Empirische Sozialforschung II

Syllabus

Dozierende

Frederik Thieme & Tim Wappenhans

Published

24.01.2024

Allgemein

Infos

VL

  • Di 14:00 – 16:00
  • Haus 33 / Hörsaalzelt
    Temporärer Audimax Campus Nord
    Philippstr. 13
  • Moodle: moodle.hu-berlin.de
  • Kursnummer: 530042
  • Passwort: what_if_2023

ÜB

  • Mo - Do
  • PC Pool ISW

Dozierende

Tutor:innen

  • Claudia Schliepe
  • Janosch Glöckner
  • Charlotte Schlüter
  • Email: sowiesft@hu-berlin.de
  • Büro: ISW, Raum 212

Ziele

In diesem Kurs setzen wir die Arbeit aus dem letzten Semester fort. Dabei befassen wir uns im ersten Teil methodisch mit der Auswertung des Experiments, sowie mit der kritisch-konzeptionellen Auswertung quantitativer Forschung allgemein.

Im zweiten Teil der Veranstaltung werden wir vier Designs kennenlernen, die kausale Aussagen auch mit Observationsdaten und außerhalb von Experimenten zulassen. Dabei werden Studierende anhand von Problemsets Teile von veröffentlichten Studien mit Hilfe von Stata replizieren. Am Ende des Kurses werden Studierende in der Lage, kausale Aussagen kritisch zu hinterfragen und kausale Designs selbst anzuwenden.

Leistungen

Gruppenleistung

Abschlussbericht (50% der Note)

  • Auswertung von Treatment Effekten
  • Plausibilisierung von Annahmen
  • Umfang: ca. 20.000 Zeichen ohne Leerzeichen (12-15 Seiten)
  • Deadline: 14.01.2024

Einzelleistung

Problemsets (bestehen)

  • bearbeiten von Problemsets
  • Replizieren von Studien mit Stata
  • Deadline: folgender Dienstag vor VL

Abschlusstest (50% der Note)

  • Multiple Choice Test
  • Inhalte aus der Vorlesung
  • Termin: 20.02.2024

Erwartungshorizont Abschlussbericht

Die Auswertung umfasst die Präsentation, Interpretation und Diskussion der Ergebnisse des von euch durchgeführten Experiments. Sie bildet damit die Fortsetzung eurer Abgabe aus ESF I und den Abschluss eures Projekts.

Präsentation

  • zusammengefasste, quantitative Darstellung der Verteilung der für euch relevanten Variablen
  • Vergleich der Treatment- und Kontrollgruppe entlang relevanter Charakteristiken (Balance)
  • Test der von euch aufgestellten Hypothesen durch geeignete statistische Mittel
  • Erläuterung und Prüfung der damit einhergehenden Annahmen und Vorstellung eurer Ergebnisse

Interpretation

  • Rückschlüsse auf die aufgestellten Hypothesen
  • Untersuchung möglicher Mechanismen

Diskussion

  • Einordnung der Ergebnisse im Lichte des Designs (und seiner Limitationen), eurer theoretischen Annahmen, des bestehenden Forschungsstand und eures Beitrags

Formalitäten

  • ein PDF pro Gruppe inkl. Deckblatt mit Titel und Namen der Mitglieder
  • ein auskommentiertes Stata do-file, das exakt die Ergebnisse aus PDF produziert

Sitzungen

Die Veranstaltung ist eine Mischung aus Vorlesungen und Übungen. In den Vorlesungen werden wir euch mit den Themen der jeweiligen Sitzungen bekannt machen. In die Übungen werdet ihr im PC-Pool diese Inhalte dann praktisch mit Stata umsetzen.

Literatur

Zur Vorbereitung jeder Sitzung (Vorlesung wie Übung) gibt es einen Pflichttext für alle Teilnehmenden. Hierbei handelt es sich meist um ein einzelnes Buchkapitel oder ein Forschungspapier. Die Inhalte der Sitzungen bauen auf den Texten auf und ihre Lektüre wird vorausgesetzt. Bei Rückfragen zu den Texten könnt ihr jederzeit ins Moodle-Forum posten, euch an die Tutor:innen oder letztendlich an uns wenden.

