Determinanten des Ernährungsstatus

Im Folgenden werden die erklärenden Variablen beschrieben und der erwartete Einfluss auf den Ernährungsstatus aufgezeigt. Weil es sich um eine Querschnittsbetrachtung handelt, sind eher langfristige Faktoren als Ursachen zu suchen, welche sowohl die Ernährung als auch Gesundheit beeinflussen. Neben dem national verfügbaren Nahrungsangebot wird ein weiterer Schwerpunkt auf das Klima gelegt. Klimatische Bedingungen sind als grundlegende Determinante verschiedenster Krankheiten zu betrachten. Aus Klimadaten wird daher ein innovativer Malariaindex für die afrikanischen Staaten abgeleitet. Zu den weiteren Determinanten zählen Mortalität, Intra-Haushalts-Allokation, Bildung, Einkommen,

34 Dieses Ergebnis ist robust hinsichtlich der Wahl alternativer Schätzungen des BIP/c (PPP), wie beispielsweise derjenigen der World Bank (1999) oder von Maddison (2001).

- 62 -

Bevölkerungsdichte sowie zwei Variablen, welche für räumliche Korrelation kontrollieren sollen.

4.2.1 Nahrungsangebot

Die verfügbaren Nahrungsressourcen auf nationaler Ebene stellen eine grundlegende und langfristige Determinante des Ernährungsstatus dar. Je größer das Nahrungsangebot in quantitativer und qualitativer Hinsicht ist, desto besser sollte der Ernährungsstatus sein. Die Angaben aus den Food Balance Sheets der FAO sind die einzig verfügbaren Daten zum Nahrungsangebot (FAOSTAT, 2004b). Die Daten liegen für alle afrikanischen Länder ab dem Jahr 1961 vor. Deren Berechnung basiert auf folgender Methode: Zunächst bestimmt die FAO die gesamte Menge an Nahrungsmittel. Diese schließt die Produktion, Importe und Veränderungen in den Lagerbeständen mit ein. Daraufhin werden Verluste durch Lagerhaltung und Transport, Saatgut, Viehfutter sowie Exporte berücksichtigt und abgezogen.

Abschließend werden die Mengen mit entsprechenden Faktoren in Proteine und Kalorien umgerechnet und durch die Bevölkerungszahl geteilt, so dass sich das Nahrungsangebot pro Kopf ergibt. Im Gleichgewicht sollte dieses Nahrungsangebot der Nachfrage und somit, abgesehen von Verlusten auf Haushaltsebene (Kochen, Lagerung), überwiegend dem Konsum entsprechen. Das Nahrungsangebot in Kalorien oder Proteinen auszudrücken, hat einen grundlegenden Vorteil. Die großen Unterschiede in der Art der Grundnahrungsmittel zwischen den Ländern wie beispielsweise Mais in Sambia, Reis in Madagaskar oder Sorghum und Millet im Tschad werden auf deren Nährwert standardisiert und dadurch vergleichbar.

Die Genauigkeit der FAO-Angaben hängt naturgemäß von Messfehlern in den zugrunde liegenden Statistiken wie Produktionsmenge, Bevölkerung, Handel, Verwertung oder den Nährwert der Erzeugnisse ab.

Svedberg (2000) zweifelte die Genauigkeit der FAO-Daten an und argumentiert, dass übliche Quellen von Messfehlern in ASS besonders ausgeprägt seien und daher die Berechnungsmethode der FAO die Kalorienverfügbarkeit in den afrikanischen Staaten systematisch und deutlich unterschätze. Folgende Messfehler führte Svedberg (2000) an: Die Produktionsdaten messen nur ungenau die tatsächliche Produktion. Steuern setzen Anreize für eine Untertreibung der Outputmenge durch die Produzenten. Zudem geht der Output von Subsistenzbauern in die nationalen Statistiken selten mit ein, da die Bauern die Erzeugnisse selbst konsumieren und nicht über Märkte handeln. Preis- und Wechselkursfixierungen

- 63 -

unterhalb des Markträumungspreises führen zu nicht erfassten Exporten und Schwarzmärkten.

