Die Ursache X muss der Wirkung Y zeitlich vorangehen.
Es muss ein Zusammenhang zwischen den beiden Variablen statistisch belegbar sein. => statistische Korrelation
Der Zusammenhang darf nicht durch den Einfluss einer anderen oder dritten Variablen zustande kommen. => keine Scheinkorrelation
Zentral: Es muss ein plausibler theoretischer Mechanismus für die Wirkung von X auf Y vorliegen. => hiermit wird angefangen, wird zuerst berücksichtigt
Am besten gelingt dieser Nachweis durch experimentelle Studien
Aber auch mit anderen Forschungsdesigns kann man sich an den Nachweis dieser vier Bedingungen annähern.
Lagemaße
Median
Modus
Arithmetisches Mittel
=> Mittelwerte
Streuungsmaße
Varianz = Abstand jedes Einzelwerts vom arithmetischen Mittel
Input: Daten zu den Policy-Prioritäten der Bevölkerung
Throughput: Daten zu den Policy-Prioritäten von
Parteien
Regierungen
Parlamenten
Medien
Verbänden
Output: Daten zu den thematischen Schwerpunkten von Policy-Outputs (Gesetze, Haushalt…)
Ist die Entwicklung der öffentlichen Meinung Ursache für die Entwicklung der Policy-Agenda der Regierung oder andersherum? -> Für beides gibt es theoretisch plausible Erklärungen
=> Zeitliche Verschiebung
Kombination
einfacher Korrelationsanalyse (Pearson-Koeffizient)
Quasi-Granger-Causality-Test -> Zweck: Siginifikanzprüfung, Autokorrelation
Könnten beide Variablen evtl. von etwas Drittem verursacht werden, sodass zwischen ihnen gar keine echte Kausalbeziehung besteht? (Scheinkorrelation)
=> Drittvariablenkontrolle durch Aufnahme ins Regressionsmodell
Entwickelt vom britischen Ökonometriker Clive Granger (1969)
Zweck: Prüfung der Zusammenhänge zwischen verschiedenen Zeitreihen-Daten
Frage: Inwiefern kann eine Zeitreihen-Variable die andere vorhersagen?
zunächst richtige zeitliche Verschiebung finden (Standard: 1 Jahr)
Hat die um diese Zeitspanne „gelagte“ unabhängige Variable einen signifikanten Effekt auf die abhängige Variable, und zwar unter Kontrolle der um dieselbe Zeitspanne „gelagte“ abhängige Variable?
→Haben frühere Werte von Variable x einen signifikanten Vorhersagewert für Variable y, und zwar über das hinaus, was frühere Werte von y zur Vorhersage beitragen?
„Granger Causality“-Test ist in SPSS nicht verfügbar
Aber: Quasi-Granger-Causality-Test durchführbar
Kriterium
Granger-Test
Quasi-Granger-Test
Lag-Struktur
Mehrere Lags
Oft nur ein Lag (vereinfacht)
Statistischer Test
F-Test für gemeinsame Signifikanz
t-Test für einzelnen Koeffizienten
Software
Spezialisiert
Standardregression (SPSS, Excel)
Robustheit
Strenger (kontrolliert Autokorrelation)
Weniger robust (ignoriert oft Autokorrelation)
=> Standard-Messansatz: Handcodierung
Bevölkerung
Umfragedaten zu „wichtigste Themen“
Zuordnung der abgefragten Themen zu den Themen im Codierschema
höchte Prozentanteile der Nennung => wichtigste Themen
Throughput-Akteure (Parteien, Regierungen etc.)
Handcodierung der Sätze in den herangezogenen Dokumenten (Wahlprogramme, Reden, Medienberichte etc.)
Ergibt: Prozentanteile von Sätzen, die sich um die einzelnen Themen drehen
Policy-Output
Handcodierung der Titel von Gesetzen
Ergibt: Prozentanteile von verabschiedeten Gesetzen, die den einzelnen Themen zugeordnet wurden
Auswertung von Staatsausgabendaten und/oder verabschiedeten Haushaltsplänen
Ergibt: Ausgaben pro Themenbereich (absolut oder relativ)
=> An sich qualitatives Vorgehen, aber starke Standardisierung mit dem Ziel größtmöglicher Einheitlichkeit und quantitativer Auswertung → quantitative Logik
* = signifikanter Effekt
kein * = nicht signifikanter Effekt
b = unstandardisierter Korrelationskoeffizient = individueller Einfluss einer Variable auf Y
β = standardisierter Korrelationskoeffizient = untereinander vergleichbare Einflussstärke der Variablen
R² = Anteil der durch das Regressionsmodell erklärten Varianz von Y => Erklärungsleistung des Modells
s.e. = Standard Error! Es ist also der Standardfehler. Den brauchen wir einfach zur Berechnung der Signifikanz!
Referenzgruppe: gibt es nur bei kategorialen (nominalskalierten) unabhängigen Variablen! Der Effekt einer kategorialen unabhängigen Variable wird dabei im Vergleich zu dieser referenzgruppe interpretiert!
Last changed20 days ago