Comparative Politics (University of St. Gallen) PDF

Comparative Politics Die Vergleichende Methode Prof. Oliver Strijbis 1 Was haben wir letzte Woche gelernt? Vergleichende Politik und die Leiter der Abstraktion: Vergleichende Politik ist das Studium der Innenpolitik im Allgemeinen Um allgemein zu s...

Comparative Politics Die Vergleichende Methode Prof. Oliver Strijbis 1 Was haben wir letzte Woche gelernt? Vergleichende Politik und die Leiter der Abstraktion: Vergleichende Politik ist das Studium der Innenpolitik im Allgemeinen Um allgemein zu sein, müssen wir abstrahieren (= theoretisch sein) In der vergleichenden Politik wollen wir - abstrakt genug sein, um zu verallgemeinern - spezifisch genug sein, um unsere Theorien anhand von Beobachtungen zu überprüfen („Empirie“) Je abstrakter wir sind - desto mehr Einheiten können wir analysieren - desto weniger Attribute können wir analysieren 2 Inhalte heute: 1. Forschungsstrategie 2. Die Vergleichende Methode 3. Fallauswahl bei Fallstudien 3 Forschungsstrategie (1) Wie werden Theorien getestet? Fallauswahl durch Entscheidung über: - Räumliche/funktionale Einheit: Länder, Regionen, Organisationen, Individuen, etc. - Zeit: Zeiträume und Zeitpunkte → Anzahl Untersuchungseinheiten («Fälle») 4 Forschungsstrategie (2) Wie werden Theorien getestet? Operationalisierung: 1. Messung von Variablen (theoretische Konstrukte) durch Indikatoren (Messungen). 2. Manchmal mehrere Indikatoren für eine Variable 3. Häufig wird „Variable“ sowohl für das theoretische Konstrukt als auch für die Messung verwendet. Problematisch, wenn es viele plausible Möglichkeiten gibt, wie die Variable gemessen werden kann. 5 Forschungsstrategie (3) (Mittlere) Theorien als Systeme von Hypothesen: Abstrakte Vermutungen über kausale Zusammenhänge: Erklärungen. Diese müssen empirisch überprüfbar sein: Hypothesen (wenn..., dann...). Mehr oder weniger komplexe Theorien, breite Systeme von Hypothesen, die eng miteinander verknüpft sind. Unabhängige Variable (V) 1 Unabhängige Abhängige Variable (IV) 2 Variable (DV) Unabhängige Variable (IV) 3 6 Forschungsstrategie (4) Beispiel: Operationalisierungen IV: Katholizismus Indikator: % Katholische Konfession IV: Religiosity DV: Starke Christdemokraten Indikator: ø Häufigkeit Indikator: % Wähleranteil in Kirchbesuch + ø Häufigkeit Parlamentswahlen beten IV: Autoritäre Werte Indikator: % mit Präferenz für starken Führer 7 Forschungsstrategie (5) Die Wahl der Methode hängt von der Anzahl der Fälle und Variablen Intensiv ab Variablen Viele «Vergleichstudie» (> 10) ‟ Vergleich Fallstudie ende Methode Statistisc Wenige he (2 to 10) Methode Extensiv (Einzelne 1 Beobacht Verteilung (Beschreibung) -ung) N= N= N = Viele 1 Wenige Fälle (> 20) (2 to 20) 8 Forschungsstrategie (6) Verzerrung durch ausgelassene Variablen (omitted variable bias) und umgekehrte Kausalität als methodologische Herausforderungen 2. Problem 2: Umgekehrte Kausalität X: IV/ („Endogenität“) Y: DV/ Treatment Treated 1. Problem: Omitted variable bias Z1 - Zn: Dritt- variablen 9 Forschungsstrategie (7) Example emancipative values and democracy (Welzel) Umgekehrte Kausalität? Emancipativ Demokratie e Werte Omitted variable