Die Vorgehensweise, um Produktionsdaten zu schätzen, besteht darin, die bewirtschaftete Fläche (und Feldfrüchte) mit repräsentativen Ernteerträgen je Flächeneinheit zu multiplizieren. In ASS kommen dabei hauptsächlich „primitive Methoden“ zum Einsatz. Es existiert kaum eine Registrierung des kultivierten Landes. Grundbücher sind nur für relativ große Farmen vorhanden. Verschiedene Bestimmungsarten, wie visuelle Beobachtungen durch Beamte, sind subjektiv und vernachlässigen kleinere Felder in abgelegenen Regionen.

Wenn sich zudem die Bestimmung auf die Haupterntesaison beschränkt, bleiben die in Afrika üblichen Nebenerzeugnisse unberücksichtigt. Eine Unterschätzung der verfügbaren Nahrungsmittel tritt auch dann auf, wenn weniger bekannte Nahrungsmittel, die von den Food Balance Sheets nicht aufgenommen werden, häufig konsumiert werden. Die Bedeutung dieser Fehlerquellen unterscheidet sich in den verschiedenen Regionen der Welt. Die Food Balance Sheets liefern daher laut Svedberg (2000) ein verzerrtes Bild der Länderunterschiede im Nahrungsangebot. Trotz der zweifelsohne berechtigten Kritik bieten die Food Balance Sheets dennoch die beste vorhandene und umfassendste Information zu verfügbaren Nahrungsmitteln in afrikanischen Ländern.³⁵ Zudem könnte in einer Stichprobe, welche nur afrikanische Länder umfasst, eine systematische Unterschätzung der Kalorienverfügbarkeit, sofern diese innerhalb der Region relativ einheitlich erfolgt, zu vernachlässigen sein.

Eine Reihe von querschnittsorientierten Untersuchungen stellte einen signifikanten Effekt des Nahrungsangebots auf anthropometrische Maße fest.³⁶ Smith und Haddad (2000) verwendeten beispielsweise die FAO-Angaben zu Kalorien, um den Prozentsatz unterernährter Kindern zu erklären, und ermittelten einen signifikant negativen Zusammenhang. In einer methodisch ähnlichen Studie prüften Brinkmann und Drucker (1998) den Einfluss sowohl von Proteinen als auch von Kalorien aus den Food Balance Sheets. Kalorien wiesen dort einen negativen, Proteine dagegen einen positiven Effekt auf, was sie auf die hohe Multikollinearität zwischen den beiden Variablen zurückführten. Auch historische Studien heben häufig insbesondere den positiven Einfluss von Proteinen auf Körpergrößen hervor (Baten, 1999b).

35 Es ist erwähnenswert, dass die FAO selbst ihre Angaben des Öfteren revidiert. Allerdings ist nichts dagegen einzuwenden, sofern zu einem späteren Zeitpunkt bessere Informationen vorliegen, welche die vergangene Ernährungssitution akkurater bestimmen helfen.

36 Dies könnte für die Zuverlässigkeit der FAO-Angaben sprechen, wobei die afrikanischen Staaten meist über einen besseren Ernähungsstatus verfügen, als es das Nahrungsangebot der FAO nahe legen würde. Nachdem jedoch anthropometrische Methoden komplementäre Eigenschaften in der Bestimmung von Unterernährung aufweisen (Abschnitt 2.5), ist ein Rückschluss auf die Datenqualität des Nahrungsangebots problematisch.

- 64 -

Es bestehen wenig Zweifel daran, dass Unterernährung mit einer mangelnden Quantität sowie Qualität an Nahrungsmitteln gleichzusetzen ist („protein energy malnutrition“). Während Kalorien eher ein Indikator für die Quantität des Nahrungsangebots sind, könnten Proteine Aufschluss über die Qualität an Nahrungsmitteln geben. Proteine sind zumeist ein Bestandteil von qualitativ hochwertiger Nahrung wie Fleisch, Fisch, Eier oder Milch. Allen ist gemein, dass sie weitere wichtige Nährstoffe wie Kalzium oder Eisen enthalten, die wesentliche Inputs für die Entwicklung der Muskeln und Knochen darstellen und daher Wachstum besonders begünstigen. Daher wäre insbesondere ein positiver Einfluss der Proteinverfügbarkeit auf die Körpergrößen zu erwarten. Die Levels der Protein- und Kalorienverfügbarkeit in den afrikanischen Staaten korrelierten in den 1960ern erstaunlicherweise nicht signifikant und nur schwach positiv (Abb. 4.2). Ein Multikollinearitätsproblem, welches die Interpretation erschweren würde, besteht also nicht.

