SlideShare ist ein Scribd-Unternehmen logo
Kausalität und Designs
VL Forschungsmethoden
Einführung/Wiederholung
Kausalität
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Designs
Designs im weiteren Sinne
Designs im engeren Sinne
Fazit/Ausblick
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Einführung/Wiederholung
Ziel der Veranstaltung
Vertiefung Kenntnisse BA
Verständnis für aktuelle Forschung
Vorbereitung Masterarbeit
VL Forschungsmethoden Kausalität/Designs (1/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Einführung/Wiederholung
Ziel der Veranstaltung
Vertiefung Kenntnisse BA
Verständnis für aktuelle Forschung
Vorbereitung Masterarbeit
Kausalaussagen in der Politik:
“Staatsverschuldung in den Krisenländern . . . nicht die
Ursache der Euro-Krise” (ND)
Selbstmord von Mohammed Bouazizi war “Auslöser für den
Aufstand in Tunesien” (Welt)
Christine Lieberknecht: Niedrigere Löhne in Ostdeutschland
“Grund für die Abwanderung gerade junger Leute” →
Mindestlöhne (heute)
VL Forschungsmethoden Kausalität/Designs (1/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Was ist Kausalität?
VL Forschungsmethoden Kausalität/Designs (2/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Was ist Kausalität?
Aussage: Ursache und Wirkung
Begründung
Systematik
Asymmetrie
Manipulierbarkeit
Wissenschaft vs Alltagsdenken
Wissenschaft besser?
Warum?
VL Forschungsmethoden Kausalität/Designs (2/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Was ist Kausalität?
Wiederholung: vier Voraussetzungen
für Kausalaussagen (Faustregel)
1. Korrelation
2. Zeitliche Reihenfolge
3. Kein Einfluß von Drittvariablen
4. Theoretische Begründung
VL Forschungsmethoden Kausalität/Designs (2/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Vier Ideen über Kausalität
Endlose philosophische, erkenntnistheoretische,
wissenschaftliche Debatten
Für uns: Anwendungsperspektive
VL Forschungsmethoden Kausalität/Designs (3/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Vier Ideen über Kausalität
Endlose philosophische, erkenntnistheoretische,
wissenschaftliche Debatten
Für uns: Anwendungsperspektive
Vier Hauptideen/-ansätze:
1. Hume: Assoziation und Regelmäßigkeit
2. Manipulation
3. Mechanismen und Kapazitäten
4. Kontrafaktische Ansätze
VL Forschungsmethoden Kausalität/Designs (3/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Empirische Politikwissenschaftler drücken sich um sind sehr
vorsichtig mit Kausalaussagen
Ilabaca/Lucero/Pineda 2010: “Media consumption is correlated
with political predispositions and economic perceptions. But
the direction of causality is not evident”
VL Forschungsmethoden Kausalität/Designs (4/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Empirische Politikwissenschaftler drücken sich um sind sehr
vorsichtig mit Kausalaussagen
Ilabaca/Lucero/Pineda 2010: “Media consumption is correlated
with political predispositions and economic perceptions. But
the direction of causality is not evident”
Hanushek 2002: “While it is generally difficult to infer
causation from aggregate trends, . . . ”
VL Forschungsmethoden Kausalität/Designs (4/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Empirische Politikwissenschaftler drücken sich um sind sehr
vorsichtig mit Kausalaussagen
Ilabaca/Lucero/Pineda 2010: “Media consumption is correlated
with political predispositions and economic perceptions. But
the direction of causality is not evident”
Hanushek 2002: “While it is generally difficult to infer
causation from aggregate trends, . . . ”
Chomsky 2000: “Democratic theorists observe high correlations
between public opinion and government policy, but it is
difficult to determine the direction of causation”
VL Forschungsmethoden Kausalität/Designs (4/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Warum (manchmal) lieber keine Kausalaussagen?
Keine passenden Daten/Designs
VL Forschungsmethoden Kausalität/Designs (5/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Warum (manchmal) lieber keine Kausalaussagen?
Keine passenden Daten/Designs
Soziale Prozesse extrem komplex & nicht deterministisch
VL Forschungsmethoden Kausalität/Designs (5/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Warum (manchmal) lieber keine Kausalaussagen?
Keine passenden Daten/Designs
Soziale Prozesse extrem komplex & nicht deterministisch
Vollständige Kausalerklärungen
Riskant
Kaum vorstellbar
Führen ins Uferlose
VL Forschungsmethoden Kausalität/Designs (5/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Warum (manchmal) lieber keine Kausalaussagen?
Keine passenden Daten/Designs
Soziale Prozesse extrem komplex & nicht deterministisch
Vollständige Kausalerklärungen
Riskant
Kaum vorstellbar
Führen ins Uferlose
Nicht alles hat einen Sinn/eine Funktion (Funktionalismus)
VL Forschungsmethoden Kausalität/Designs (5/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Warum sind Kausalaussagen trotzdem wichtig?
Verstehen ohne Kausalität?
Alphabetisierungsgrad und Demokratie stark korreliert
Aber warum?
VL Forschungsmethoden Kausalität/Designs (6/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Warum sind Kausalaussagen trotzdem wichtig?
Verstehen ohne Kausalität?
Alphabetisierungsgrad und Demokratie stark korreliert
Aber warum?
Vorhersagen ohne Kausalität?
Instrumentalismus: Sichere Vorhersagen ohne Verständnis
(zeitliche Stabilität)?!?
Modell funktioniert gut
Ohne kausale Absicherung kann es jederzeit zusammenbrechen
Verwandt mit Induktionsproblem
Hume: Wenn Sonne bisher jeden Tag aufgegangen ist, wird sie
auch morgen aufgehen?
VL Forschungsmethoden Kausalität/Designs (6/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Warum sind Kausalaussagen trotzdem wichtig?
Verstehen ohne Kausalität?
Alphabetisierungsgrad und Demokratie stark korreliert
Aber warum?
Vorhersagen ohne Kausalität?
Instrumentalismus: Sichere Vorhersagen ohne Verständnis
(zeitliche Stabilität)?!?
Modell funktioniert gut
Ohne kausale Absicherung kann es jederzeit zusammenbrechen
Verwandt mit Induktionsproblem
Hume: Wenn Sonne bisher jeden Tag aufgegangen ist, wird sie
auch morgen aufgehen?
Manipulation ohne Kausalität?
Policy: More bang for my buck
Kausale Theorie + (quasi-)experimenteller Test
VL Forschungsmethoden Kausalität/Designs (6/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Hempel-Oppenheim als Idealfall?
Gesetz Alle Schwäne weiß Mehrheitswahlrecht →
Zweiparteiensystem
↓
Randbedingung X ist Schwan UK hat Mehrheitswahl-
recht
↓
Konklusion X ist weiß weil Schwan Zweiparteiensystem weil
Mehrheitswahlrecht
