Framing-Effekt

Evidenz

Tversky und Kahneman (1981) zeigten am Asian-Disease-Problem, dass die Wahl zwischen sicherer und riskanter Option vom Gewinn- oder Verlustrahmen abhängt: Im Gewinnrahmen wählten 72 Prozent von 152 Befragten die sichere Option, im Verlustrahmen nur 22 Prozent von 155. Im Many-Labs-Projekt replizierte dieser Effekt in 31 der 36 Stichproben, allerdings mit etwa der halben Stärke des Originals (d = 0,60 gegenüber 1,13; Klein et al., 2014). Das d misst, wie groß ein Effekt ist: 0,2 gilt als klein, 0,5 als mittel, 0,8 als groß. Steiger und Kühberger (2018) haben die Forschung zum Framing riskanter Entscheidungen neu ausgewertet: 136 Arbeiten, über 30.000 Teilnehmende, im Mittel d = 0,31.

Die Neuauswertung ist der ungewöhnlichere Befund, denn die Korrektur für Publikationsverzerrung fiel nach oben aus: Mit der p-curve-Methode kommen die Autoren auf d = 0,52. Publikationsverzerrung meint, dass Studien mit auffälligem Ergebnis eher veröffentlicht werden als solche ohne Befund; p-curve schätzt aus der Verteilung der Ergebnisse, wie viel davon übrig bliebe, wenn alle Studien vorlägen. Der Vergleich ist allerdings nicht so direkt, wie er klingt. Die 0,31 mitteln über alle 230 Effektstärken einschließlich der Nullbefunde, die 0,52 beruhen auf den 81 signifikanten. Innerhalb dieser 81 korrigiert p-curve sehr wohl nach unten, nämlich von d = 0,90 auf 0,52.

Drei unabhängige Schätzungen liegen nah beieinander: 0,52 aus der Neuauswertung, 0,60 aus dem vorregistrierten Many-Labs-Projekt und 0,56 aus einer Meta-Analyse der 2016 erschienenen Arbeiten. Die Autoren schließen daraus, beim Framing riskanter Entscheidungen gebe es keine Replikationskrise. In Köpfe übersetzt: Bei d = 0,52 verschiebt der Gewinnrahmen von 100 Personen etwa 13 zur sicheren Option, der Verlustrahmen etwa 13 zur riskanten. Die Spannweite bleibt groß — je nach Versuchsbedingung zwischen d = 0,16 (soziale Themen) und d = 0,91 (Messwiederholung statt getrennter Gruppen). Es gebe nicht den Framing-Effekt, schreiben die Autoren.

Der Kern des Effekts ist 2025 präregistriert bestätigt worden. Li und Feldman haben die Gewinn-Verlust-Asymmetrie an rund 500 Befragten nachgestellt: Bei Gewinnen wählten 84 Prozent die sichere Option, bei Verlusten nur 44 Prozent — derselbe Umschlag wie im Original, in ähnlicher Stärke (Cramers V = 0,41 gegen 0,44 — ein Maß für den Zusammenhang zwischen zwei Merkmalen, das von 0 bis 1 reicht). Dass die Bewertung am Bezugspunkt hängt und nicht am Endvermögen, ist damit unabhängig geprüft.

Ein Nachbarbefund derselben Arbeit von 1981 hielt dagegen nicht. Das Beispiel mit Taschenrechner und Jacke — dieselbe Ersparnis von fünf Dollar fühlt sich je nach Gesamtpreis anders an — ließ sich nicht wiederholen: 11 gegen 7 Prozent statt 68 gegen 29 im Original. Das betrifft nicht den Framing-Effekt selbst, sondern die thematische Kontenbildung. Wer beides gleichsetzt, überträgt die gute Beleglage des einen auf das andere.

Die Originalarbeit ist besser abgesichert, als ihr Ruf als Fragebogenstudie vermuten lässt. Die zehn Probleme liefen an Studierenden in Stanford und Vancouver, aber nicht alle waren hypothetisch: Bei drei Aufgaben wurde jede zehnte Person tatsächlich ausgespielt — die Kugel vor ihren Augen gezogen, der Gewinn sofort ausgezahlt. Eine weitere Fassung mit echtem Geld und durch fünfzig geteilten Beträgen ergab dasselbe Muster. Tversky und Kahneman halten ausdrücklich fest, die Effekte seien „nicht auf hypothetische Fragen beschränkt und werden durch Geldanreize nicht beseitigt“.

Grenzen

Die Richtung kann kippen. Entscheidend ist, wie das Risiko in die Aufgabe kommt. In der Neuauswertung liegt die Effektstärke bei d = 0,56, wenn ein konkretes riskantes Ereignis dahintersteht wie beim Asian-Disease-Problem. Wird Risiko dagegen nur als Etikett verwendet („die Wahrscheinlichkeit liegt bei 10 Prozent“), dreht sich der Mittelwert in die Gegenrichtung (d = −0,11). Die p-curve-Auswertung der signifikanten Gegenbefunde bestätigt das (d = −0,26). Das ist kein Rauschen, sondern ein eigener, umgekehrter Effekt.

Zwei Einschränkungen nennen die Autoren selbst. Die Häufigkeit der p-Werte steigt knapp unterhalb von 0,05 an, was auf etwas p-hacking hindeutet. Und p-curve korrigierte auch die vorregistrierten Many-Labs-Daten nach unten, von 0,60 auf 0,52, obwohl dort nichts zu korrigieren sein sollte; warum, bleibt offen.

Abgrenzung: Der klassische Framing-Effekt betrifft riskante Entscheidungen. Rabatt-Framing (Prozent gegen Euro) ist ein anderes Paradigma mit eigener, schwächerer Evidenz. Beide sollten nicht gleichgesetzt werden. Piñón und Gambara (2005) haben 51 Arbeiten mit 13.343 Teilnehmenden ausgewertet und die Klassen getrennt gemittelt: Framing riskanter Entscheidungen kommt auf d = 0,44, Attribut-Framing — die Klasse, zu der Rabatt-Framing gehört — nur auf d = 0,26.

Beim Attribut-Framing zeigt mehr als jede vierte Schätzung in die falsche Richtung. 27 Prozent der 30 Effektstärken sind negativ, die Spanne reicht von −0,60 bis 2,03, und in den vier psychologischen Arbeiten liegt der Mittelwert bei −0,25. Was für Werbetexte zuständig ist, ist damit nicht nur der schwächere, sondern auch der uneinheitlichere der beiden Effekte.