Beide Variablen können durchaus in ein Regressionsmodell aufgenommen werden.³⁷

Abb. 4.2 Korrelation zwischen Angebot an Proteinen und Kalorien, 1960er

Anmerkung: Datenquelle ist FAOSTAT (2004b). Die Werte geben den Durchschnitt der Jahre 1961-1970 an.

37 Allerdings ist festzuhalten, dass sich dies mit der Zeit ändert. Bereits in den 1980ern verdreifachte sich die Steigung der Regressionsgerade, und ein signifikant positiver Zusammenhang ist feststellbar.

30 40 50 60 70 80

Angebot an Proteinen / Kopf/ Tag (in gr.)

1700 1900 2100 2300 2500

Angebot an Kalorien / Kopf/ Tag

]

- 65 -

Obwohl die Bedeutung einzelner Nahrungsmittel aufgrund der Substitutionsmöglichkeiten vernachlässigbar erscheint, gibt es eine Ausnahme: Milch. In der erstmals von Takahashi (1966) vorgebrachten „Milch-Hypothese“ wird dem Milchkonsum der größte Einfluss auf die Körpergrößen beigemessen. Milch enthält nicht nur Proteine und wichtige Nährstoffe, sondern eignet sich der flüssigen Form wegen besonders gut als Nahrung für Kleinkinder. So führte Takahashi (1984) den säkularen Trend in den Körpergrößen in Japan auf den Anstieg im Milchkonsum zurück. Zudem verwies er auf nicht nur afrikanische Gruppen von Pastoralisten, für die Milch ein Grundnahrungsmittel ist und die oftmals größer sind als die Bauern in der gleichen Region, die sich jedoch eher von pflanzlichen Ernteprodukten ernähren. Auch Baten (1996, 1999a, 1999b) stellte einen signifikant positiven Zusammenhang zwischen der Milchproduktion und Körpergrößen in den Regionen Preußens, Bayerns und Frankreichs im 19. Jahrhundert fest. Die Proteine der Milch fließen in das Gesamtangebot an Proteinen ein, die gesonderte Überprüfung der Milch-Hypothese ist dennoch sinnvoll und erfolgt durch Aufnahme des Milchangebots pro Kopf und Jahr in die Analyse. Die Daten stammen wiederum aus den FAO Food Balance Sheets (FAOSTAT, 2004b). Benin, Malawi, Togo und die ZAR zählen zu den Ländern mit dem geringsten Milchangebot - unter fünf Liter pro Kopf pro Jahr. Mauretanien ist dagegen mit einem Milchangebot von über 190 Litern extrem weit entfernt von der nächsten Gruppe an Ländern (Kenia und Mali), in welchen Milch zwischen 60 und 70 Liter verfügbar ist. Die Kollinearität mit dem Angebot an Proteinen ist relativ groß (PK: 0.62). Dessen ungeachtet liegt eine linkssteile Verteilung des Milchangebots vor, die zudem dazu führt, dass trotz Logarithmierung die Varianz des Milchangebots mit den Proteinen abnimmt.

Wirtschaftshistoriker nutzen Nahrungsmittelpreise - auch aufgrund der Datenverfügbarkeit (Brinkmann et al., 1988; Coll, 1988), um zusammen mit Daten zum Lohneinkommen die Kaufkraft der Bevölkerung zu approximieren. Dies ist in der hier vorliegenden Arbeit nicht erforderlich, da Schätzungen zum BIP/c (PPP) vorliegen.