VL Forschungsmethoden Kausalität/Designs (7/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Probleme mit dem Hempel-Oppenheim Schema
(Hier: empirisch falsch, zumindest in allgemeiner Form)
Setzt nur Korrelation voraus, keinen kausalen Zusammenhang
Drittvariablenprobleme und Pre-Emption
VL Forschungsmethoden Kausalität/Designs (8/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Probleme mit dem Hempel-Oppenheim Schema
(Hier: empirisch falsch, zumindest in allgemeiner Form)
Setzt nur Korrelation voraus, keinen kausalen Zusammenhang
Drittvariablenprobleme und Pre-Emption
Oft wollen wir Einzelfälle erklären
Sozialwissenschaften: kaum allgemeine Gesetze, “Theorien
mittlerer Reichweite”
Probabilistische “Gesetze” angemessener
Menschen/soziale Beziehungen noch chaotischer als
Gasmoleküle
Theorien postulieren keine exakten Wahrscheinlichkeiten
VL Forschungsmethoden Kausalität/Designs (8/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Probleme mit dem Hempel-Oppenheim Schema
(Hier: empirisch falsch, zumindest in allgemeiner Form)
Setzt nur Korrelation voraus, keinen kausalen Zusammenhang
Drittvariablenprobleme und Pre-Emption
Oft wollen wir Einzelfälle erklären
Sozialwissenschaften: kaum allgemeine Gesetze, “Theorien
mittlerer Reichweite”
Probabilistische “Gesetze” angemessener
Menschen/soziale Beziehungen noch chaotischer als
Gasmoleküle
Theorien postulieren keine exakten Wahrscheinlichkeiten
Suche nach und Anwendung von allgemeinen Gesetzen
(mittlerer Reichweite) nicht immer zielführend
VL Forschungsmethoden Kausalität/Designs (8/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Was ist ein Mechanismus?
Angelehnt an Naturwissenschaften (Biologie)
Sozialwissenschaftliche Definitionen oft nicht sehr klar
VL Forschungsmethoden Kausalität/Designs (9/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Was ist ein Mechanismus?
Definition (Mechanismus)
Stellt kausale Verbindung zwischen zwei Ereignisse her
“Constellation of entities [with their properties] and activities
that are organized such that they regularly bring about a
particular type of outcome” (Hedström 2008)
Beispiele (Elster)
Nutzenmaximierung
Soziale Dilemmata
Kognitive Dissonanz
Sour grapes
Selbsterfüllende/-zerstörende Prophezeiungen
. . .
VL Forschungsmethoden Kausalität/Designs (9/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
“Make it testable”
Mechanismen haben selbst tiefere Ursachen
Normalerweise ignorieren
Aber: Zusammenarbeit mit Naturwissenschaftlern
Stückwerk
Zwischen allgemeinen Gesetzen und bloßen Regelmäßigkeiten
Auswahl zwischen Mechanismen
Verschiedene Mechanismen können zum gleichen Ergebnis
führen
Storytelling?
Wirkung von Mechanismen prüfen; Prognosen
Nochmal: Was ist Kausalität bzw. kausale Effekte?
VL Forschungsmethoden Kausalität/Designs (10/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Die Heilige Dreifaltigkeit
Jerzy Neyman: Begründer der Perspektive
(zusammen mit Fisher), 1923
Donald B. Rubin: Weitere Formalisierung,
missing data problem (1974, 1978)
? Paul W. Holland: Synthese (1986)
VL Forschungsmethoden Kausalität/Designs (11/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Kontrafaktische Definition kausaler Effekte
“Vorgehen”
1. Beobachte Wert Yi0 an Objekt i in Welt wo Xi=0; z.B. X≡
Arbeitslosigkeit, Y≡ Rechtsextremismus, i ≡ Petra Musterfrau
2. Beobachte Yi1 in einer “closest possible world” wo Xi = 1
(ansonsten keine Veränderungen)
3. Kausaler Effekt von X auf Y = Yi1 − Yi0
VL Forschungsmethoden Kausalität/Designs (12/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Kontrafaktische Definition kausaler Effekte
“Vorgehen”
1. Beobachte Wert Yi0 an Objekt i in Welt wo Xi=0; z.B. X≡
Arbeitslosigkeit, Y≡ Rechtsextremismus, i ≡ Petra Musterfrau
2. Beobachte Yi1 in einer “closest possible world” wo Xi = 1
(ansonsten keine Veränderungen)
3. Kausaler Effekt von X auf Y = Yi1 − Yi0
Probleme
Kann X unabhängig vom Rest der Welt variieren?
In der Realität kann man Yi0 und Yi1 niemals gleichzeitig
beboachten
VL Forschungsmethoden Kausalität/Designs (12/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Was ist Kausalität?
Große Fragen, kleine Mechanismen
Das Neyman-Rubin-Holland Framework
Kontrafaktische Definition kausaler Effekte
“Vorgehen”
1. Beobachte Wert Yi0 an Objekt i in Welt wo Xi=0; z.B. X≡
Arbeitslosigkeit, Y≡ Rechtsextremismus, i ≡ Petra Musterfrau
2. Beobachte Yi1 in einer “closest possible world” wo Xi = 1
(ansonsten keine Veränderungen)
3. Kausaler Effekt von X auf Y = Yi1 − Yi0
Probleme
Kann X unabhängig vom Rest der Welt variieren?
In der Realität kann man Yi0 und Yi1 niemals gleichzeitig
beboachten
Aber:
Klare Definition
Rubin: nur ein missing data problem
Klare Definition → Erklärung dafür, was mit welchen Designs
geht (oder auch nicht)
VL Forschungsmethoden Kausalität/Designs (12/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Gutes Design
Klarheit über theoretische Grundannahmen
Fragestellung?
Was wird geprüft?
Was wird angenommen
Eindeutige Operationalisierung
Messung
Möglichst viel Kontrolle (Experiment)
Möglichst Messung über Zeit (Verläufe)
Potentielle Dritt-/Hintergrundvariablen erfassen
Kontextvariablen erfassen
Mögliche Probleme möglichst früh identifizieren
Logik und Ereignisse als Hebel nutzen
VL Forschungsmethoden Kausalität/Designs (13/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Manchmal hilft Logik: Block-Kausalität
Arzheimer/Carter 2009: Religion und Rechtsextremismus
Socio-Demographics (I) Religiosity (II) Political Attitudes (III) Radical Right Vote (IV)
Figure 1: The Building Blocks of the Causal Model
rra1 rra2 rra3 rra...
Radical Right Attitudes
Socio-Demographics (I) Radical Right Vote (IV)
CD-PID
Religiosity (II)
rel1 rel2 rel3 rel4
(III)
Notes:
1. Squares represent observed variables, ovals represent latent constructs
2. ‘Socio-Demographics’ refers to class (a dummy for workers and petty bourgeoisie), age
(dummies for being under 30 or over 65), gender, and level of formal education. The
respective effects of these four variables are estimated seperately.
3. Arrows for the residuals are not shown for lack of space.
Figure 2: The Causal ModelVL Forschungsmethoden Kausalität/Designs (14/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Was gehört zum Design?
1. Anzahl Objekte
2. Auswahl Objekte
3. Anzahl Messung
4. Zeitliche Anordnung Messungen
(vor/nach Veränderung von X)
5. Kontrolle über Veränderung von X
VL Forschungsmethoden Kausalität/Designs (15/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Kontrollierte Experimente
Beste Annäherung an kontrafaktische Messung kausaler Effekte