Übersicht

Sitzung Thema Literatur Format
01 Intro & Potential Outcomes (1) Druckman (2022), Ch. 2 VL
02 Potential Outcomes (2) Gerber and Green (2012), Ch. 2 VL
03 Randomization Inference Gerber and Green (2012), Ch. 3.1-3.5 VL
04 Auswertung Experiment (1) Druckman (2022), Ch. 3 ÜB
05 Belastbarkeit & Reproduzierbarkeit Nosek et al. (2015), Humphreys, Sierra, and Windt (2013) VL
06 Auswertung Experiment (2) Macartan Humphreys Blog ÜB
07 STREIK STREIK STREIK
08 Unexpected Event during Survey Designs Muñoz, Falcó-Gimeno, and Hernández (2020) VL
09 Unexpected Event during Survey Designs Ares and Hernández (2017) ÜB
10 Instrumental Variables Designs Angrist and Pischke (2014), Ch. 31 VL
11 Instrumental Variables Designs Lelkes, Sood, and Iyengar (2017) ÜB
12 Difference-in-Differences Designs Huntington-Klein (2021), Ch. 18 VL
13 Difference-in-Differences Designs Foos and Bischof (2022) ÜB
14 Regression Discontinuity Designs Valentim, Núñez, and Dinas (2021) 2 VL
15 Regression Discontinuity Designs Abou-Chadi and Krause (2018) ÜB
16 Abschlusssitzung VL

Resourcen

Über die Pflichtlektüre hinaus gibt eine Menge sehr guter open source Anlaufstellen für Kausale Inferenz (die teilweise sehr fortgeschritten sind)

Literatur

References

Abou-Chadi, Tarik, and Werner Krause. 2018. “The Causal Effect of Radical Right Success on Mainstream Parties’ Policy Positions: A Regression Discontinuity Approach.” British Journal of Political Science, June, 1–19. https://doi.org/10.1017/S0007123418000029.
Angrist, Joshua D., and Jorn-Steffen Pischke. 2014. Mastering Metrics: The Path from Cause to Effect. Princeton; Oxford: Princeton Univers. Press.
Ares, Macarena, and Enrique Hernández. 2017. “The Corrosive Effect of Corruption on Trust in Politicians: Evidence from a Natural Experiment.” Research & Politics 4 (2): 2053168017714185. https://doi.org/10.1177/2053168017714185.
Cattaneo, Matias D., Nicolas Idrobo, and Rocio Titiunik. 2019. A Practical Introduction to Regression Discontinuity Designs: Foundations. https://doi.org/10.1017/9781108684606.
Druckman, James N. 2022. Experimental Thinking: A Primer on Social Science Experiments. Cambridge: Cambridge University Press. https://doi.org/10.1017/9781108991353.
Foos, Florian, and Daniel Bischof. 2022. “Tabloid Media Campaigns and Public Opinion: Quasi-Experimental Evidence on Euroscepticism in England.” American Political Science Review 116 (1): 19–37. https://doi.org/10.1017/S000305542100085X.
Gerber, Alan S., and Donald P. Green. 2012. Field Experiments: Design, Analysis, and Interpretation. New York: W. W. Norton & Company.
Humphreys, Macartan, Raul Sanchez de la Sierra, and Peter van der Windt. 2013. “Fishing, Commitment, and Communication: A Proposal for Comprehensive Nonbinding Research Registration.” Political Analysis 21 (1): 1–20. https://doi.org/10.1093/pan/mps021.
Huntington-Klein, Nick. 2021. The Effect: An Introduction to Research Design and Causality. Boca Raton: Routledge.
Lelkes, Yphtach, Gaurav Sood, and Shanto Iyengar. 2017. “The Hostile Audience: The Effect of Access to Broadband Internet on Partisan Affect.” American Journal of Political Science 61 (1): 5–20. https://www.jstor.org/stable/26379489.
Muñoz, Jordi, Albert Falcó-Gimeno, and Enrique Hernández. 2020. “Unexpected Event During Survey Design: Promise and Pitfalls for Causal Inference.” Political Analysis 28 (2): 186–206. https://doi.org/10.1017/pan.2019.27.
Nosek, B. A., G. Alter, G. C. Banks, D. Borsboom, S. D. Bowman, S. J. Breckler, S. Buck, et al. 2015. “Promoting an Open Research Culture.” Science 348 (6242): 1422–25. https://doi.org/10.1126/science.aab2374.
Valentim, Vicente, Ana Ruipérez Núñez, and Elias Dinas. 2021. “Regression Discontinuity Designs: A Hands-on Guide for Practice.” Italian Political Science Review / Rivista Italiana Di Scienza Politica 51 (2): 250–68. https://doi.org/10.1017/ipo.2021.27.

Footnotes

  1. Hier könnt ihr auch ein Interview mit Josh Angrist hören, Nobelpreisträger für seine Arbeit zu IV. Ist ein bisschen Jargon-lastig, zeigt aber, wie Ideen historisch entstehen und sich verändern.↩︎

  2. Alles, was ihr über die Umsetzung von RDDs wissen müsst, findet ihr sehr umfrangreich inklusive Stata und R Code beschrieben in diesem Buch: Cattaneo, Idrobo, and Titiunik (2019).↩︎