Nichtsdestotrotz wäre es grundsätzlich vorteilhaft, relative Preise zu nutzen, um Substitutionseffekte berücksichtigen zu können. In Marktwirtschaften spiegeln Preise zudem die Knappheit eines Gutes wieder. Im afrikanischen Kontext sind jedoch Bedenken angebracht, denn afrikanische Regierungen übten häufig eine monopsonistische Kontrolle in der landwirtschaftlichen Produktion aus. Nach Bates (1981), der die Preise einer Reihe landwirtschaftlicher Exporterzeugnisse (Baumwolle, Kakao, Kaffee, Erdnüsse, Palmöl) untersuchte, gaben die Regierungen in Kenia, Nigeria und Senegal in vielen Fällen weniger als die Hälfte des Preises an die Produzenten weiter. Wechselkurse waren zudem häufig

- 66 -

überbewertet. Für andere Staaten ist eine ähnliche Preispolitik belegt (Bunker, 1986; Ellis, 1982; Hinderink und Sterkenburg, 1987; Jayne und Jones, 1997; World Bank, 1994). Die Preisfixierungen beschränkten sich nicht nur auf Exporterzeugnisse. Da eine unzufriedene urbane Bevölkerung die Machtelite politisch ernsthaft bedrohen konnte, wurden Nahrungsmittel häufig subventioniert (Bates 1981; Eicher, 1982; Lipton, 1977). Die Datenbank der FAO bestätigt dies: Für eine Vielzahl an landwirtschaftlichen Erzeugnissen, darunter auch für den inländischen Konsum, sind konstante Produzentenpreise trotz hoher Inflationsraten zu beobachten. Preise sind unter diesen Regulationsbedingungen wenig informativ: Die gesamtwirtschaftlich ineffizienten Eingriffe in die Marktwirtschaft führen zu Schwarzmärkten, und Produzenten reagieren, indem sie das Angebot verringern.³⁸ Unter diesen Bedingungen reflektieren die (offiziellen) Preise kaum die Knappheit an Gütern oder Substitutionsentscheidungen der Bevölkerung: Die Schätzungen zum nationalen Nahrungsangebot sind daher informativer.

4.2.2 Klima, Klimabedingte Krankheiten und Malaria

Das Klima ist ein wesentlicher Input für die landwirtschaftliche Produktion und beeinflusst somit Ernteerträge und letztendlich auch die Ernährung. Auf langfristige, exogene Beschränkungen, wie sie das Klima darstellt, sind gewisse Anpassungen zu erkennen. Hierzu zählt beispielsweise die Spezialisierung auf Viehwirtschaft oder auf bestimmte Feldfrüchte (Ady, 1965; Bourn, 1978). Technischer Fortschritt verringert ebenso die Bedeutung des Klimas: Durch den Einsatz von Inputs wie Dünger, Bewässerung und Mechanisierung lassen sich rein exogene Beschränkungen teilweise kompensieren. In vielen wirtschaftshistorischen Untersuchungen ergibt sich ein signifikanter Einfluss des Klimas auf den Ernährungsstatus.

Baten (1999a) stellte für Bayern im 19. Jahrhundert beispielsweise eine sehr enge Korrelation zwischen dem Verlauf der Wintertemperatur und der Körpergrößen fest. Nach Köpke und Baten (2003) können Temperaturschwankungen auch einen Teil der Zyklen im europäischen Ernährungsstatus der letzten 1200 Jahre erklären. Des Weiteren fand Komlos (2004) einen positiven Einfluss wärmerer Zeitperioden für das vorindustrialisierte Frankreich im 18.

Jahrhundert. Zweifelsohne wirkten sich kurzfristige klimatische Schocks, wie Schwankungen in der Niederschlagsmenge, ebenso auf die Verfügbarkeit von Nahrungsmitteln in Afrika aus (Bourn, 1978; Glantz, 1987; Abschnitt 5.2.1). Ein großer Teil der afrikanischen Bevölkerung

38 Die Daten der FAO sind erst ab 1970 verfügbar. Daher wird hier darauf verzichtet, die Information über die

- 67 -

lebt von der Landwirtschaft oder hängt stark von Nahrungsmittelpreisen ab. Allerdings sollten langfristigere klimatische Bedingungen, wie sie die Durchschnittstemperatur, Temperaturschwankungen oder Luftfeuchtigkeit darstellen, nach Berücksichtigung des Angebots an Kalorien und Proteinen diesen indirekten Einfluss auf die Ernährung nicht wiedergeben.