Zwei Objekte sind absolut identisch (unit homogeneity)
Experimentelle Manipulation von X; Messung vorher/nachher
Andere Faktoren sind identisch
VL Forschungsmethoden Kausalität/Designs (16/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Kontrollierte Experimente
Beste Annäherung an kontrafaktische Messung kausaler Effekte
Zwei Objekte sind absolut identisch (unit homogeneity)
Experimentelle Manipulation von X; Messung vorher/nachher
Andere Faktoren sind identisch
Beispiel: Chemische Lösung mit/ohne Katalysator
Politikwissenschaft:
Gedankenexperimente
Simulationen
VL Forschungsmethoden Kausalität/Designs (16/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Randomisierte Experimente
Experimentelle Manipulation von X; Messung vorher/nachher
Andere Faktoren möglichst identisch
Zufällige Zuordnung Experimental-/Kontrollgruppe
Gruppen sind homogen (bzgl. anderer Variablen)
Zuordnungsmechanismus von Y statistisch unabhängig (keine
Selbstselektion)
Differenz der Mittelwerte von Y in
Kontroll-/Experimentalgruppe
Annäherung an kontrafaktische Differenz
Mittlerer kausaler Effekt
Voraussetzung: keine Effekte durch Selektion/Messung
Doppelblindversuche
Solomon-Pläne (z.B. vier Gruppen)
VL Forschungsmethoden Kausalität/Designs (17/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Randomisierte Experimente
Experimentelle Manipulation von X; Messung vorher/nachher
Andere Faktoren möglichst identisch
Zufällige Zuordnung Experimental-/Kontrollgruppe
Gruppen sind homogen (bzgl. anderer Variablen)
Zuordnungsmechanismus von Y statistisch unabhängig (keine
Selbstselektion)
Differenz der Mittelwerte von Y in
Kontroll-/Experimentalgruppe
Annäherung an kontrafaktische Differenz
Mittlerer kausaler Effekt
Voraussetzung: keine Effekte durch Selektion/Messung
Doppelblindversuche
Solomon-Pläne (z.B. vier Gruppen)
“Goldstandard” für Sozialwissenschaften
VL Forschungsmethoden Kausalität/Designs (17/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Randomisierte Experimente
Experimentelle Manipulation von X; Messung vorher/nachher
Andere Faktoren möglichst identisch
Zufällige Zuordnung Experimental-/Kontrollgruppe
Gruppen sind homogen (bzgl. anderer Variablen)
Zuordnungsmechanismus von Y statistisch unabhängig (keine
Selbstselektion)
Differenz der Mittelwerte von Y in
Kontroll-/Experimentalgruppe
Annäherung an kontrafaktische Differenz
Mittlerer kausaler Effekt
Voraussetzung: keine Effekte durch Selektion/Messung
Doppelblindversuche
Solomon-Pläne (z.B. vier Gruppen)
“Goldstandard” für Sozialwissenschaften
Feldexperimente vs. Laborexperimente (Kontinuum)
VL Forschungsmethoden Kausalität/Designs (17/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Ex-Post-Facto Designs (observational data)
(Häufig) keine vorher/nachher Messung (aber: Panelstudien)
Keine zufällige Zuordnung
Gruppen heterogen (unterscheiden sich bzgl. anderer
Merkmale; statistische Kontrolle notwendig)
X mit Auswahlmechanismus und anderen Variablen eng
korreliert (Bsp. Arbeitslosigkeit/Rechtsextremismus)
VL Forschungsmethoden Kausalität/Designs (18/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Ex-Post-Facto Designs (observational data)
(Häufig) keine vorher/nachher Messung (aber: Panelstudien)
Keine zufällige Zuordnung
Gruppen heterogen (unterscheiden sich bzgl. anderer
Merkmale; statistische Kontrolle notwendig)
X mit Auswahlmechanismus und anderen Variablen eng
korreliert (Bsp. Arbeitslosigkeit/Rechtsextremismus)
Kausalitätsprüfung sehr problematisch, aber:
Logik
Drittvariablenkontrolle
Informationen über zeitlich
Reihenfolge/Wiederholungsmessungen
Ggf. matching
VL Forschungsmethoden Kausalität/Designs (18/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Natürliche Experimente
“Natur” (Politik, soziale Realität etc.) ersetzt Experimentator
Gute externe Validität
Variation oft nicht anders möglich
Kernfrage: Wie zufällig ist die Zuweisung?
Beispiele
Einführung neuer Wahlsysteme
Änderung der ethnischen Zusammensetzung von Wahlkreisen
nach Katrina
Hilfeleistungen der Bundesregierung nach Elbe-Flut
VL Forschungsmethoden Kausalität/Designs (19/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Discontinuity
Nutzt die Existenz von Schwellenwerten in
Verordnungen/Gesetzen
Z.B.
Sozialleistungen werden bezahlt, wenn exakter
Einkommenswert unterschritten
Zuweisungen an Regionen aus EU-Programmen, wenn
Bedingungen erfüllt
(Erheblich) größeres Gemeindeparlament, wenn mehr als 5000
Einwohner (Skandinavien)
VL Forschungsmethoden Kausalität/Designs (20/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Discontinuity
Nutzt die Existenz von Schwellenwerten in
Verordnungen/Gesetzen
Z.B.
Sozialleistungen werden bezahlt, wenn exakter
Einkommenswert unterschritten
Zuweisungen an Regionen aus EU-Programmen, wenn
Bedingungen erfüllt
(Erheblich) größeres Gemeindeparlament, wenn mehr als 5000
Einwohner (Skandinavien)
Logik
Vergleich von Objekten “in der Nähe” des Schwellenwertes
Fast identisch (im Mittel), aber Intenvention/keine Intervention
VL Forschungsmethoden Kausalität/Designs (20/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Discontinuity
Nutzt die Existenz von Schwellenwerten in
Verordnungen/Gesetzen
Z.B.
Sozialleistungen werden bezahlt, wenn exakter
Einkommenswert unterschritten
Zuweisungen an Regionen aus EU-Programmen, wenn
Bedingungen erfüllt
(Erheblich) größeres Gemeindeparlament, wenn mehr als 5000
Einwohner (Skandinavien)
Logik
Vergleich von Objekten “in der Nähe” des Schwellenwertes
Fast identisch (im Mittel), aber Intenvention/keine Intervention
Problem: meist nur wenige Fälle in der Nähe
VL Forschungsmethoden Kausalität/Designs (20/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Designs im weiteren Sinne
Designs im engeren Sinne
Gemeindegröße, Zahl der Parlamentarier und Ausgaben in
Skandinavien
Quelle: Gerber/Green 2008: 375
VL Forschungsmethoden Kausalität/Designs (21/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Zusammenfassung
Kausalität schwierig, aber interessant
“Theorien mittlerer Reichweite”, aber: ohne Kausalität keine
echte Wissenschaft
Kausale Effekte kontrafaktisch definiert
Kontrafaktische Definition erleichtert Verständnis der Probleme
Verschiedene Designs bieten unterschiedliche gute/schlechte
Annäherung an verborgenen kausalen Effekt
VL Forschungsmethoden Kausalität/Designs (22/24)
Einführung/Wiederholung
Kausalität
Designs
Fazit/Ausblick
Ausblick
(Wieder) zunehmendes Interesse an Schätzung kausaler Effekte
Sehr viel mehr Experimente
Matching
VL Forschungsmethoden Kausalität/Designs (23/24)

