Das Twitter-Netzwerk der Ökonomen des Makronom-Rankings

Das Maß der Eigenvektorzentralität identifiziert zentrale Personen anhand der gesamten Netzwerkstruktur und nimmt den Wert 1 bei der Person mit der höchsten Zentralität, innerhalb einer betrachteten Gruppe, an (Newman, 2010). Es folgt der Idee, dass eine Person umso zentraler ist, je wichtiger seine Nachbarn im Netzwerk sind.

Andreas Peichl weist die höchste Eigenvektorzentralität auf, er hat mit den meisten Ökonomen aus dem Makronom-Ranking eine beidseitige Follower-Verbindung. Auch der Anteil, wie häufig jemand auf der, grafisch gesprochen, kürzesten Verbindung zwischen zwei Person des Netzwerks liegt, ist bei ihm am höchsten(für eine Visualisierung des Follower-Netzwerks mit allen 229 Ökonomen siehe oben genannte Internetseite). Allgemein ergibt sich bei einer Sortierung nach dem Anteil an kürzesten Verbindungen eine ähnliche Rangfolge, jedoch mit vereinzelten Sprüngen: Christian Odendahl liegt beispielsweise nach der Eigenvektorzentralität auf Rang 109, nach dem Anteil an den kürzesten Verbindungen zwischen zwei Personen jedoch auf Rang 8. Er liegt somit häufig auf der direkten Verbindung zwischen oder zu Personen (hoher Anteil kürzester Verbindungen), welche sich jedoch häufig am Rande des Netzwerks befinden (niedriger Eigenvektorwert), also selbst nicht stark mit anderen Ökonomen vernetzt sind.

Das Retweet-Netzwerk

Beim Retweeten leitet der Nutzer einen fremden Tweet an seine eigenen Follower weiter. Dies ermöglicht die schnelle Informationsverbreitung auf Twitter. Die Gründe, eine Nachricht weiterzuleiten, sind vielfältig. Viele Retweets zeigen, dass der Tweet von besonderem Interesse ist (Suh et al., 2010). Auf Basis der Retweets kann ebenfalls ein Netzwerk erstellt werden. Dabei wird der ursprüngliche Tweet-Ersteller als Sender und der Weiterleiter als Empfänger gesehen. In dieser Analyse werden nur die Retweets innerhalb des Makronom-Rankings betrachtet: Sowohl Sender als auch Empfänger sind Teil dieses Netzwerks.

Zwischen dem 15. Mai 2018 und dem 31. Juni 2018 waren 17.773 der 45.722 Nachrichten der betrachteten Ökonomen Retweets. 2.639 von diesen Retweets verblieben innerhalb des Netzwerks, da der originäre Tweet ebenfalls von einem der 229 Ökonomen stammte. 93 Prozent der Ökonomen haben überhaupt andere Personen retweetet und 169 (74 Prozent) leiteten Nachrichten anderer Ökonomen weiter. 24 Prozent letzterer Fälle waren wechselseitig. Die Hälfte der Ökonomen leitete bis zu 40 Nachrichten weiter, das Maximum waren 1.401 Retweets. Die relativen Anteile an Retweets an den eigenen Tweets streuen stark: Bei einem Viertel der Ökonomen waren bis zu 25 Prozent der Nachrichten Retweets und im oberen Viertel wurde in mehr als 60 Prozent der Fälle eine Nachricht weitergeleitet. Ein Anteil von 100 Prozent erreichten nur zwei Personen mit insgesamt nur sechs bzw. einer Nachricht.

Gemäß der Eigenvektorzentralität des Retweet-Netzwerks sind Andreas Peichl und Jens Suedekum die zentralen Personen. Die Platzierungen nach dem Anteil, wie häufig eine Person auf dem kürzesten Weg zwischen zwei anderen Ökonomen liegt, führt größtenteils nur zum Tausch einiger naher Platzierungen. 5 der Top 10 Personen sind durch die Erweiterung des Personenkreises im Vergleich zu dem engeren Personenkreis des FAZ Ökonomen-Rankings hinzugekommen (vergleiche Resultate in Goecke et al, 2018): Die Plätze 3 bis 5, 8 und 10. Zudem fing Lars Feld erst im April 2018 an zu twittern und war deshalb nicht Teil des Netzwerks in Goecke et al., 2018.

Verglichen mit dem Makronom-Ranking, basierend auf den Klout Scores, kann ein Zusammenhang zu den hier ermittelten Rängen nicht ausgeschlossen werden. Statistische Tests (Spearmans Rangkorrelation), welche die Reihenfolge nach der Eigenvektorzentralität mit der Reihenfolge des Makronom-Rankings vergleichen, sind auf einem Niveau von 5 Prozent signifikant, und weisen Werte von 0,25 für das Follower- und 0,37 für das Retweet-Netzwerk aus. Ein Wert von 1 würde eine identische Rangfolge bedeuten. Das Vorzeichen gibt die Richtung des Zusammenhangs an: Eine hohe Platzierung nach der Eigenvektorzentralität in den hier betrachteten Netzwerken geht mit einer hohen Platzierung im Makronom-Ranking einher. Der höhere Wert für das Retweet-Netzwerk lässt sich leicht anhand der letzten Ränge erklären: In beiden Rankings nehmen Personen mit wenigen Retweets die hintersten Ränge ein, dort ist die Korrelation sehr hoch. Zu beachten ist allerdings, dass den Berechnungen nicht dieselben Zeiträume zu Grunde liegen und dies auf das Retweet-Netzwerk einen Einfluss haben kann.

Das Retweet-Netzwerk zeigt, wie die Ökonomen untereinander auf einer öffentlichen Plattform Informationen austauschen und wie ein Netzwerk aussieht, welches nur auf einem Zeithorizont von sechs Wochen basiert und dennoch den Großteil der 229 Ökonomen umfasst. Das Follower-Netzwerk, welches auf allen wechselseitigen Freundes-Beziehungen basiert, zeigt, wie wichtig die Vernetzung der Ökonomen selbst ist. Nur ein Bruchteil der Ökonomen aus dem Makronom-Ranking befindet sich außerhalb des Netzwerks, zudem existieren keine getrennten Subnetzwerke. Insgesamt zeigen die Netzwerkanalysen, dass die Ökonomen aus dem Makronom-Ranking relativ gut vernetzt sind und zwischen den Ökonomen eine rege Aktivität zu beobachten ist.