Komlos (2004) fügte noch eine weitere Erklärung hinzu, wie Klima den Ernährungsstatus beeinflussen kann. Die Temperatur kann einen direkten Effekt ausüben, indem der Betrag der Wärmeenergie reduziert wird, den der menschliche Organismus zur Aufrechterhaltung der Körpertemperatur aufwenden muss. Ein Anstieg der Außentemperatur impliziert somit, dass mehr Energie für Wachstum verbleibt. Ähnliche Ansichten finden sich ebenso unter Anthropologen hinsichtlich des afrikanischen Klimas (Bogin, 1988). Eine geringe Körperoberfläche im Verhältnis zum -volumen reduziert die Energie, welche der Körper zur Kühlung aufwenden muss (Eveleth und Tanner, 1976; Schreyder, 1964). Demnach ist eine schlanke Körperstatur eine evolutionär effiziente Anpassung, um Energieverluste zu reduzieren. Obwohl einige frühe empirische Überprüfungen, wie beispielsweise die von Roberts (1953), tatsächlich darauf hindeuten, dass die mittleren Körpergrößen in Afrika mit niedrigerer Temperatur und höherer Luftfeuchtigkeit sinken, ist die Verlässlichkeit dieser Ergebnisse mangels Kontrollvariablen wie Ernährung oder epidemiologischem Umfeld äußerst eingeschränkt. Schließlich ist anzunehmen, dass geringere Ernteerträge oder eine höhere Morbidität mit diesen Variablen verbunden sind. In einer der wenigen Studien von Biologen, die eine multivariate Regression durchführen, ergaben sich starke Hinweise für eine derartige Scheinkorrelation. So zeigte sich bei Schmitt und Harrison (1988), welche die mittlere Körpergröße von 40 Populationen untersuchten, dass deren evolutionäre Variablen, nämlich Breitengrad und Höhenlage, insignifikant werden, nachdem sie eine Dummyvariable für Wohlstand einschlossen. Nach Froment und Hiernaux (1984) sind eine Reihe anthropometrischer Maße (wie Ohren-, Nasenlänge) mit dem Klima korreliert, nicht jedoch die Körpergröße. Eine evolutionäre Selektion ist insgesamt fragwürdig.³⁹ Die endgültige Körpergröße eines Individuums kann sich während der Wachstumsphase aufgrund der äußeren Umweltbedingungen anpassen. Zudem akklimatisieren sich die Körperfunktionen relativ schnell (Eveleth und Tanner, 1976). Des Weiteren existieren physiologische

gesamtwirtschaftliche Ineffizienz in die Analyse aufzunehmen.

39 Für die Diskussion Genetik versus Umweltbedingungen siehe Abschnitt 2.3.

- 68 -

Adaptionen wie Kleidung oder von der Tageszeit abhängige Aktivitäten, welche Energieverluste minimieren (Bogin, 1988; Schreider, 1964).

Im afrikanischen Kontext ist das Klima dennoch als wichtige, langfristige Determinante des Ernährungsstatus zu betrachten. Lipton (1983) sowie McNeill (1976) bezeichneten das epidemiologische Umfeld des afrikanischen Kontinents als eines der menschenfeindlichsten der Welt. Krankheiten wie Diarrhöe, Diphtherie, Malaria, Masern, Gelbfieber, Trypanosomiasis (Schlafkrankheit), Dengue, Schistosomiasis (Bilharziose) und andere Parasiten wie Hakenwürmer sind weit verbreitet in ASS (Howson, Harrison, Hotra, &

Law, 1996). Das tropische Klima Afrikas stellt eines der Hauptursachen für dieses Krankheitsumfeld dar. Insbesondere Malaria ist ein beträchtliches Gesundheitsproblem in ASS mit negativen Konsequenzen für den Ernährungsstatus (Snow, Molyneux, Njeru, Omumbo, Nevill, Muniu et al., 1997). Mitte der 1950er startete die WHO Weltgesundheitsorganisation eine weltweite Kampagne, um Malaria zu beseitigen. Durch den Einsatz von Insektiziden und medizinische Behandlungen zeigten sich Erfolge - auch in Teilen Afrikas (WHO, 1966). Die Erwartungen eines malariafreien Afrikas erfüllten sich jedoch nicht. Die Anopheles Moskitos, welche die Plasmodium Parasiten übertragen, wurden zunehmend resistent gegenüber den Insektiziden, und der Parasit selbst wurde ebenso immun gegen Chlorochin, dem damals vorwiegend eingesetzten Malariamittel. In den 1960ern nahm die Anzahl der Malariafälle wieder zu. Schätzungen zufolge sind heutzutage jährlich 300 bis 500 Millionen Menschen weltweit von Malaria betroffen - 90% davon leben in ASS (WHO, 2000).

