Deskriptive Statistik

Wenn X, dann folgt IMMER Y. -Standard in den Naturwissenschaften -Ein Gegenbeispiel widerlegt den Zusammenhang Probleme: -Messfehler -eingeschränktes Wissen -kausale Prozesse womöglich probabilistisch -Ein einziger Fall genügt zur Falsifikation der Hypothese -Kaum für Sowi relevant, da soziale Realität i.d.R. hochgradig komplex (Kontrolle aller Drittvariable praktisch nicht möglich)

Multikausalität

Ex-post-facto Design

Messung über zwei vergleichbare Messinstrumente und Korrelation der Messergebnisse

Problem, Deduktiv Modell

Theoreme

Ad-hoc Hypothesen

Induktiv Modell

theoretisches Konstrukt kann mit einer beliebig großen Zahl von Indikatoren korrespondieren. Es können jedoch nie alle Indikatoren angewandt werden (das sog. Indikatorenuniversum), da es unendlich ist Lösungen dafür: Operationalismus oder bilaterale Reduktionssätze

Latente Variable

Manifeste Variablen

Begriffe Indikatoren zuweisenmanifeste Variablen -die gemessenen Sachverhalte müssen Basisätze sein (intersubjektive Verständnisübereinkunft)

Scheinkorrelationen

Mini-Theorie

untersuchungsziel mit wenig Vormissen, eher qualitative Methode

Untersuchung der Häufigkeit der einzelnen Begriffe in Texten auftauchen -häufig der Ausgangspunkt für weitere Analyse

Ein Instrument misst genau das, was es zu messen vorgibt. Je höher der Grad der Genauigkeit mit dem ein theoretisches Konzept mit einem Messinstrument gemessen wird, desto höher ist die ... des Messinstruments.

Wissenschaftliche Erklärungsmodelle = Deduktive Modell

1. Logische Sätze (Z.B. Doziertende sind Personen, die andere unterrichten) /sind Definitionen)

Häufigkeit+ Kontext des Auftretens von Begriffen -einfaches Verfahren, um positive oder negative Assoziationen zu bestimmen

Axiome

Matching: Anhand bestimmter Merkmalsausprägungen Paare bilden

Immer wenn X, dann folgt WAHRSCHEINLICH Y. Problem: -Induktionsproblem - Wie wahrscheinlich ist es, dass wir den Zusammenhang X finden, wenn er in „Wahrheit“ (=nach allen Beobachtungen) nicht besteht? -in den Sowi fast alle probabilistisch: extreme Komplexität der Realität: Multikausalität) -aus Hypothese abgeleitete singuläre Sätze nur mit gewisser Wahrscheinlichkeit falsifizierbar

-keine Aussage über die Realität (nicht empirisch) ->bringen keinen neuen Wissenszuwachs -es gibt keine falschen Nominaldefinitionen>nicht falsifizierbar Kriterium ist die Zweckmäßigkeit!!! -Nicht-Zweckmäßig= definitorische Zirkel: Begriffe also nicht mit sich selbst definieren!! -mit einer Definition wird festgelegt, wie der Begriff definiert werden soll

Ex-ante

Zufällige Zuteilung der Versuchspersonen in zwei Gruppen „Baseline“ Messung vor Stimulus durchgeführt (Kontrolle des Ausgangsniveaus) Vergleich in den Änderungen der Gruppenwerte der Messung von Y („Difference-in-Difference“) Implikationen: Kausaleffekt kann festgestellt werden (Stimulus wird nicht von Drittvariable beeinflusst Nachteile: -Randomisierung oft nicht möglich in empirischer Sozialwissenschaft -geringe externe Validität -mögliche Ausfälle von Versuchspersonen in t2: verzerrte Auswahl -Folge: evtl. Auch dann mit kleineren Gruppengrößen zu rechen

Singuläre Sätze

Zusammenhang zwischen dem mit dem Messinstrument erfassten Konstrukt und anderen Konstrukten, die in einem theoretischen Zusammenhang zu dem erfassten Konstrukt stehen

Empirischer Relativ

Die Messung hängt nicht von dem Messinstrument (z.B. Frage in einem Fragebogen) ab. Reliabilität ist Maß für die Reproduzierbarkeit des Messergebnisses Wenn Messinstrument unter den gleichen Bedingungen auch die gleichen Messwerte liefert—dann ist es reliabel Je weniger ein Messergebnis vom Messinstrument abhängt, desto reliabler ist das Messinstrument.