Weitere ähnliche Inhalte

Mehr von kai-arzheimer

Politisches engagement-in-den-neuen-bundeslaendern
Politisches engagement-in-den-neuen-bundeslaendernPolitisches engagement-in-den-neuen-bundeslaendern
Politisches engagement-in-den-neuen-bundeslaendern
kai-arzheimer
 
Neue soziale bewegungen_2
Neue soziale bewegungen_2Neue soziale bewegungen_2
Neue soziale bewegungen_2
kai-arzheimer
 
Nsb
NsbNsb
Fraktionen
FraktionenFraktionen
Fraktionen
kai-arzheimer
 
Buerger parlament-1
Buerger parlament-1Buerger parlament-1
Buerger parlament-1
kai-arzheimer
 
Fraktionsgeschlossenheit
FraktionsgeschlossenheitFraktionsgeschlossenheit
Fraktionsgeschlossenheit
kai-arzheimer
 
Arbeiterbewegung
ArbeiterbewegungArbeiterbewegung
Arbeiterbewegung
kai-arzheimer
 
Political opportunity structures
Political opportunity structures Political opportunity structures
Political opportunity structures
kai-arzheimer
 
Folien Ressourcenmobilisierung
Folien RessourcenmobilisierungFolien Ressourcenmobilisierung
Folien Ressourcenmobilisierung
kai-arzheimer
 