bias? Wohlstand, Protestant- ismus 10 Forschungsstrategie (8) Das Experiment als Ideal Lösung: Zeit X: IV/ Y: DV/ Treatment Treated Lösung: Warum ist die Randomisierung Randomisierung von X von X die Lösung? Weil in der sozialen Realität nichts zufällig ist Z1 - Zn: Dritt- variablen Wenn Z1 - Zn trotzdem auch zufällig sind, ist das mit ziemlicher Sicherheit nicht die gleiche Zufälligkeit 11 Funktioniert aber nur für Forschungsstrategie (9) Warum nicht immer (kontrolliertes) Experiment? Zufällige Behandlung nicht möglich (Beispiel: Wohlstand) Beobachtung über die Zeit nicht möglich (Beispiel: Erhebungen nur in Zeitintervallen) Nicht genügend Fälle (Zufallsverteilung für Experiment notwendig) (Beispiel: nur wenige Parteien) → Kombination von Fallauswahl und Methoden als Annäherung an das experimentelle Ideal 12 Inhalte heute:  Forschungsstrategie 2. Die Vergleichende Methode 3. Fallauswahl bei Fallstudien 13 Die Vergleichende Methode (1) Vergleichen als Annäherung an das Experiment: Wenige Fälle: Die Vergleichende Methode 1 Fall: Fallstudie Viele Fälle (large N): Statistik 14 Die Vergleichende Methode (2) Achtung: „Vergleichende Politikwissenschaft‟ vs. Die vergleichende Methode! Zwei Bedeutungen des Konzepts: Vergleichende Methode: eine spezifische Methode, die sich von statistischer Vorgehensweise und Prozessanalyse (process tracing) unterscheidet Vergleichende Studie: kann mit unterschiedlichen Methoden durchgeführt warden (Statistik, vergleichende Methode, Prozessanalyse) 15 Die Vergleichende Methode (3) Eine Methode der vergleichenden Politikwissenschaft, NICHT die Methode der VP Fallstudi Vergleiche e nde Politikwiss en-schaft Statistisc Vergleiche he nde Methode Methode 16 Die Vergleichende Methode (4) Most similar system design (MSSD), umgekehrte Kausalität und omitted variable bias Lösung: Keine (Theorie) X: IV/ Y: DV/ Treatment Treated Lösung: Auswahl ähnlicher Fälle Z1 - Zn: Dritt- «Kontrolle»: Z1 – Zn variablen sind konstant, X und Y variieren 17 Die Vergleichende Methode (5) Mills Methods (1843): Methode der Differenz Potentiell erklärende (unabhängige) Fäll Variablen DV e C1 C2 C3 C4 C5 … 1 1 0 1 1 0 0 2 1 0 1 1 0 0 3 1 0 1 1 0 0 4 1 0 1 1 0 0 5 1 0 1 1 1 1 Most Similar System Design (MSSD), comparable-cases design der different outcome design: Ähnlichkeit im Kontext und Variation nur bei wenigen (oder einer) Variable (hier: C5). 18 Die Vergleichende Methode (6) Most different system design (MDSD), umgekehrte Kausalität und omitted variable bias Lösung: Keine (Theorie) X: IV/ Y: DV/ Treatment Treated Lösung: Auswahl unterschiedlicher (dissimilar) Fälle Z1 - Zn: Dritt- «Kontrolle»: Z1 – variablen Zn variieren, X and Y sind konstant 19 Die Vergleichende Methode (7) Mills Methods (1843): Method der Konkordanz Potentiell erklärende Fäll (unabhängige) Variablen DV e C1 C2 C3 C4 C5 … 1 0 1 1 1 1 1 2 1 0 1 0 1 1 3 1 0 0 1 1 1 4 1 1 0 0 1 1 5 1 1 0 1 1 1 Most Different Systems Design (MDSD) oder similar outcome design: Unterschiede im Kontext and Konkordanz (Übereinstimmung) bei nur wenigen (oder einer) Variable (hier: C5). 