Input Data

Lifestyle 

Leading  Traditional  Mainstream  Hedonistic 

Desired in‐degree  15  5  5  10 

Rewiring Probability  0.2  0.05  0.1  0.2 

Probability  to link to: 

Leading  0.8  0.6  0.6  0.5 

Traditional  0.0  0.3  0.1  0.0 

Mainstream  0.0  0.1  0.3  0.0 

Hedonistic  0.2  0.0  0.0  0.5 

Table 7. Expert rating of lifestyle network preferences. Whereas members of leading and  hedonistic lifestyles have far reaching networks and thus are assigned a high rewiring  probability, people of traditional lifestyles do not. Data is based on Schwarz (2007). Table  was adapted from Holzhauer, Krebs, and Ernst (2011) 

One of the basic sources of baseline homophily is the geographical space individuals are  embedded into. In order to reflect the characteristics of the spatial composition in the  network initialisation, we define opportunity sets as the sets of agents located within a  certain radius around a focal agent A. Depending on the type of an agent B from A’s  opportunity set we construct a network link from B to A with the type specific probabilities  shown in Table 7. This process is repeated for all agents from the opportunity set. The  opportunity set is stepwise extended up to a maximum radius (depending on the local  population density) or until the maximum in‐degree of the focal agent is reached. Then, in  order to account for inbreeding homophily, network links are rewired with the type specific  probabilities specified in the second row of Table 7. For this global rewiring process the  opportunity set is extended to the complete agent population, i.e. rewiring introduces some  long‐distance links that are unbiased by local restrictions. 

For further details of the described process of spatial and social network initialisation, refer  to Holzhauer, Krebs, and Ernst (2011, 2012). 

socio‐empirical dataset that is used for agent initialisation. An overview of the datasets was  given previously (Krebs et al., 2011). Here, we extend especially the description of the socio‐

empirical dataset. 

4.4.6.1 Climate and Weather

The weather data driver is based on a climate projection generated by the regional climate  model CLM (Climate Local Model; Hollweg et al., 2008) based on the scenario A1B of the  IPCC (Intergovernmental Panel on Climate Change). In contrast to statistical models CLM is  dynamic in that it allows for the emergence of entirely new weather conditions compared to  historical weather data. For this reason and others all projects in the KLIMZUG‐Northern  Hesse network use the CLM data as a climate reference (Matovelle, Simon, & Rötzel, 2009b,  Matovelle, Simon, & Rötzel, 2009a). 

The full dataset comprises air temperature, wind speed, rainfall, snowfall, and cloud cover  with a temporal resolution of 1 or 3 hours. We use the air temperature data stream to  obtain daily maximum  temperatures  for the investigated region.  Figure 20  shows the  predicted maximum daily air temperatures as spatial means for the entire region. Heat days  with a maximum air temperature of 30° are marked in red; numbers quantify the count of  heat days in one year. We observe a high variability in the numbers of heat days per year as  well as the fact that heat days are only expected from May to September. 

Figure 20. Weather sequence for the target region and the selected climate scenario in daily  resolution Source: Krebs, Holzhauer, and Ernst (2011). 

4.4.6.2 Spatially Referenced Socio Demographic Data

The described climate data mainly reflects the physical context in which agents make their  decisions in the model. Data may straight forward be integrated in an ABSS by allowing  agents to perceive temporally varying weather conditions which in turn allows them to  assess the effective importance of neighbourhood support at any given point in time. It is far  more challenging to initialise the agent population in way that it reasonably reflects the  social situation characteristics found in the target area. A possible approach to structuring  the target population is the concept of sociological lifestyles (Bourdieu, 1984) that clusters  individuals typically in relation to their attitudes, values and orientations. 

We  apply  the  Sinus‐Milieus®  (Sinus  Sociovision,  2007)  that  are  commonly  used  in  commercial market research, but also in environmental research (Gröger, 2011; Schwarz 

& Ernst, 2009). Sinus‐Milieus® group individuals or households along the classical dimension  of social status given by income and education, and supplement this grouping by a second  dimension  that  reflects  social  value  orientations  like  tradition,  modernisation  and  re‐

orientation. Figure 21 displays the classification of the ten Sinus‐Milieus® for Germany: 

Establisheds are self‐confident and think in terms of success and feasibility, while Modern  Performers  are  the  young  and  unconventional  elite.  Postmaterialists  have  liberal  and  postmaterial values, intellectual interests. The old German educated class finds itself in the  Sinus‐Milieu® Conservatives with humanistic values and cultivated forms. Traditionals prefer  security and orderliness, while GDR‐Nostalgia believe in socialist visions of solidarity and  justice. The modern mainstream aims at professional and social establishment and is very  status‐oriented, while consumption‐materialists feel socially discriminated and aspire to the  consumption patterns of the Mainstream. Experimentalists are very individualistic and see  themselves as lifestyle avant‐garde. Pleasure seekers have a low social status and refuse to  accept the expectations of a performance‐oriented society. 

Figure 21. The ten Sinus‐Milieus® for Germany and their aggregation to four milieu groups. 

Milieus located in the upper region of the diagram are characterised by higher levels of  education, more income and belong to upper occupational groups. From left to right milieus  increase  in  their  degree of modernisation and individual innovativeness. Source: Sinus  Sociovision (2007) adapted. 

Figure 21 also shows that there are smooth transitions between the individual milieus. 

Therefore, in order to stress distinctions between milieus it is common to cluster the ten  Sinus‐Milieus® into four different milieu groups (Gröger, 2011; Schwarz & Ernst, 2009) as  displayed  in  Fig.  3:  leading  lifestyles,  mainstream  lifestyles,  traditional  lifestyles,  and  hedonistic lifestyles. Additionally, for the context of neighbourhood support we expect only  minor differences between milieus within one group especially when used in an ABM. 

To make the Sinus‐Milieus® usable in a spatial context Sinus Sociovision and Microm® 

(Micromarketing  Systeme  und  Consult  GmbH  ‐  Microm  Consumer  Marketing  http://www.microm‐online.de)  merged  the  Sinus‐Milieus®  with  the  MOSAIC  database. 

MOSAIC  is  a  geodemographic  segmentation  system,  i.e.  a  multivariate  statistical 

classification technique for inferring if the individuals of a population fall into different  groups by making quantitative comparisons of multiple characteristics. The basic assumption  is that the differences within any spatial neighbourhood should be less than the differences  between neighbourhood groups. 

The merged dataset of spatially referenced socio demographic data for 2007 and temporal  extrapolations until 2030 is available to the project. For the target region, the extrapolations  do not show dynamics that can be expected to have major influence in the context of  neighbourhood support. Therefore, we use the 2007 empirical data as the socio‐empirical  base for the results presented in this paper. The geographical reference units are so‐called  market cells that comprise several hundred households. For each of the market cells the  dataset provides  the number  of households belonging to each of ten different  Sinus‐

Milieus®. Again, for the use in the model we cluster data obtaining four milieu groups. In the  following we refer to milieu groups simply as lifestyles.