Referat structural strains
Referat structural strainsReferat structural strains
Referat structural strains
kai-arzheimer
 

Mehr von kai-arzheimer (11)

Politisches engagement-in-den-neuen-bundeslaendern
Politisches engagement-in-den-neuen-bundeslaendernPolitisches engagement-in-den-neuen-bundeslaendern
Politisches engagement-in-den-neuen-bundeslaendern
 
Neue soziale bewegungen_2
Neue soziale bewegungen_2Neue soziale bewegungen_2
Neue soziale bewegungen_2
 
Nsb
NsbNsb
Nsb
 
Fraktionen
FraktionenFraktionen
Fraktionen
 
Buerger parlament-1
Buerger parlament-1Buerger parlament-1
Buerger parlament-1
 
Fraktionsgeschlossenheit
FraktionsgeschlossenheitFraktionsgeschlossenheit
Fraktionsgeschlossenheit
 
Ns II
Ns IINs II
Ns II
 
Arbeiterbewegung
ArbeiterbewegungArbeiterbewegung
Arbeiterbewegung
 
Political opportunity structures
Political opportunity structures Political opportunity structures
Political opportunity structures
 
Folien Ressourcenmobilisierung
Folien RessourcenmobilisierungFolien Ressourcenmobilisierung
Folien Ressourcenmobilisierung
 
Referat structural strains
Referat structural strainsReferat structural strains
Referat structural strains
 