-Theorie als zu überprüfender Ausgangspunkt und für Definition von -Konzepten-(möglichst) viele (möglichst) zufällig ausgewählte Untersuchungseinheiten -Standardisierte Erhebungs instrumente -Statistische Auswertung von Verteilungen und Zusammenhängen -Prüfung von Zusammenhängen und deren Generalisierung

-kann wahr oder falsch sein Je nachdem, ob das allgemeine Verständnis den Begriff richtig durch die Definition erfasst ist -Annahme, was in der Allgemeinheit unter dem Begriff verstanden werden soll für die Definition eines Begriffs irrelevant, aber wichtig für Datenerhebung durch Befragung

Individualhypothese

Ausgewählte Items (z.B. Fragen) repräsentieren die zu messende Eigenschaft (Items sind repräsentative Auswahl aus dem Item-Universum)

Evaluationsstudien

Empirische Sätze

In einem Zeitpunkt (1×) Messung des Outcome (1× Messwerte) mit einer Stichprobe (n)einmalige Messung an einer Stichprobe wenig Aufwand: sehr verbreitetes Erhebungsdesign  Kausale Effekte nur sehr selten ableitbar: Ursache zumeist nur auf interindividuelle (zwischen Individuen) Unterschiede zurückzuführen (zu viel Heterogenität)

Logische Sätze

1. Es besteht ein statistischer Zusammenhang zwischen Ursache und Wirkung 2. Die Ursache muss der Folge zeitlich vorausgehen! 3. Andere mögliche Ursachen (Störfaktoren) müssen ausgeschlossen werden ->Berücksichtigung der Bedingungen direkt im Forschungsdesign, nicht im Nachhinein bei d er Durchführung oder Analyse

-Menge an Zahlen, die über Relation zueinander stehen/definiert wurden

Theorien

Ordinalskala

überprüfung von Hypothesen und Theorien

Rationskala

(Information zur Klassifikation; Z.B. Geschlecht)

Definition: Eine Menge miteinander verknüpfter Aussagen, von denen sich mindestens eine auf empirische prüfbare Zusammenhänge zwischen Variablen bezieht

Intervallskala

-Theorien bestehen aus logischen Ausdrücken und allgemeinen Grundausdrücken (theoretische Konstrukte), die mithilfe von Korrespondenzregeln mit konkreten Beobachtungssätzen in Verbindung gebracht werden

Surveyexperiment

Externe Validität

Empirische Sozialforschung

Kuhn: Struktur wissenschaftlicher Revolutionen

hohe interne V., niedrige externe Validität

Deskriptivon

Dichotom

Falsifikationen

Zuteilung der Versuchspersonen in Gruppen anhand von „natürlicher“ Selektion („natürliches Experiment“) Zuteilung der Versuchspersonen in Gruppen anhand von Selbstselektion Implikationen: Kontrollgruppe unterscheidet sich möglicherweise von Treatmentgruppe nicht nur zufällig sondern auch systematischSelektion sehr heterogen keine Drittvariablenkontrolle mehr gewährleistet kein sicherer Kausalschluss

Voraussetzung für eine (relativ) sichere Bestätigung des Kausalzusammenhangs

-Zufällige Zuteilung der Versuchspersonen in zwei Gruppen (Randomisierung) Vergleich der Gruppenwerte der Messung von Y (abhängige Variable/Outcome) Implikationen: -Kausaleffekt kann festgestellt werden (Stimulus wird nicht von Drittvariable beeinflusst) Nachteile: -Randomisierung oft nicht möglich in empirischer Sozialwissenschaft -geringe externe Validität