Die verfügbaren Daten zu Morbidität im Allgemeinen und Malaria im Speziellen sind äußerst problematisch. Die in den World Health Statistics Annuals der WHO (WHO, 1983b) erfassten Krankheiten beziehen sich auf Fälle, die in Gesundheitseinrichtungen behandelt wurden, und weisen daher nicht nur auf die Verbreitung der Krankheiten, sondern auch auf den Zugang zu Gesundheitseinrichtungen hin (Best und de Blij, 1977). Ein starker Hinweis auf dieses Problem ergibt sich durch die signifikant positive Korrelation des an Malaria erkrankten Bevölkerungsanteils mit der Urbanisierungsquote. Allerdings ist anzunehmen, dass das Risiko, an Malaria zu erkranken, in Städten niedriger ist. Eine Erklärung für diesen Zusammenhang bietet die bessere Ausstattung mit Gesundheitseinrichtungen in den urbanen Zentren. Zudem sind Endogenitätsprobleme wahrscheinlich, da anzunehmen ist, dass Investitionen in derartige Gesundheitseinrichtungen höher sind, je schlechter das epidemiologische Umfeld ist.

- 69 -

Eine bessere Information über Malaria vermittelt der von Gallup und Sachs (1998) kürzlich entwickelte Malariaindex. Der Index für ein Land ist das Produkt des Anteils der Bevölkerung, die im Jahr 1965 in Gebieten mit hohem Malariarisiko lebte, und dem Anteil der Malariafälle im Jahr 1990, die dem gefährlichsten Malariatyp Plasmodium falciparum zugerechnet wurden. Die Malariadaten für 1965 stammen von der sehr groben und ungenauen Karte der WHO (1966). Der Index ist allerdings wenig für eine Querschnittsanalyse geeignet, die ausschließlich auf den Ländern in ASS basiert. Der Grund dafür ist, dass fast alle afrikanischen Länder innerhalb der tropischen Zone mit einem hohen Malariarisiko liegen.

Daher würden 75% der 27 Länder in die Kategorie mit dem höchsten Indexwert fallen, obwohl noch beträchtliche Unterschiede innerhalb dieser Gruppe von Ländern existieren.

Durch die Höchstgrenze fehlt diesem Index also die entsprechende Varianz nach oben.

Eine Alternative bietet ein Malariaindex, der sich auf klimatische Voraussetzungen für eine Übertragung von Malaria stützt. Diese Strategie verfolgten Craig, Snow, & Le Sueur (1999) und erreichten damit eine sehr hohe Auflösung einer Malariakarte für Tansania und Kenia, deren Vorhersagen außerordentlich gut mit Karten übereinstimmte, die sich auf Feldstudien stützten. Bedauerlicherweise sind derartige Berechnungen für die hier vorliegende Stichprobe der 27 Länder nicht verfügbar. Daher soll an dieser Stelle ein eigener Index erstellt werden, wobei dieser der viel versprechenden Methodik von Craig et al. (1999) folgt.

Die ökologischen Voraussetzungen zwischen den unterschiedlichen Typen der Malaria Parasiten (Plasmodium falsiparum, P. vivax , P. ovale und P. malariae) variieren ein wenig, so dass eine Beschränkung auf die minimalen Anforderungen sinnvoll ist, welche die Ausbreitung aller dieser Typen verhindert. Die epidemiologische Literatur nennt drei Voraussetzungen, von denen der Entwicklungszyklus des Parasiten oder des Vektors (Anopheles) vornehmlich abhängt. Erstens eine Temperatur über 16° C, zweitens eine relative Luftfeuchtigkeit von mehr als 50% und drittens die Existenz von Brutplätzen wie ruhende Gewässer (Craig et al., 1999, Knell, 1991; Martin und Lefebvre, 1995; Patz, Epstein, Burke,

& Balbus, 1996). Letzteres ist nur schwer zu messen. Einerseits genügen schon kleinere, nicht verzeichnete Gewässer wie Bewässerungsgräben, damit sich Moskitos vermehren.