20  Die Vergleichende Methode (8) Mills Methods (1843): The kombinierte Methode (combined method) Potentiell erklärende Fäll (unabhängige) Variablen DV e C1 C2 C3 C4 C5 … 1 1 1 1 1 1 1 2 1 0 1 0 1 1 3 1 0 0 1 1 1 4 1 1 0 0 1 1 Zwei Testfälle 5 1 1 0 1 1 1 um zu entscheiden, ob 6 1 0 1 0 0 0 C1 oder C5. 7 1 1 1 0 0 0 Die Logik des MSSD und MDSD kombiniert 21 Die Vergleichende Methode (9) Zwei Probleme der vergleichenden Methode: 1. Limitierte Kontrolle von möglichen Drittvariablen Nicht alle möglichen Drittvariablen sind bekannt Fehlende Werte für eine Fälle und Variablen → Most similar system design (MSSD) ohne Messung von Drittvariablen 22 Die Vergleichende Methode (10) Die Logik der vergleichenden Methode für die Fallauswahl (d.h. ohne Analyse) Land Var 1 Var 2 Var 3 Var 4 Var 5 Var 6 Var 7 Var 8 Var 9 Var 10 … DV ? 10,00 A 1 0 X S Y% VW früh Dem. … 1 0 Die Werte dieser 10,00 B 1 0 Y S X% X% VW spät Dem. … 1 Variablen können 0 ? unbekannt 10,00 C 1 0 S X% sein, X% es VW spät Dem. … 0 wird jedoch 0 ? angenommen, 10,00 D 1 0 S X% X%dass VW früh Dem. … 0 0 Hypothese sie ähnlich sind. Reduktion … … der … Anzahl … …Variablen: … … …… … …… …  Hier: Logik des MSSD => «Vergleichende (Fall-)Analyse»  Wenn man ähnliche Fälle auswählt, kann man davon ausgehen, dass sie fast die gleichen Werte auf Drittvariablen haben (z.B. Werte auf Var 3-Var 7 sind für einige Fälle unbekannt)  Verbesserung der Anzahl der Fälle im Verhältnis zu den Variablen („Freiheitsgrade“) 23 Die Vergleichende Methode (11) Zweit Probleme der vergleichenden Methode (kont.): 2. Die moisten (alle?) Variablen sind metrisch, nicht binär (“dummy”) Kreieren von Dummies führt zu Verlust an Information (z.B. Demokratie ja/nein anstatt Grad an Demokratie) Kreieren von mehreren Variablen ist eine unbefriedigende Lösung (z.B. keine Demokratie, Halbdemokratie, Demokratie) → Die meisten MSSD mit kontinuierlichen Variablen → Keine Formalisierung (z.B. in Form von Tabelle mit 24 Die Vergleichende Methode (12) Die Logik der vergleichenden Methode mit metrischen unabhängigen und/oder abhängigen Variablen Land Var 1 Var 2 Var 3 Var 4 Var 5 Var 6 Var 7 Var 8 Var 9 Var 10 … DV X 10,00 306 A 1 0 S ? Y% VW 3 Dem. … 0 Die Werte dieser Y Variablen 10,00 10 B 1 0 S X%können X% VW Dem. … 109 0 unbekannt sein, es 10,00 C 1 0 ? S X% X% VW 8 Dem. … 269 wird jedoch 0 D 1 0 ? angenommen, S X% X% dass 10,00 VW 4 Dem. … Hypoth 29 sie ähnlich sind. 0 … … … … … … … … … … … ese… … Verringerung der Anzahl der Variablen: Dieselbe Logik wie zuvor, aber mit metrischen Variablen Die Analyse kann deskriptiv sein (bivariate Beziehungen) Die Analyse kann statistisch sein (typischerweise bei 25 multivariaten Beziehungen) Die Vergleichende Methode (13) Erinnern Sie sich an das Experiment als ideal? Lösung: Zeit X: IV/ Y: DV/ Treatment Treated Lösung: Randomisierung von X Z1 - Zn: Dritt- variablen 26 Die Vergleichende Methode (14) Natürliches Experiment als perfektes MSSD Potentiell erklärende Fäll (unabhängige) Variablen DV e C1 C2 C3 C4 … Cn 1 1 0 1 1 … 0 1 2 0 0 1 1 … 0 0 Die perfekte Situation: Stellen Sie sich zwei Fälle vor, die mit Ausnahme von zwei Variablen C1 und E identisch sind Dies ist das perfekte Most Similar System Design (MSSD) Wenn C1 vor DV auftritt, hat C1 DV verursacht. Wenn es nicht im Labor