GESIS Training Courses
user_jsdisabled
Suche

Wiss. Koordination

Dr. Nora Skopek
Tel: +49 621 1246277

Administrative Koordination

Loretta Langendörfer M.A.
Tel: +49 221 47694-143

Einführung in Methoden der modernen Kausalanalyse

Dozent(en):
Prof. Dr. Michael Gebel

Datum: 15.11 - 17.11.2017 ics-Datei

Veranstaltungsort: Köln

Seminarinhalt

Die Schätzung kausaler Effekte ist das zentrale Anliegen der quantitativen Sozialforschung. In der Forschungspraxis stehen aber häufig nur nicht-experimentelle Daten zur Verfügung, die Kausalschlüsse aufgrund nicht-zufälliger Selektion und Heterogenität von Individuen erschweren. Die multiple Regressionsanalyse versucht diese Probleme durch eine Kontrolle von Drittvariablen zu lösen, was jedoch in vielen Fällen unzureichend ist. Zudem ist oftmals unklar, für welche Variablen überhaupt kontrolliert werden soll. In der aktuellen sozialwissenschaftlichen empirischen Forschung finden daher zunehmend Methoden der modernen Kausalanalyse Anwendung, denen ein klares Kausalitätsverständnis (kontrafaktisches Modell und kausale Graphen) zugrunde liegt und die explizit nicht-zufällige Selektion und Heterogenität modellieren. Dieser Workshop führt zunächst in die Grundlagen der modernen Kausalanalyse ein und erörtert Probleme der herkömmlichen Regressionsanalyse. Darauf aufbauend werden in einer anwendungsorientierten Einführung Verfahren des Propensity-Score Matching (u.a. auch mit Längsschnittdaten als „Differenzen-von-Differenzen Propensity-Score Matching“), Instrument-variablenschätzer, Regression Discontinuity Designs (RDD) und Selektionskorrekturmodelle vorgestellt. Die Verfahren werden praxisnah am PC mit dem Statistikprogramm Stata eingeübt. Für die Praxisbeispiele werden sozialwissenschaftliche Querschnitts- und Längsschnittdaten verwendet.


Zielgruppe

Personen, die in ihrer Forschung mit international vergleichenden Mikrodaten arbeiten.


Lernziel

Im Anschluss an die Veranstaltung können die TeilnehmerInnen grundlegende Konzepte und Annahmen der modernen Kausalanalyse erläutern, entsprechend der jeweiligen Forschungsfrage geeignete Verfahren der modernen Kausalanalyse auswählen und Modelle spezifizieren, Verfahren der modernen Kausalanalyse selbstständig mit Stata durchführen und die Ergebnisse der Analysen (Output von Stata) verstehen und interpretieren.


Voraussetzungen

Gute Kenntnisse in der multiplen linearen und logistischen Regression.
Grundkenntnisse in Stata.


Zeitplan

Literaturempfehlungen

Referenteninformationen - Prof. Dr. Michael Gebel

Weitere Informationen