Andererseits können sich Veränderungen recht schnell ergeben. Regenfälle können die Brutplätze zerstören, indem ehemals stehende zu fließende Gewässern werden; umgekehrt können Dürren Flussläufe in Tümpel verwandeln. Aus diesem Grund werden nur die Monate im Jahr gezählt, in denen die ersten beiden Bedingungen gemeinsam vorherrschen. Der hier

- 70 -

entwickelte Malariaindex entspricht also der relativen Anzahl der Monate in einem Jahr, in denen das Klima eine Übertragung von Malaria ermöglichen würde. Die Skala reicht von 0 bis 1. Eine 0 weist auf klimatische Gegebenheiten hin, in denen eine Übertragung von Malaria unmöglich ist, eine 1 drückt die Möglichkeit einer Übertragung im ganzen Jahr aus, und Werte zwischen 0 und 1 besagen, dass zumindest in einigen Monaten Malariaepidemien denkbar sind. Die verwendeten Klimadaten stammen von Mitchell, Carter, Jones, Hulme, &

New (2004), Version TYN CY 1.1, stellen monatliche Durchschnittswerte dar und beziehen sich auf politische Einheiten, also die Staatsgebiete.⁴⁰ Durch die Aggregation verliert der Index etwas an Genauigkeit: Die Kriterien auf Länderebene reflektieren nicht unbedingt die Existenz der für Vektoren geeigneten Mikroklimata. Des Weiteren ist anzunehmen, dass Siedlungsgebiete, wie in Äthiopien, Ruanda und Simbabwe, eher in den malariafreien Regionen liegen (Lindsay und Martens, 1998). Trotz der kleineren Schwächen zeigt der Malariaindex durchaus zufrieden stellende Resultate und ist eine deutliche Verbesserung zu den bisher in empirischen Untersuchungen verwendeten Daten.

In einem Vergleich mit dem von Gallup und Sachs (1998) verwendeten Index ergibt sich eine hohe, signifikant positive Korrelation (Abb. 4.3). Ein wesentlicher Gegensatz in der Bewertung besteht ausschließlich für Ruanda, für das der Malariaindex von Gallup und Sachs (1998) den höchsten Wert, der Index basierend auf den Klimabedingungen dagegen den niedrigsten Wert aufweist. Obwohl Ruanda der WHO durchaus Fälle von Malaria in den 1960ern bekannt gab, war Ruanda bis in die 1980er von Malaria nur wenig betroffen (Loevinsohn, 1994). Ein wesentlicher Grund lag darin, dass 95% der ruandischen Bevölkerung in den Hochebenen 1400m bis 2400m über dem Meeresspiegel lebte, in denen die niedrige Temperatur eine Ausbreitung von Malaria einschränkte. Es ist bezeichnend, dass ausschließlich die geringe Temperatur in den Klimadaten zu dem niedrigen Indexwert für

In einem Vergleich mit dem von Gallup und Sachs (1998) verwendeten Index ergibt sich eine hohe, signifikant positive Korrelation (Abb. 4.3). Ein wesentlicher Gegensatz in der Bewertung besteht ausschließlich für Ruanda, für das der Malariaindex von Gallup und Sachs (1998) den höchsten Wert, der Index basierend auf den Klimabedingungen dagegen den niedrigsten Wert aufweist. Obwohl Ruanda der WHO durchaus Fälle von Malaria in den 1960ern bekannt gab, war Ruanda bis in die 1980er von Malaria nur wenig betroffen (Loevinsohn, 1994). Ein wesentlicher Grund lag darin, dass 95% der ruandischen Bevölkerung in den Hochebenen 1400m bis 2400m über dem Meeresspiegel lebte, in denen die niedrige Temperatur eine Ausbreitung von Malaria einschränkte. Es ist bezeichnend, dass ausschließlich die geringe Temperatur in den Klimadaten zu dem niedrigen Indexwert für