Ein zentrales Ziel der empirischen Sozialforschung besteht darin kausale Effekte zu identifizieren. Hatte die Wiedervereinigung Deutschlands einen Einfluss auf das Wirtschaftswachstum? Ist die Armut in Deutschland nach der Hartz IV Reform angestiegen? Profitieren Kandidaten in Wahlen von einem Doktortitel? All diese Fragen stellen die Frage nach dem kausalen Effekt eines bestimmten Ereignisses. Es ist jedoch weitläufig bekannt, dass die reine Korrelation zwischen zwei Variablen noch längst keine Kausalität impliziert. Wie kann man also herausfinden, ob ein kausaler Effekt vorliegt? Zur Beantwortung dieser Frage sind zwei Dinge nötig. Erstens, ein Verständnis davon was eigentlich Kausalität ist. Zweitens, eine auf diesem Verständnis aufbauende Identifikationsstrategie kausaler Effekte.
Der Kurs adressiert diese beiden Punkte und macht deutlich, dass die Identifizierung kausaler Effekte keineswegs durch die Anwendung möglichst komplexer statistischer Methoden möglich ist. Das genaue Gegenteil ist der Fall. Liegt ein geeignetes Forschungsdesign vor, dann erlauben meist vergleichsweise simple statistische Methoden die fehlerfreie Analyse kausaler Effekte. Von daher ist die Identifikation und Analyse kausaler Effekte im doppelten Sinne interessant. Erstens, ist die Validität und Aussagekraft einer gut umgesetzten kausalen Analyse deutlich höher als bei konventionellen Analysen, welche nicht direkt auf Kausalität messen. Zweitens rückt die Analyse kausaler Effekte ein wohlüberlegtes Forschungsdesign und eben nicht die möglichst komplexen statistischen Methoden in den Vordergrund.
Insgesamt bietet der Kurs eine anwendungsorientierte Einführung in die Identifikationsstrategien kausaler Effekte. Dabei wird auch herausgestellt, dass die Messung von kausalen Effekten nicht durch besonders komplexe statistische Verfahren gelöst wird, sondern die Schwierigkeit vielmehr in der korrekten Identifikationsstrategie und einem angemessenen Research Design liegt. Die Konsequenz hieraus ist, dass nicht mit sämtlichen Daten kausale Effekte gemessen werden können. Ein vertieftest Verständnis von kausalen Effekten hilft daher auch bei der zukünftigen Entwicklung von (robusteren) Forschungsdesigns. Des Weiteren können hierdurch empirische Beobachtungen dahingehend bewertet werden, ob sie sich zur Analyse von kausalen Effekten eignen.
Im Speziellen werden die folgenden Verfahren zur Identifikation kausaler Effekte behandelt:
• Experimentelle Designs (Laborexperimente, Feldexperimente, Natürliche Experimente)
• Matching
• Differences-in-Differences
• (Generalized) Synthetic Control Method
• Regression Discontinuity
• Conjoint (Survey-)Experimente
Der Kurs befasst sich im ersten Semester mit den Grundlagen kausaler Inferenz und bespricht die verschiedenen Verfahren. Im zweiten Semester wird die Umsetzung der Methoden in R und/oder Stata geübt. Im zweiten und dritten Semester führen die Teilnehmerinnen und Teilnehmer eigene Analysen durch.
Der Kurs richtet sich an alle Studierende die ein Interesse an der quantitativen Sozialforschung haben.