Fortgeschrittene Analysemethoden der quantitativen Sozialforschung: Propensity Score Matching using Stata

Dozent/in:

Michael Gebel

Angaben:

Blockseminar, 2 SWS

Termine:

Einzeltermin am 27.4.2017, 8:00 - 10:00, RZ/00.05
Einzeltermin am 11.5.2017, Einzeltermin am 18.5.2017, 14:00 - 20:00, RZ/00.06
Einzeltermin am 22.6.2017, 14:00 - 16:00, RZ/00.06
Einzeltermin am 20.7.2017, 14:00 - 20:00, RZ/00.06
Einführungsveranstaltung: 27.04.2017 (08-10 Uhr)

Voraussetzungen / Organisatorisches:

Students are required to be familiar with

• the statistics package Stata
• multiple linear and binary logistic regression analysis

Moreover, it is recommended that students are familiar with the contents of our lectures/seminars in research design at BA or MA level (i.e. basic knowledge of the counterfactual model of causality and issues in cross-sectional and longitudinal designs).

It is not necessary to register for the seminar in advance (e.g. via FlexNow, via email, etc.). More information about the course and registration guidelines will only be provided during the first seminar session.

Module-related examination: Seminar thesis (time: 3 months); could be either written in English or German

Inhalt:

Learning targets: After successfully completing the seminar participants are able to explain the logic of the counterfactual model of causality and apply directed acyclic graphs (DAGs). They can conduct theory-driven empirical research using the method of Propensity Score Matching (PSM). Specifically, they know how to specify the propensity score according to the ideas of modern causal analysis, how to implement and choose between different matching algorithms, how to perform balancing tests of observed control variables and sensitivity analysis simulating the influence of an unobserved factor, and how to correctly interpret and present the empirical results of PSM. They are also able to combine PSM with a difference-in-differences (DID) approach.

Course contents: Estimating causal effects is a central aim of quantitative empirical analysis in social sciences. In the recent social science literature, new methods of modern causal analysis have become more and more popular. This seminar provides an introduction to one of these methods: Propensity Score Matching (PSM). First, the counterfactual model of causality will be discussed, which has become the backbone of modern causal analysis in social sciences. Moreover, directed acyclic graphs (DAGs) will be applied because they offer an illustrative graphical approach to the problem of causal inference. Then, applying their knowledge of the counterfactual model and DAGs, participants will learn how to implement the different steps of PSM. Specifically, it will be explained how to estimate the propensity score choosing the appropriate control variables, how to implement and choose between different matching algorithms and how to test whether PSM succeeded in balancing the observed control variables. The different steps will be applied based on real-world data in computer lab sessions. In addition, sensitivity analysis simulating the influence of an unobserved factor will be introduced that can strengthen the claims made with PSM. Moreover, for prospective or retrospective longitudinal data, PSM can be combined with a difference-in-differences (DID) approach. The so called PSM-DID approach is able to eliminate unobserved time-constant individual effects and unobserved common baseline time trends. Participants will learn how to implement the PSM-DID approach.

FP/S/Ü: Soziologisches Forschungspraktikum Teil II: Datenanalyse: Plenum

Dozent/in:

Michael Gebel

Angaben:

Forschungspraktikum, 2 SWS

Termine:

Mo, Mi, 8:00 - 10:00, F21/01.35

Voraussetzungen / Organisatorisches:

Empfohlen für Studierende im 4. Semester. Es wird der vorherige Besuch der Veranstaltungen „Methoden der empirischen Sozialforschung I & II“, „Methoden der Statistik I und II“, „Einführung in das Soziologische Arbeiten“ und „Soziologisches Forschungspraktikum Teil I: Datenerhebung“ empfohlen. Ein Bestehen der Prüfungsleistungen dieser Veranstaltungen ist keine Voraussetzung für den Besuch des „Soziologisches Forschungspraktikum Teil II: Datenanalyse“.

Anmeldung: Eine Voranmeldung zu den Veranstaltungen des Soziologischen Forschungspraktikums ist bis zum 31. März 2017 notwendig:

• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Übungskurse (A, B, C, D, E) angeben
• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Kurse in Datenanalyse am PC (A, B, C, D) angeben

Link zur Präferenzumfrage: http://limesurvey.rz.uni-bamberg.de/limesurvey/index.php/777353?lang=de

Auf Basis der Präferenzlisten werden die Studierenden jeweils einem Übungskurs und einem Kurs in Datenanalyse am PC noch vor Beginn des Semesters zugewiesen. Um eine gleichmäßige Auslastung der Kurse und damit optimale und gleiche Lernbedingungen zu erreichen, behält sich das Leitungsteam vor, die Plätze auch nach niedrigeren Präferenzrängen zu vergeben. Bei verspäteter Anmeldung können nur noch die freien Plätze ohne Berücksichtigung von Präferenzen per Zuweisung vergeben werden.

