf den Fehlern einer Tabellenkalkulation.