Kausalität und Forschungsdesigns

  • 1. Kausalität und Designs VL Forschungsmethoden
  • 2. Einführung/Wiederholung Kausalität Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Designs Designs im weiteren Sinne Designs im engeren Sinne Fazit/Ausblick
  • 3. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Einführung/Wiederholung Ziel der Veranstaltung Vertiefung Kenntnisse BA Verständnis für aktuelle Forschung Vorbereitung Masterarbeit VL Forschungsmethoden Kausalität/Designs (1/24)
  • 4. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Einführung/Wiederholung Ziel der Veranstaltung Vertiefung Kenntnisse BA Verständnis für aktuelle Forschung Vorbereitung Masterarbeit Kausalaussagen in der Politik: “Staatsverschuldung in den Krisenländern . . . nicht die Ursache der Euro-Krise” (ND) Selbstmord von Mohammed Bouazizi war “Auslöser für den Aufstand in Tunesien” (Welt) Christine Lieberknecht: Niedrigere Löhne in Ostdeutschland “Grund für die Abwanderung gerade junger Leute” → Mindestlöhne (heute) VL Forschungsmethoden Kausalität/Designs (1/24)
  • 5. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Was ist Kausalität? VL Forschungsmethoden Kausalität/Designs (2/24)
  • 6. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Was ist Kausalität? Aussage: Ursache und Wirkung Begründung Systematik Asymmetrie Manipulierbarkeit Wissenschaft vs Alltagsdenken Wissenschaft besser? Warum? VL Forschungsmethoden Kausalität/Designs (2/24)
  • 7. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Was ist Kausalität? Wiederholung: vier Voraussetzungen für Kausalaussagen (Faustregel) 1. Korrelation 2. Zeitliche Reihenfolge 3. Kein Einfluß von Drittvariablen 4. Theoretische Begründung VL Forschungsmethoden Kausalität/Designs (2/24)
  • 8. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Vier Ideen über Kausalität Endlose philosophische, erkenntnistheoretische, wissenschaftliche Debatten Für uns: Anwendungsperspektive VL Forschungsmethoden Kausalität/Designs (3/24)
  • 9. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Vier Ideen über Kausalität Endlose philosophische, erkenntnistheoretische, wissenschaftliche Debatten Für uns: Anwendungsperspektive Vier Hauptideen/-ansätze: 1. Hume: Assoziation und Regelmäßigkeit 2. Manipulation 3. Mechanismen und Kapazitäten 4. Kontrafaktische Ansätze VL Forschungsmethoden Kausalität/Designs (3/24)
  • 10. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Empirische Politikwissenschaftler drücken sich um sind sehr vorsichtig mit Kausalaussagen Ilabaca/Lucero/Pineda 2010: “Media consumption is correlated with political predispositions and economic perceptions. But the direction of causality is not evident” VL Forschungsmethoden Kausalität/Designs (4/24)
  • 11. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Empirische Politikwissenschaftler drücken sich um sind sehr vorsichtig mit Kausalaussagen Ilabaca/Lucero/Pineda 2010: “Media consumption is correlated with political predispositions and economic perceptions. But the direction of causality is not evident” Hanushek 2002: “While it is generally difficult to infer causation from aggregate trends, . . . ” VL Forschungsmethoden Kausalität/Designs (4/24)
  • 12. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Empirische Politikwissenschaftler drücken sich um sind sehr vorsichtig mit Kausalaussagen Ilabaca/Lucero/Pineda 2010: “Media consumption is correlated with political predispositions and economic perceptions. But the direction of causality is not evident” Hanushek 2002: “While it is generally difficult to infer causation from aggregate trends, . . . ” Chomsky 2000: “Democratic theorists observe high correlations between public opinion and government policy, but it is difficult to determine the direction of causation” VL Forschungsmethoden Kausalität/Designs (4/24)
  • 13. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Warum (manchmal) lieber keine Kausalaussagen? Keine passenden Daten/Designs VL Forschungsmethoden Kausalität/Designs (5/24)
  • 14. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Warum (manchmal) lieber keine Kausalaussagen? Keine passenden Daten/Designs Soziale Prozesse extrem komplex & nicht deterministisch VL Forschungsmethoden Kausalität/Designs (5/24)
  • 15. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Warum (manchmal) lieber keine Kausalaussagen? Keine passenden Daten/Designs Soziale Prozesse extrem komplex & nicht deterministisch Vollständige Kausalerklärungen Riskant Kaum vorstellbar Führen ins Uferlose VL Forschungsmethoden Kausalität/Designs (5/24)
  • 16. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Warum (manchmal) lieber keine Kausalaussagen? Keine passenden Daten/Designs Soziale Prozesse extrem komplex & nicht deterministisch Vollständige Kausalerklärungen Riskant Kaum vorstellbar Führen ins Uferlose Nicht alles hat einen Sinn/eine Funktion (Funktionalismus) VL Forschungsmethoden Kausalität/Designs (5/24)
  • 17. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Warum sind Kausalaussagen trotzdem wichtig? Verstehen ohne Kausalität? Alphabetisierungsgrad und Demokratie stark korreliert Aber warum? VL Forschungsmethoden Kausalität/Designs (6/24)
  • 18. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Warum sind Kausalaussagen trotzdem wichtig? Verstehen ohne Kausalität? Alphabetisierungsgrad und Demokratie stark korreliert Aber warum? Vorhersagen ohne Kausalität? Instrumentalismus: Sichere Vorhersagen ohne Verständnis (zeitliche Stabilität)?!? Modell funktioniert gut Ohne kausale Absicherung kann es jederzeit zusammenbrechen Verwandt mit Induktionsproblem Hume: Wenn Sonne bisher jeden Tag aufgegangen ist, wird sie auch morgen aufgehen? VL Forschungsmethoden Kausalität/Designs (6/24)
  • 19. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Warum sind Kausalaussagen trotzdem wichtig? Verstehen ohne Kausalität? Alphabetisierungsgrad und Demokratie stark korreliert Aber warum? Vorhersagen ohne Kausalität? Instrumentalismus: Sichere Vorhersagen ohne Verständnis (zeitliche Stabilität)?!? Modell funktioniert gut Ohne kausale Absicherung kann es jederzeit zusammenbrechen Verwandt mit Induktionsproblem Hume: Wenn Sonne bisher jeden Tag aufgegangen ist, wird sie auch morgen aufgehen? Manipulation ohne Kausalität? Policy: More bang for my buck Kausale Theorie + (quasi-)experimenteller Test VL Forschungsmethoden Kausalität/Designs (6/24)
  • 20. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Hempel-Oppenheim als Idealfall? Gesetz Alle Schwäne weiß Mehrheitswahlrecht → Zweiparteiensystem ↓ Randbedingung X ist Schwan UK hat Mehrheitswahl- recht ↓ Konklusion X ist weiß weil Schwan Zweiparteiensystem weil Mehrheitswahlrecht VL Forschungsmethoden Kausalität/Designs (7/24)