Für das Plenum gibt es zwei Termine pro Woche. Die Veranstaltungen im Plenum finden v.a. in den ersten Wochen statt. Die genauen Termine des Plenums werden auf dem VC bekanntgeben.

Modulprüfung: Portfolio

Inhalt:

Lernziele: Die Studierenden sind nach dem Absolvieren des Moduls in der Lage Annahmen und grundlegende Ideen verschiedener multivariater statistischer Analyseverfahren zu erklären. In einem eigenständig durchgeführten Datenanalyseprojekt erwerben die Studierenden die Fähigkeit ausgehend von der jeweiligen Forschungsfrage adäquate Verfahren der Datenanalyse auszuwählen, diese Verfahren mit Hilfe von Stata anhand der erhobenen Primärdaten (bzw. der alternativ zur Verfügung gestellten Sekundärdaten) anzuwenden und die empirischen Ergebnisse vor dem Hintergrund der eigenen Forschungsfrage und postulierten Hypothesen richtig zu interpretieren und zu bewerten. Die Studierenden erlernen wie man Forschungsergebnisse für eine wissenschaftliche Veröffentlichung aufbereitet, darstellt, präsentiert und wissenschaftlich verteidigt.

Lerninhalte: Im Plenum werden die Grundprinzipien multivariater statistischer Analyseverfahren erläutert. Der Schwerpunkt liegt auf der linearen und der binär-logistischen Regressionsanalyse. In den begleitenden Übungen wird ein Datenanalyseprojekt in Einzelarbeit umgesetzt. Ausgehend von einer selbst konzipierten Fragestellung und spezifischen Hypothesen erfolgen die Datenauswertung und die Aufbereitung und die Publikation der Befunde in Form eines wissenschaftlichen Forschungsberichts. Als Datengrundlage dienen die in Teil 1 erhobenen Primärdaten des Websurveys oder der ALLBUS als alternative Sekundärdatenquelle. In der Veranstaltung Datenanalyse am PC wird die Umsetzung multivariater Verfahren der Datenanalyse mit dem Statistikprogramm Stata eingeübt.

FP/S/Ü: Soziologisches Forschungspraktikum Teil II: Datenanalyse: Übung (Gruppe A)

Dozent/in:

Michael Gebel

Angaben:

Forschungspraktikum, 2 SWS

Termine:

Mo, 10:00 - 12:00, F21/03.50, RZ/00.05
Einzeltermin am 26.6.2017, 8:00 - 10:00, F21/03.50

Voraussetzungen / Organisatorisches:

Empfohlen für Studierende im 4. Semester. Es wird der vorherige Besuch der Veranstaltungen Methoden der empirischen Sozialforschung I & II , Methoden der Statistik I und II , Einführung in das Soziologische Arbeiten und Soziologisches Forschungspraktikum Teil I: Datenerhebung empfohlen. Ein Bestehen der Prüfungsleistungen dieser Veranstaltungen ist keine Voraussetzung für den Besuch des Soziologisches Forschungspraktikum Teil II: Datenanalyse .

Anmeldung: Eine Voranmeldung zu den Veranstaltungen des Soziologischen Forschungspraktikums ist bis zum 31. März 2017 notwendig:

Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Übungskurse (A, B, C, D, E) angeben
Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Kurse in Datenanalyse am PC (A, B, C, D) angeben

Link zur Präferenzumfrage: http://limesurvey.rz.uni-bamberg.de/limesurvey/index.php/777353?lang=de

Auf Basis der Präferenzlisten werden die Studierenden jeweils einem Übungskurs und einem Kurs in Datenanalyse am PC noch vor Beginn des Semesters zugewiesen. Um eine gleichmäßige Auslastung der Kurse und damit optimale und gleiche Lernbedingungen zu erreichen, behält sich das Leitungsteam vor, die Plätze auch nach niedrigeren Präferenzrängen zu vergeben. Bei verspäteter Anmeldung können nur noch die freien Plätze ohne Berücksichtigung von Präferenzen per Zuweisung vergeben werden.

Für das Plenum gibt es zwei Termine pro Woche. Die Veranstaltungen im Plenum finden v.a. in den ersten Wochen statt. Die genauen Termine des Plenums werden auf dem VC bekanntgeben.