erzeugt wurde, handelt es sich um ein 27 „natürliches Experiment“ Die Vergleichende Methode (15) Sind «natürliche Experimente» eher Experimente oder MSSDs? Echte Experimente sind in der natürlichen Umwelt sehr selten Aber es gibt sie in Form von natürlichen Lotterien (z. B. Wetter) und von Menschen gestalteten Lotterien (z. B. Preislotterien) Die meisten Forschungsdesigns, die als „natürliche Experimente“ bezeichnet werden, liegen zwischen vollständig zufälligen (echten Lotterien) und den meisten ähnlichen Systemdesigns Sie sind umso natürlicher, je zufälliger die Verteilung der unabhängigen Variable (des „Treatments“) ist. Die Verteilung der unabhängigen Variable wird als „as-if- 28 Die Vergleichende Methode (16) Typische „as-if-random“ Situationen: Zufällige Diskontinuität: Ein fast zufälliger Bruch in einer Reihe. - Typischerweise Werte sehr nahe am Cut-Off - Beispiele: Sehr knappe Wahlergebnisse (z. B. um die 50 %), Geburtsdaten nahe am Grenzwert für die Einschulung usw. Instrumentvariable: Ein Teil der Varianz der unabhängigen Variable wird durch eine Zufallsvariable bestimmt - Typischerweise soziale Phänomene, die stark von der Natur abhängen - Beispiele: Varianz der Wahlbeteiligung, die durch Regenfälle bestimmt wird, Art der Landwirtschaft aufgrund der geografischen Lage usw. 29 Die Vergleichende Methode (17) Erinnern Sie sich an das Experiment als ideal? Lösung: Zeit X: IV/ Y: DV/ Treatment Treated Lösung: Randomisierung von X Z1 - Zn: Dritt- variablen 30 Die Vergleichende Methode (18) Die statistische Lösung Lösung: Zeit/keine X: IV/ Y: DV/ Treatment Treated Lösung: Schätzen Sie das Verhältnis von X und Z1-Zn zu Y Ein paar Herausforderungen: Nicht alle Z sind bekannt Nicht für alle Z sind Daten Z1 - Zn: Dritt- variablen verfügbar Was ist, wenn X stark mit einem Z korreliert („Multikollinearität“)? 31 Die Vergleichende Methode (19) 1) Quantifiziere alle Variablen Countr Var 1 Var 2 Var 3 Var 4 Var 5 Var 6 Var 7 Var 8 Var 9 Var 10 … DV y 11,00 A 15 0 345 1 2% 5% 4 3 1 … 306 0 18,00 B 36 1 364 1 31% 4% 2 10 1 … 109 0 13,00 C 58 0 5745 1 97% 5% 2 8 0 … 269 0 14,00 D 2 1 235 1 45% 2% 6 4 1 … 29 0 … … … … … … … … … … … … … 13,00 Y 47 1 346 0 77% 1% 5 9 0 Hypothese 234 0 14,00 Z 27 1 697 1 2% 3% 2 8 1 89 0 32 Die Vergleichende Methode (20) 2) Mach eine Kreuztabelle mit vielen Zellen Var1 Var2 Var3 DV 0 306 15 1 109 2 0 269 36 1 29 0 342 58 1 235 5 0 364 2 1 781 0 973 47 1 364 3 0 658 27 1 456 33 Die Vergleichende Methode (21) 3) Füge einen zufälligen Fehlerterm hinzu («error term») y =  + *x + Zufallsfehler Fehler 34 Schedule today: 1. Forschungsstrategie  Die Vergleichende Methode 3. Fallauswahl bei Fallstudien 35 Fallauswahl bei Fallstudien (1) Implikation der vergleichenden Logik für Fallstudien: Hier enges Verständnis der Fallstudie als Untersuchung eines Falles mit Fokus auf den Prozess Relevanz einer Methode, die nicht im engeren Sinne „vergleicht“, für vergleichende Politikwissenschaft Theoretischer Bezug muss vorhanden sein: - dienen der theoretischen Falsifikation (empirische Prüfung) - dienen der Ableitung (Induktion) von neuen Hypothesen - „a-theoretische“, ‚ideographische‘, deskriptive Ansätze dienen nicht der