Zustände, Ergebnisse, Elemente

Aggregations- und Transformationsregel

-Zu mehreren Zeitpunkten (k×) Messung des Outcomes (k×Messwerte) mit k Stichproben (k×n) mehrmalige Messung an unterschiedlichen Stichproben nur für Kollektivmerkmale!!! Ideal zur Untersuchung eines sozialen Wandels Am besten geeignet zur Nachverfolgung von Änderungen der Grundgesamtheit langfristige gesellschaftliche Trends können identifiziert werden Kausale Effekte nur sehr selten ableitbar: Ursache abfragbar, aber wegen unterschiedlicher Stichproben viele Störfaktoren möglich

Zu mehreren Zeitpunkten (k×) Messung des Outcomes (k×Messwerte) mit einer Stichprobe (n) mehrmalige Messungen an derselben Stichprobe Am besten geeignet, um intrapersonellen Änderungen zu folgen zeitliche Änderung auf der Individualebene  Kausale Effekte schon eher ableitbar Ursachen abfragbar und weniger Störfaktoren, da Beobachtung von Veränderung innerhalb eines Individuums Besonderheiten: Welle: Wiederholte Anwendung des Designs -Voraussetzung für Vergleichbarkeit: Konstanz der Messinstrumente Semantischer Gehalt muss gleich bleiben Salienz des Themas? Verbesserung/Verfeinerung der Messtechniken (Änderungen in der Itemauswahl) Nachteile: Panelmortalität (gilt nur für Panels)Stichprobe kein Abbild der Grundgesamtheit in tk von Welle zu Welle immer weniger der anfangs ausgewählten Fälle für Messung verfügbar Personen könne oder wollen nicht mehr am Survey teilnehmen, nicht mehr erreichbar etc.-->Fallzahl wird kleiner sehr teuer, aufwendig und langsam (durch das Warten auf verschiedene Messzeitpunkte) Geflüchtete in 2015 und Geflüchtete in 2022

Logische Sätze

Begriffe, dessen Eigenschaften, die uns interessieren, nicht direkt ablesbar/beobachtbar sind -Eigenschaften zeigen sich nur unter bestimmten Bedingungen (nicht direkt beobachtbar) es müssen zunächst Umstände generiert werden, die das Beobachten ermöglichen Reduktionssätze: latentes Definiendum auf manifestes (=direkt messbares) Definiens reduziert

▪ Keine Gruppierung ex-ante und keine Manipulation des Stimulus ▪ Aber Gruppierung ex-post ▪ Keine Varianzkontrolle per Design ▪ Varianzkontrolle statistisch möglich, aber nur für gemessene Drittvariablen 𝑍: 𝐸 = 𝑍, U Hier wird die Varianz von X nicht durch Gruppenbildung ex -ante und anschließender Manipulation des Stimulus hergestellt, sondern die Varianz wird gemessen – nachdem sie aufgetreten ist.

Sätze

Feldexperiment

Hypothetische Sätze:

eindeutige Abbildung, wenn für jede empirische Relation eine entsprechende numerische Relation

Präskriptive Sätze

Polytom

Varianz eines Merkmals

Exploration

Phänomene/Untersuchungs-einheiten

Induktives Modell

Interne Validität

wiederholte Messung mit demselben Instrument und Korrelation der zwei Messergebnisse (derselben Person) Annahme der temporalen Stabilität der zu messenden Eigenschaft Problematisch sind auch Lerneffekte

Der Zusammenhang zwischen den Ergebnissen eines Messinstruments und einem Außenkriterium (d.h. einem anderen Merkmal des Konzepts)

Qualitativ:=

Empirisch:=

Messung konnotierter Begriffe

Theorie-> Minimal-Definition

präviziente Variablen

Variable