Food Consumption and Malnutrition: Machine Learning Applications and Agricultural Trade Analysis

Die Ernährungsgesundheit von Verbrauchern sieht sich weltweit erheblichen Herausforderungen gegenüber, zu denen Mangelernährung, Adipositas und übergewichtsbedingte Gesundheitsrisiken zählen. Der anhaltend hohe Fleischkonsum verschärft zudem die Ressourcenverknappung, beeinträchtigt das Tierwohl und trägt zur Umweltverschmutzung bei. Die vorliegenden Untersuchungen zeigen, dass Verbraucherentscheidungen nicht nur die individuelle Gesundheit beeinflussen, sondern auch die Struktur der Lebensmittelindustrie, die Umweltverträglichkeit und die internationalen Handelsmuster prägen. Die Optimierung des Kaufverhaltens der Verbraucher ist daher sowohl für politische Entscheidungsträger als auch für Marktforscher zu einem wichtigen Thema geworden. Der Lebensmittelmarkt unterliegt derzeit einem tiefgreifenden Wandel. Dieser ist geprägt von der zunehmenden Relevanz neuartiger Produkte, wie pflanzenbasiertes und kultiviertes Fleisch, die sich sukzessive in das Bewusstsein der Verbraucherinnen und Verbraucher integrieren. Gleichzeitig führen diese Entwicklungen zu einer zunehmenden Komplexität traditioneller Konsumentscheidungsmechanismen. Entwicklungen der Datenverarbeitungskapazitäten, durch u. a. Machine-Learning-Techniken, können dabei helfen, komplexe Entscheidungsmuster zu identifizieren. Vor diesem Hintergrund versucht die vorliegende Dissertation, Machine Learning in der Verbraucherverhaltensforschung anzuwenden, und nutzt dabei die Lasso-Regularisierung zur Identifizierung zentraler Determinanten von Verbraucherentscheidungen. Lasso erreicht eine automatische Merkmalsauswahl, indem es einen Strafterm zur Residuenquadratsumme (RSS) hinzufügt, und mildert damit wirkungsvoll Multikollinearitäts- und Overfittingprobleme im Datensatz. Im ersten Essay wird der Einsatz von Methoden des Maschinellen Lernens in Choice Experiments (CE) untersucht. Als effiziente Erhebungsmethode zur Ermittlung von Konsumentenpräferenzen ist CE häufig von sogenannter Attribut-Nichtbeachtung (Attribute Non-Attendance, ANA) betroffen, was zu Verzerrungen in der Parameterschätzung führen kann. Maschinelles Lernen bietet eine effektive Vorgehensweise, um dieses Problem anzugehen, und bietet eine vielversprechende Alternative zu traditionellen Methoden. Um dies zu illustrieren, haben wir ein CE zu biologisch angebauten Äpfeln in Deutschland durchgeführt, wobei der Lasso-Algorithmus verwendet wurde, um potenzielle ANA auszuschließen. Die Ergebnisse deuten darauf hin, dass die biologische Zertifizierung möglicherweise keine bedeutende Determinante bei den Kaufentscheidungen der Verbraucher für Äpfel darstellt. Stattdessen tendieren die Verbraucher dazu, intuitivere Attribute wie Aussehen und Geschmack zu priorisieren. Dieses Muster hat Implikationen für die Formulierung von Marketingstrategien. Lasso erweist sich dabei sowohl in der Gestaltung von CE mit begrenztem Vorwissen als auch bei der nachträglichen Schätzung der Zahlungsbereitschaft (Willingness to Pay, WTP) als nützlich und eröffnet neue operative Perspektiven für verwandte Forschungsfelder. Der zweite Essay widmet sich dem Markt für Fleischalternativen in China. Als eines der weltweit größten Fleischtkonsumierenden Länder befindet sich die Industrie von Fleischalternativen Chinas noch in einem frühen Entwicklungsstadium. Ein besseres Verständnis der Kaufpräferenzen chinesischer Verbraucher somit ist von großer Bedeutung, da es nicht nur das Wachstum dieser Branche fördert und zur Ausbalancierung von Fleischangebot und -nachfrage beiträgt, sondern auch positive Effekte auf umweltbezogene Nachhaltigkeit und Tierwohl haben kann. Zudem kann eine Abkehr von übermäßigem Fleischkonsum zur Verringerung gesundheitlicher Risiken beitragen, die mit unausgewogener Ernährung einhergehen. Auch hier wenden wir eine Methode des Maschinellen Lernens an, um das Kaufverhalten chinesischer Verbraucher im Hinblick auf Fleischalternativen vorherzusagen und die maßgeblichen Einflussfaktoren zu identifizieren. Die Ergebnisse der Lasso-Regression zeigen, dass der erste Eindruck eine entscheidende Rolle spielt: Neugierde fördert tendenziell die Kaufbereitschaft, während Unsicherheit und Angst gegenüber kultiviertem Fleisch abschreckend wirken. Darüber hinaus messen die Verbraucher Aspekten wie Lebensmittelsicherheit, gesundheitlichem Nutzen und ökologischer Nachhaltigkeit große Bedeutung bei. Gleichzeitig stellen wahrgenommene Geschmacksunterschiede im Vergleich zu herkömmlichem Fleisch sowie hohe Preise nach wie vor wesentliche Hürden für die Akzeptanz dar. Auf Grundlage dieser Erkenntnisse sollten Entscheidungsträger strenge Lebensmittelstandards und