Theoriebildung und Verallgemeinerung 36 Fallauswahl bei Fallstudien (2) Arten von Fallstudien und (impliziter) Vergleich: Typischer Fall: typische Kombination von X und Y. Was ist der Prozess/Kausalmechanismus? Untypischer Fall („abweichender Fall“): Untypische Kombination von X und Y. Gibt es eine Scheinkorrelation? Was ist die relevante Drittvariable? Wahrscheinlichster Fall: Behandlung X ist sehr stark => Erwartung, dass Y. Nur interessant, wenn X nicht zu Y führt => Falsifikation Am wenigsten wahrscheinlicher Fall („harter Fall“): Behandlung X ist sehr schwach => Erwartung, dass nicht Y. 37 Fallauswahl bei Fallstudien (3) Fallstudie mit vielen Fällen? Achtung: Zweideutigkeit der Terminologie! Qualitative Quantitative Fallstudie Fallstudie (z.B. (Statistik) Prozessanalyse) Beispiel: Prozess durch welchen Bürgertum Umfrage unter demokratische 1000 Eiwohnern Revolution (1000 Fälle) geschafft hat (einen Fall) Land A Land B 38 Fallauswahl bei Fallstudien (4) Quantitative „Fallstudien“ als Vergleich „innerhalb“: Vergleich zwischen räumlichen/funktionalen Einheiten (z.B. Kantone) Vergleich über die Zeit (z.B. Jahre) Kombination mit wenigen Zeitpunkten und vielen räumlichen Einheiten: Panel Kombination mit vielen Zeitpunkten und wenigen räumlichen Einheiten: Zeitreihenanalyse (Time-series cross-section) 39 Fallauswahl bei Fallstudien (5) Qualitative „Fallstudien“ als Prozessanalyse (process tracing): Prozessanalyse als grundlegendes Instrument der qualitativen Analyse Qualitative Analyse ist nicht „everything goes“ Beschreibung als Schlüsselbeitrag: Beschreibung einer zeitlichen Abfolge von Ereignissen Beispiel: Abfolge von Ereignissen, die zu einem Krieg führten Kann mit Vergleich kombiniert werden! 40 Fallauswahl bei Fallstudien (6) Prozessanalyse als Lösung: Lösung: Zeit! X: IV/ Y: DV/ Treatment Treated Keine Lösung ausser Evidenz gegenüber anderen Hypothesen Z1 - Zn: Dritt- variablen 41 Fallauswahl bei Fallstudien (7) Was die Prozessanalyse kann: Identifizierung und Beschreibung neuer Phänomene (wie jede Art von Beschreibung) Hypothesen testen Ableitung neuer Hypothesen Ausschluss von Verzerrungen durch ausgelassene Variablen Umgekehrte Kausalität ausschließen Ergänzend zum Vergleich, aber in der Regel auf kleine N beschränkt, da zeitintensiv 42 Schluss (1) In diesem ersten Teil über vergleichende Politikwissenschaft und die vergleichende Methode haben Sie gelernt: Worum es in der Vergleichenden Politikwissenschaft geht Das Konzept der Abstraktionsleiter und seine Beziehung zur VP als Teildisziplin der Politikwissenschaft Was eine typische Forschungsfrage und ein typisches Forschungsdesign in der VP ist Das Verhältnis zwischen Fallzahl, Variablen und deren Einfluss auf die Methodenwahl 43 Schluss (2) In diesem ersten Teil über vergleichende Politikwissenschaft und die vergleichende Methode haben Sie gelernt (kont.): Die vergleichende Methode: Methode der Differenz, Methode der Konkordanz Die Logik des MSSD, des MDSD und des kombinierten Vergleichs Ein gutes Verständnis für Gemeinsamkeiten und Unterschiede mit dem „natürlichen Experiment“, der statistischen Kontrolle und der Prozessanalyse Vier Fallauswahlstrategien für Fallstudien 44