  • 21. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Probleme mit dem Hempel-Oppenheim Schema (Hier: empirisch falsch, zumindest in allgemeiner Form) Setzt nur Korrelation voraus, keinen kausalen Zusammenhang Drittvariablenprobleme und Pre-Emption VL Forschungsmethoden Kausalität/Designs (8/24)
  • 22. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Probleme mit dem Hempel-Oppenheim Schema (Hier: empirisch falsch, zumindest in allgemeiner Form) Setzt nur Korrelation voraus, keinen kausalen Zusammenhang Drittvariablenprobleme und Pre-Emption Oft wollen wir Einzelfälle erklären Sozialwissenschaften: kaum allgemeine Gesetze, “Theorien mittlerer Reichweite” Probabilistische “Gesetze” angemessener Menschen/soziale Beziehungen noch chaotischer als Gasmoleküle Theorien postulieren keine exakten Wahrscheinlichkeiten VL Forschungsmethoden Kausalität/Designs (8/24)
  • 23. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Probleme mit dem Hempel-Oppenheim Schema (Hier: empirisch falsch, zumindest in allgemeiner Form) Setzt nur Korrelation voraus, keinen kausalen Zusammenhang Drittvariablenprobleme und Pre-Emption Oft wollen wir Einzelfälle erklären Sozialwissenschaften: kaum allgemeine Gesetze, “Theorien mittlerer Reichweite” Probabilistische “Gesetze” angemessener Menschen/soziale Beziehungen noch chaotischer als Gasmoleküle Theorien postulieren keine exakten Wahrscheinlichkeiten Suche nach und Anwendung von allgemeinen Gesetzen (mittlerer Reichweite) nicht immer zielführend VL Forschungsmethoden Kausalität/Designs (8/24)
  • 24. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Was ist ein Mechanismus? Angelehnt an Naturwissenschaften (Biologie) Sozialwissenschaftliche Definitionen oft nicht sehr klar VL Forschungsmethoden Kausalität/Designs (9/24)
  • 25. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Was ist ein Mechanismus? Definition (Mechanismus) Stellt kausale Verbindung zwischen zwei Ereignisse her “Constellation of entities [with their properties] and activities that are organized such that they regularly bring about a particular type of outcome” (Hedström 2008) Beispiele (Elster) Nutzenmaximierung Soziale Dilemmata Kognitive Dissonanz Sour grapes Selbsterfüllende/-zerstörende Prophezeiungen . . . VL Forschungsmethoden Kausalität/Designs (9/24)
  • 26. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework “Make it testable” Mechanismen haben selbst tiefere Ursachen Normalerweise ignorieren Aber: Zusammenarbeit mit Naturwissenschaftlern Stückwerk Zwischen allgemeinen Gesetzen und bloßen Regelmäßigkeiten Auswahl zwischen Mechanismen Verschiedene Mechanismen können zum gleichen Ergebnis führen Storytelling? Wirkung von Mechanismen prüfen; Prognosen Nochmal: Was ist Kausalität bzw. kausale Effekte? VL Forschungsmethoden Kausalität/Designs (10/24)
  • 27. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Die Heilige Dreifaltigkeit Jerzy Neyman: Begründer der Perspektive (zusammen mit Fisher), 1923 Donald B. Rubin: Weitere Formalisierung, missing data problem (1974, 1978) ? Paul W. Holland: Synthese (1986) VL Forschungsmethoden Kausalität/Designs (11/24)
  • 28. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Kontrafaktische Definition kausaler Effekte “Vorgehen” 1. Beobachte Wert Yi0 an Objekt i in Welt wo Xi=0; z.B. X≡ Arbeitslosigkeit, Y≡ Rechtsextremismus, i ≡ Petra Musterfrau 2. Beobachte Yi1 in einer “closest possible world” wo Xi = 1 (ansonsten keine Veränderungen) 3. Kausaler Effekt von X auf Y = Yi1 − Yi0 VL Forschungsmethoden Kausalität/Designs (12/24)
  • 29. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Kontrafaktische Definition kausaler Effekte “Vorgehen” 1. Beobachte Wert Yi0 an Objekt i in Welt wo Xi=0; z.B. X≡ Arbeitslosigkeit, Y≡ Rechtsextremismus, i ≡ Petra Musterfrau 2. Beobachte Yi1 in einer “closest possible world” wo Xi = 1 (ansonsten keine Veränderungen) 3. Kausaler Effekt von X auf Y = Yi1 − Yi0 Probleme Kann X unabhängig vom Rest der Welt variieren? In der Realität kann man Yi0 und Yi1 niemals gleichzeitig beboachten VL Forschungsmethoden Kausalität/Designs (12/24)
  • 30. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Was ist Kausalität? Große Fragen, kleine Mechanismen Das Neyman-Rubin-Holland Framework Kontrafaktische Definition kausaler Effekte “Vorgehen” 1. Beobachte Wert Yi0 an Objekt i in Welt wo Xi=0; z.B. X≡ Arbeitslosigkeit, Y≡ Rechtsextremismus, i ≡ Petra Musterfrau 2. Beobachte Yi1 in einer “closest possible world” wo Xi = 1 (ansonsten keine Veränderungen) 3. Kausaler Effekt von X auf Y = Yi1 − Yi0 Probleme Kann X unabhängig vom Rest der Welt variieren? In der Realität kann man Yi0 und Yi1 niemals gleichzeitig beboachten Aber: Klare Definition Rubin: nur ein missing data problem Klare Definition → Erklärung dafür, was mit welchen Designs geht (oder auch nicht) VL Forschungsmethoden Kausalität/Designs (12/24)
  • 31. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Gutes Design Klarheit über theoretische Grundannahmen Fragestellung? Was wird geprüft? Was wird angenommen Eindeutige Operationalisierung Messung Möglichst viel Kontrolle (Experiment) Möglichst Messung über Zeit (Verläufe) Potentielle Dritt-/Hintergrundvariablen erfassen Kontextvariablen erfassen Mögliche Probleme möglichst früh identifizieren Logik und Ereignisse als Hebel nutzen VL Forschungsmethoden Kausalität/Designs (13/24)
  • 32. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Manchmal hilft Logik: Block-Kausalität Arzheimer/Carter 2009: Religion und Rechtsextremismus Socio-Demographics (I) Religiosity (II) Political Attitudes (III) Radical Right Vote (IV) Figure 1: The Building Blocks of the Causal Model rra1 rra2 rra3 rra... Radical Right Attitudes Socio-Demographics (I) Radical Right Vote (IV) CD-PID Religiosity (II) rel1 rel2 rel3 rel4 (III) Notes: 1. Squares represent observed variables, ovals represent latent constructs 2. ‘Socio-Demographics’ refers to class (a dummy for workers and petty bourgeoisie), age (dummies for being under 30 or over 65), gender, and level of formal education. The respective effects of these four variables are estimated seperately. 3. Arrows for the residuals are not shown for lack of space. Figure 2: The Causal ModelVL Forschungsmethoden Kausalität/Designs (14/24)
  • 33. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Was gehört zum Design? 1. Anzahl Objekte 2. Auswahl Objekte 3. Anzahl Messung 4. Zeitliche Anordnung Messungen (vor/nach Veränderung von X) 5. Kontrolle über Veränderung von X VL Forschungsmethoden Kausalität/Designs (15/24)