Modulprüfung: Portfolio

Inhalt:

Lernziele: Die Studierenden sind nach dem Absolvieren des Moduls in der Lage Annahmen und grundlegende Ideen verschiedener multivariater statistischer Analyseverfahren zu erklären. In einem eigenständig durchgeführten Datenanalyseprojekt erwerben die Studierenden die Fähigkeit ausgehend von der jeweiligen Forschungsfrage adäquate Verfahren der Datenanalyse auszuwählen, diese Verfahren mit Hilfe von Stata anhand der erhobenen Primärdaten (bzw. der alternativ zur Verfügung gestellten Sekundärdaten) anzuwenden und die empirischen Ergebnisse vor dem Hintergrund der eigenen Forschungsfrage und postulierten Hypothesen richtig zu interpretieren und zu bewerten. Die Studierenden erlernen wie man Forschungsergebnisse für eine wissenschaftliche Veröffentlichung aufbereitet, darstellt, präsentiert und wissenschaftlich verteidigt.

Lerninhalte: Im Plenum werden die Grundprinzipien multivariater statistischer Analyseverfahren erläutert. Der Schwerpunkt liegt auf der linearen und der binär-logistischen Regressionsanalyse. In den begleitenden Übungen wird ein Datenanalyseprojekt in Einzelarbeit umgesetzt. Ausgehend von einer selbst konzipierten Fragestellung und spezifischen Hypothesen erfolgen die Datenauswertung und die Aufbereitung und die Publikation der Befunde in Form eines wissenschaftlichen Forschungsberichts. Als Datengrundlage dienen die in Teil 1 erhobenen Primärdaten des Websurveys oder der ALLBUS als alternative Sekundärdatenquelle. In der Veranstaltung Datenanalyse am PC wird die Umsetzung multivariater Verfahren der Datenanalyse mit dem Statistikprogramm Stata eingeübt.

FP/S/Ü: Soziologisches Forschungspraktikum Teil II: Datenanalyse: Übung (Gruppe B)

Dozent/in:

Michael Gebel

Angaben:

Forschungspraktikum, 2 SWS

Termine:

Mo, 12:00 - 14:00, F21/03.50, RZ/00.05

Voraussetzungen / Organisatorisches:

Empfohlen für Studierende im 4. Semester. Es wird der vorherige Besuch der Veranstaltungen „Methoden der empirischen Sozialforschung I & II“, „Methoden der Statistik I und II“, „Einführung in das Soziologische Arbeiten“ und „Soziologisches Forschungspraktikum Teil I: Datenerhebung“ empfohlen. Ein Bestehen der Prüfungsleistungen dieser Veranstaltungen ist keine Voraussetzung für den Besuch des „Soziologisches Forschungspraktikum Teil II: Datenanalyse“.

Anmeldung: Eine Voranmeldung zu den Veranstaltungen des Soziologischen Forschungspraktikums ist bis zum 31. März 2017 notwendig:

• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Übungskurse (A, B, C, D, E) angeben
• Jede/r Studierende muss seine/ihre Präferenzordnung für den Besuch der Kurse in Datenanalyse am PC (A, B, C, D) angeben

Link zur Präferenzumfrage: http://limesurvey.rz.uni-bamberg.de/limesurvey/index.php/777353?lang=de

Auf Basis der Präferenzlisten werden die Studierenden jeweils einem Übungskurs und einem Kurs in Datenanalyse am PC noch vor Beginn des Semesters zugewiesen. Um eine gleichmäßige Auslastung der Kurse und damit optimale und gleiche Lernbedingungen zu erreichen, behält sich das Leitungsteam vor, die Plätze auch nach niedrigeren Präferenzrängen zu vergeben. Bei verspäteter Anmeldung können nur noch die freien Plätze ohne Berücksichtigung von Präferenzen per Zuweisung vergeben werden.

Für das Plenum gibt es zwei Termine pro Woche. Die Veranstaltungen im Plenum finden v.a. in den ersten Wochen statt. Die genauen Termine des Plenums werden auf dem VC bekanntgeben.

Modulprüfung: Portfolio

Inhalt:

Lernziele: Die Studierenden sind nach dem Absolvieren des Moduls in der Lage Annahmen und grundlegende Ideen verschiedener multivariater statistischer Analyseverfahren zu erklären. In einem eigenständig durchgeführten Datenanalyseprojekt erwerben die Studierenden die Fähigkeit ausgehend von der jeweiligen Forschungsfrage adäquate Verfahren der Datenanalyse auszuwählen, diese Verfahren mit Hilfe von Stata anhand der erhobenen Primärdaten (bzw. der alternativ zur Verfügung gestellten Sekundärdaten) anzuwenden und die empirischen Ergebnisse vor dem Hintergrund der eigenen Forschungsfrage und postulierten Hypothesen richtig zu interpretieren und zu bewerten. Die Studierenden erlernen wie man Forschungsergebnisse für eine wissenschaftliche Veröffentlichung aufbereitet, darstellt, präsentiert und wissenschaftlich verteidigt.