regulatorische Rahmenbedingungen etablieren, während gleichzeitig Unternehmen dazu ermutigt werden sollten, Produktionstechnologien zu verbessern und den Markt für Fleischalternativen auszuweiten. Darüber hinaus können innovative Marketingstrategien dazu beitragen, den Kreis potenzieller Konsumenten zu vergrößern. Langfristig ist es jedoch entscheidend, bei den Verbrauchern ein wissenschaftlich fundiertes Verständnis für Fleischalternativen zu fördern, um Wiederholungskäufe zu begünstigen und eine nachhaltige Marktakzeptanz sicherzustellen. Gleichzeitig hat der Agraraußenhandel signifikanten Einfluss auf Ernährungsstandards und Lebensmittelsicherheit. Die Erreichung der von den Vereinten Nationen definierten Nachhaltigkeitsziele (SDGs) setzt voraus, dass alle Menschen jederzeit Zugang zu sicheren, nahrhaften und ausreichenden Lebensmitteln haben. Dabei spielt Handel eine wichtige Rolle, weil er dazu beitragen kann, Ernährungssysteme in Ländern mit niedrigem und mittlerem Einkommen zu entlasten und die Ernährung, Nährstoffversorgung sowie die Vorbeugung chronischer Krankheiten zu verbessern. Vor diesem Hintergrund entwickelt die dritte Studie einen Nutrition Trade Index (NTI), um den Abhängigkeitsgrad der Ernährungsstandards verschiedener Länder vom Agraraußenhandel zu messen. Wir verwenden die Kalorienversorgung als Maß für das Ernährungsniveau und berechnen auf Grundlage von FAO-Daten entsprechende Indizes für Länder weltweit. Die Analyse berücksichtigt soziale, wirtschaftliche, ökologische und politische Faktoren. Zweiseitige Fixed-Effects-Modelle mit separaten Regressionen für Entwicklungs- und Industrieländer untersuchen, wie sich der Handel auf Mangelernährung auswirkt. Die Ergebnisse zeigen, dass der NTI in Entwicklungsländern signifikant negativ mit der Prävalenz von Wachstumsverzögerungen, Ernährungsunsicherheit und Übergewicht im Kindesalter korreliert, während er die Proteinversorgung positiv beeinflusst. Dies deutet darauf hin, dass eine stärkere Integration in den internationalen Handel zur Verbesserung des Ernährungszustands in Entwicklungsländern beitragen kann. In Industrieländern hingegen hat der NTI einen signifikant positiven Einfluss auf die Adipositasrate bei Erwachsenen und trägt damit zu Überernährung bei. Die Studie liefert neue Evidenz über die Auswirkungen des internationalen Handels auf Formen der Mangelernährung. Obwohl der Rahmen der SDGs günstige Voraussetzungen für die Entwicklung des Agrarhandels schafft, stehen Länder vor der Herausforderung, die potenziell negativen Effekte dieses Handels möglichst gering zu halten. Insgesamt fokussieren sich diese drei Abhandlungen auf Fragestellungen des Lebensmittelkonsums und der Ernährungssicherheit und erforschen dabei sowohl die zentralen Faktoren, die das Kaufverhalten von Verbrauchern bei Lebensmitteln beeinflussen, als auch die Mechanismen, durch welche der Agraraußenhandel die Ernährungsbedingungen in Entwicklungs- und Industrieländern prägt. Sie identifizieren die tatsächlichen Bedürfnisse und Bedenken der Verbraucher bezüglich biologischer und neuartiger Lebensmittelprodukte und unterstützen Regierungen, Lebensmittelunternehmen und Einzelhändler bei der Entwicklung von Strategien, die die Marktakzeptanz der Produkte verbessern. Die Forschung liefert zudem neue theoretische Rahmenwerke und empirische Belege für die Aufrechterhaltung der Ernährungssicherheit und die Verbesserung der öffentlichen Gesundheit. Insgesamt befassen sich die drei Studien dieser Dissertation mit Fragen des Lebensmittelkonsums und der Ernährungssicherheit. Sie untersuchen die zentralen Faktoren, die das Kaufverhalten der Verbraucher beeinflussen, sowie die Mechanismen, über die der Agrarhandel die Ernährungsbedingungen in Entwicklungs- und Industrieländern prägt. Zudem identifizieren sie die tatsächlichen Bedürfnisse und Anliegen der Konsumenten in Bezug auf biologische und neuartige Lebensmittelprodukte und unterstützen politische Entscheidungsträger, Lebensmittelunternehmen und Einzelhändler dabei, Strategien zu entwickeln, die die Marktakzeptanz solcher Produkte erhöhen. Die drei Aufsätze liefern neue theoretische Ansätze und empirische Evidenz zur Sicherung der Ernährungssicherheit und zur Förderung der öffentlichen Gesundheit. Aus methodischer Sicht leistet die Dissertation einen Beitrag, indem sie Methoden des maschinellen Lernens in die Forschung zum Verbraucherverhalten integriert. Supervised algorithms erweisen sich insbesondere bei hochdimensionalen Datensätzen als wirksame Instrumente für die automatisierte Merkmalsauswahl. Dieser Ansatz verbessert die Schätzgenauigkeit und die Robustheit der Modelle und eröffnet neue Möglichkeiten für zukünftige empirische Anwendungen in diesem Forschungsfeld.