  • 34. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Kontrollierte Experimente Beste Annäherung an kontrafaktische Messung kausaler Effekte Zwei Objekte sind absolut identisch (unit homogeneity) Experimentelle Manipulation von X; Messung vorher/nachher Andere Faktoren sind identisch VL Forschungsmethoden Kausalität/Designs (16/24)
  • 35. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Kontrollierte Experimente Beste Annäherung an kontrafaktische Messung kausaler Effekte Zwei Objekte sind absolut identisch (unit homogeneity) Experimentelle Manipulation von X; Messung vorher/nachher Andere Faktoren sind identisch Beispiel: Chemische Lösung mit/ohne Katalysator Politikwissenschaft: Gedankenexperimente Simulationen VL Forschungsmethoden Kausalität/Designs (16/24)
  • 36. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Randomisierte Experimente Experimentelle Manipulation von X; Messung vorher/nachher Andere Faktoren möglichst identisch Zufällige Zuordnung Experimental-/Kontrollgruppe Gruppen sind homogen (bzgl. anderer Variablen) Zuordnungsmechanismus von Y statistisch unabhängig (keine Selbstselektion) Differenz der Mittelwerte von Y in Kontroll-/Experimentalgruppe Annäherung an kontrafaktische Differenz Mittlerer kausaler Effekt Voraussetzung: keine Effekte durch Selektion/Messung Doppelblindversuche Solomon-Pläne (z.B. vier Gruppen) VL Forschungsmethoden Kausalität/Designs (17/24)
  • 37. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Randomisierte Experimente Experimentelle Manipulation von X; Messung vorher/nachher Andere Faktoren möglichst identisch Zufällige Zuordnung Experimental-/Kontrollgruppe Gruppen sind homogen (bzgl. anderer Variablen) Zuordnungsmechanismus von Y statistisch unabhängig (keine Selbstselektion) Differenz der Mittelwerte von Y in Kontroll-/Experimentalgruppe Annäherung an kontrafaktische Differenz Mittlerer kausaler Effekt Voraussetzung: keine Effekte durch Selektion/Messung Doppelblindversuche Solomon-Pläne (z.B. vier Gruppen) “Goldstandard” für Sozialwissenschaften VL Forschungsmethoden Kausalität/Designs (17/24)
  • 38. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Randomisierte Experimente Experimentelle Manipulation von X; Messung vorher/nachher Andere Faktoren möglichst identisch Zufällige Zuordnung Experimental-/Kontrollgruppe Gruppen sind homogen (bzgl. anderer Variablen) Zuordnungsmechanismus von Y statistisch unabhängig (keine Selbstselektion) Differenz der Mittelwerte von Y in Kontroll-/Experimentalgruppe Annäherung an kontrafaktische Differenz Mittlerer kausaler Effekt Voraussetzung: keine Effekte durch Selektion/Messung Doppelblindversuche Solomon-Pläne (z.B. vier Gruppen) “Goldstandard” für Sozialwissenschaften Feldexperimente vs. Laborexperimente (Kontinuum) VL Forschungsmethoden Kausalität/Designs (17/24)
  • 39. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Ex-Post-Facto Designs (observational data) (Häufig) keine vorher/nachher Messung (aber: Panelstudien) Keine zufällige Zuordnung Gruppen heterogen (unterscheiden sich bzgl. anderer Merkmale; statistische Kontrolle notwendig) X mit Auswahlmechanismus und anderen Variablen eng korreliert (Bsp. Arbeitslosigkeit/Rechtsextremismus) VL Forschungsmethoden Kausalität/Designs (18/24)
  • 40. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Ex-Post-Facto Designs (observational data) (Häufig) keine vorher/nachher Messung (aber: Panelstudien) Keine zufällige Zuordnung Gruppen heterogen (unterscheiden sich bzgl. anderer Merkmale; statistische Kontrolle notwendig) X mit Auswahlmechanismus und anderen Variablen eng korreliert (Bsp. Arbeitslosigkeit/Rechtsextremismus) Kausalitätsprüfung sehr problematisch, aber: Logik Drittvariablenkontrolle Informationen über zeitlich Reihenfolge/Wiederholungsmessungen Ggf. matching VL Forschungsmethoden Kausalität/Designs (18/24)
  • 41. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Natürliche Experimente “Natur” (Politik, soziale Realität etc.) ersetzt Experimentator Gute externe Validität Variation oft nicht anders möglich Kernfrage: Wie zufällig ist die Zuweisung? Beispiele Einführung neuer Wahlsysteme Änderung der ethnischen Zusammensetzung von Wahlkreisen nach Katrina Hilfeleistungen der Bundesregierung nach Elbe-Flut VL Forschungsmethoden Kausalität/Designs (19/24)
  • 42. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Discontinuity Nutzt die Existenz von Schwellenwerten in Verordnungen/Gesetzen Z.B. Sozialleistungen werden bezahlt, wenn exakter Einkommenswert unterschritten Zuweisungen an Regionen aus EU-Programmen, wenn Bedingungen erfüllt (Erheblich) größeres Gemeindeparlament, wenn mehr als 5000 Einwohner (Skandinavien) VL Forschungsmethoden Kausalität/Designs (20/24)
  • 43. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Discontinuity Nutzt die Existenz von Schwellenwerten in Verordnungen/Gesetzen Z.B. Sozialleistungen werden bezahlt, wenn exakter Einkommenswert unterschritten Zuweisungen an Regionen aus EU-Programmen, wenn Bedingungen erfüllt (Erheblich) größeres Gemeindeparlament, wenn mehr als 5000 Einwohner (Skandinavien) Logik Vergleich von Objekten “in der Nähe” des Schwellenwertes Fast identisch (im Mittel), aber Intenvention/keine Intervention VL Forschungsmethoden Kausalität/Designs (20/24)
  • 44. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Discontinuity Nutzt die Existenz von Schwellenwerten in Verordnungen/Gesetzen Z.B. Sozialleistungen werden bezahlt, wenn exakter Einkommenswert unterschritten Zuweisungen an Regionen aus EU-Programmen, wenn Bedingungen erfüllt (Erheblich) größeres Gemeindeparlament, wenn mehr als 5000 Einwohner (Skandinavien) Logik Vergleich von Objekten “in der Nähe” des Schwellenwertes Fast identisch (im Mittel), aber Intenvention/keine Intervention Problem: meist nur wenige Fälle in der Nähe VL Forschungsmethoden Kausalität/Designs (20/24)
  • 45. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Designs im weiteren Sinne Designs im engeren Sinne Gemeindegröße, Zahl der Parlamentarier und Ausgaben in Skandinavien Quelle: Gerber/Green 2008: 375 VL Forschungsmethoden Kausalität/Designs (21/24)
  • 46. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Zusammenfassung Kausalität schwierig, aber interessant “Theorien mittlerer Reichweite”, aber: ohne Kausalität keine echte Wissenschaft Kausale Effekte kontrafaktisch definiert Kontrafaktische Definition erleichtert Verständnis der Probleme Verschiedene Designs bieten unterschiedliche gute/schlechte Annäherung an verborgenen kausalen Effekt VL Forschungsmethoden Kausalität/Designs (22/24)
  • 47. Einführung/Wiederholung Kausalität Designs Fazit/Ausblick Ausblick (Wieder) zunehmendes Interesse an Schätzung kausaler Effekte Sehr viel mehr Experimente Matching VL Forschungsmethoden Kausalität/Designs (23/24)