Lerninhalte: Im Plenum werden die Grundprinzipien multivariater statistischer Analyseverfahren erläutert. Der Schwerpunkt liegt auf der linearen und der binär-logistischen Regressionsanalyse. In den begleitenden Übungen wird ein Datenanalyseprojekt in Einzelarbeit umgesetzt. Ausgehend von einer selbst konzipierten Fragestellung und spezifischen Hypothesen erfolgen die Datenauswertung und die Aufbereitung und die Publikation der Befunde in Form eines wissenschaftlichen Forschungsberichts. Als Datengrundlage dienen die in Teil 1 erhobenen Primärdaten des Websurveys oder der ALLBUS als alternative Sekundärdatenquelle. In der Veranstaltung Datenanalyse am PC wird die Umsetzung multivariater Verfahren der Datenanalyse mit dem Statistikprogramm Stata eingeübt.

K: Kolloquium für Abschlussarbeiten (BA): Methoden der empirischen Sozialforschung

Dozent/in:

Michael Gebel

Angaben:

Kolloquium, 2 SWS

Termine:

Do, 16:00 - 18:00, FMA/00.06

Voraussetzungen / Organisatorisches:

Ausschließlich für Studierende, die eine Bachelorarbeit am Lehrstuhl für Methoden der empirischen Sozialforschung schreiben. Bitte beachten Sie die Hinweise auf: https://www.uni-bamberg.de/empsoz/abschlussarbeiten/bachelorarbeit/ Die genauen Termine des Kolloquiums werden den Studierenden, die eine Bachelorarbeit am Lehrstuhl für Methoden der empirischen Sozialforschung schreiben, nach Anmeldung der Bachelorarbeit mitgeteilt.

K: Kolloquium für Abschlussarbeiten (MA): Methoden der empirischen Sozialforschung

Dozent/in:

Michael Gebel

Angaben:

Kolloquium, 2 SWS

Termine:

Do, 16:00 - 18:00, FMA/00.06

Voraussetzungen / Organisatorisches:

Ausschließlich für Studierende, die eine Masterarbeit am Lehrstuhl für Methoden der empirischen Sozialforschung schreiben. Bitte beachten Sie die Hinweise auf: https://www.uni-bamberg.de/empsoz/abschlussarbeiten/masterarbeit/ Die genauen Termine des Kolloquiums werden den Studierenden, die eine Masterarbeit am Lehrstuhl für Methoden der empirischen Sozialforschung schreiben, nach Anmeldung der Masterarbeit mitgeteilt.

V: Einführung in die Methoden der empirischen Sozialforschung Teil II

Dozent/in:

Michael Gebel

Angaben:

Vorlesung, 2 SWS

Termine:

Di, 8:00 - 10:00, F21/01.37
Einzeltermin am 10.5.2017, Einzeltermin am 31.5.2017, Einzeltermin am 21.6.2017, 18:00 - 20:00, F21/01.37

Voraussetzungen / Organisatorisches:

Empfohlen für 2. Semester

Es wird der vorherige Besuch des Moduls BA Soz B.1.1 Einführung in die Methoden der empirischen Sozialforschung Teil I empfohlen, da im Modul BA Soz B.1.2 Einführung in die Methoden der empirischen Sozialforschung Teil I grundlegende Konzepte und Begrifflichkeiten aus dem Modul BA Soz B.1.1 als bekannt vorausgesetzt werden. Der Besuch des Moduls BA Soz B.1.1 ist jedoch keine formale Voraussetzung für den Besuch des Moduls BA Soz B.1.2. Fehlende Kenntnisse können eigenständig aufgearbeitet werden.

Eine Voranmeldung (z.B. über Flexnow, am Lehrstuhl, etc.) ist nicht notwendig! Informationen zur Prüfungsanmeldung werden im Rahmen der ersten Veranstaltung mitgeteilt.

Modulprüfung: Klausur (60min)

Inhalt:

Lernziele: Im Anschluss an die Veranstaltung können die TeilnehmerInnen grundlegende Aspekte der Kausalität und die Problematik des Ziehens kausaler Schlüsse erläutern, die Grundideen verschiedener Forschungsdesigns erklären und deren spezifische Vor- und Nachteile kritisch diskutieren.

Lerninhalte: Zunächst werden Kriterien für das Ziehen kausaler Schlüsse definiert, die Grundlagen des kontrafaktischen Modells der Kausalität erläutert und verschiedene Beziehungsstrukturen im 3-Variablen-Modell diskutiert. Darauf aufbauend werden Grundlagen und die spezifischen Probleme der folgenden Forschungsdesigns thematisiert:

Experimentelle Designs
Querschnittsdesigns
Längsschnittdesigns
Kohortendesigns
Fallstudien