Årgang 46, nr. 1 | Empiriske metoder til studiet af kausalitet i statskundskaben
Download hele nummeret
Jens Blom-Hansen og Søren Serritzlew | Endogenitet og eksperimenter – forskningsdesignet som løsning
Statskundskaben er fyldt med teorier om virkningen af uafhængige på afhængige variabler. Desværre er det ofte svært at fastslå, om en empirisk sammenhæng er udtryk for en kausal effekt. Uanset om den er fundet i et kvantitativt eller kvalitativt studie, kan en empirisk sammenhæng dække over mere, end at x påvirker y. Sammenhængen kan også være udtryk for, at y påvirker x. Dermed opstår et endogenitetsproblem, som indebærer, at man ikke uden videre kan udlede kausal inferens fra datamaterialet. I den situation er det relevant at overveje eksperimentet som løsning. I artiklen diskuterer vi disse forhold og giver eksempler på de væsentligste eksperimentelle designs, nemlig laboratorieeksperimentet, det naturlige eksperiment, felteksperimentet, surveyeksperimentet og kvasieksperimentet.
Derek Beach | Process tracing og studiet af kausale mekanismer
Denne artikel argumenterer for, at der kan være store gevinster ved at tage studiet af, hvad der sker imellem X og Y, mere seriøst. Det kan gøres ved at studere de kausalmekanismer, som binder X og Y sammen ved brug af dybdegående casestudiemetoder som process tracing (PT). Herved undersøges det empirisk, hvorvidt og hvordan X medvirker til at producere Y. Der er tre særlige fordele ved PT. For det første kan vi lave en meget stærk inferens om, at X er kausalrelateret til Y, fordi vi opnår detaljeret viden om den empiriske proces, som binder de to sammen i en mekanisme. For det andet opnår man en bedre forståelse for, hvordan X medvirker til at producere Y. En sidste overset fordel ved at studere mekanismer med dybdegående casestudier er, at man ikke behøver at vælge cases på baggrund af behovet for at isolere effekten af X i forhold til andre mulige årsager. Ulempen er særligt, at PT er utrolig tids- og pladskrævende, samt at mulighederne for at generalisere er begrænsede.
Asmus Leth Olsen | Tærskelvariable og tærskelværdier: en introduktion til regressionsdiskontinuitetsdesignet
Regressionsdiskontinuitetsdesignet (RDD) udnytter empiriske situationer, hvor vi kan observere en variabel, der ved en given værdi opdeler de observationer, vi studerer, i en kontrol- og forsøgsgruppe. RDD har vist sig at reproducere traditionelle, eksperimentelle resultater, være intuitivt enkelt og relativt nemt at implementere i statistiske programpakker. Alligevel er det først inden for de seneste par år, at RDD er blevet anvendt i statskundskaben. Oftest har krikken af designet været, at den empiriske virkelighed sjældent tilbyder situationer, hvor RDD er anvendeligt. Denne artikel introducerer forskere og studerende til RDD i en statskundskabssammenhæng. Der vil være et særligt fokus på at vise, at RDD faktisk er brugbart til at besvare ganske mange forskelligartede kausale spørgsmål i statskundskaben.
Mogens K. Justesen og Robert Klemmensen | Sammenligning af sammenlignelige observationer: kausalitet, matching og observationsdata
Artiklen giver en introduktion til matching og diskuterer metodens styrker og svagheder i studier af kausalitet. Matching er primært en metode, der kan anvendes til at gøre observationer så sammenlignelige som muligt på observerbare forhold. Matching løser ikke i sig selv de problemer, der er forbundet med at drage kausal inferens med observationsdata, men kan bringe os et skridt i den retning, hvis den kombineres med et stærkt design, fx et naturligt eksperiment eller et kvasi-eksperiment. Artiklen giver et eksempel på, hvordan matching kan bruges til analyse af kvasi-eksperimentelle data. Til dette formål bruger vi surveydata til at analysere, hvordan en miljøkatastrofe forårsaget af en uanticiperet eksplosion på olieboreplatformen Deep Water Horizon påvirkede briternes holdninger til miljøspørgsmål.
Jacob Gerner Hariri | Statskundskabens sammenfiltrede virkelighed og et bud på en løsning: IV-estimation
IV-estimation er efterhånden blevet en fast og nødvendig del af den empiriske værktøjskasse i statskundskaben. Den er nødvendig, fordi vores empiriske genstandsfelt er sammenfiltret; variable hænger sammen på kryds og tværs, og det er langtfra ligetil at afgøre, hvad der er årsag til hvad. Formålet med IV-estimation er netop at skære igennem sammenfiltringen og at afklare, hvorvidt og hvor meget én faktor er årsag til en anden. Denne artikel motiverer og forklarer brugen af instrumentvariable i statistiske analyser, ligesom der gives praktiske råd til analyser med instrumentvariable.
Peter Bjerre Mortensen | Granger kausalitet
Denne artikel giver en grundig introduktion til begrebet Granger kausalitet, der inden for statskundskaben har haft stor betydning for forståelsen af den kausale relation mellem to variable observeret over tid. Artiklen redegør for definitionen på Granger kausalitet og gennemgår, hvordan man empirisk kan teste for Granger kausalitet. Derudover diskuteres ved inddragelse af en række empiriske eksempler nogle af de begrænsninger og udfordringer, der knytter sig til analyser af Granger kausalitet. Artiklen afrundes med en perspektivering til metoder, der kan håndtere mere end to variable samt til metoder, der udvider Granger kausalitetstesten til analyser af sammenhænge både over tid og på tværs af enheder.
Anmeldelser
Meredith Rolfe, Voter Turnout. A Social Theory of Political Participation, Cambridge University Press, 2012 (Anmeldt af Jonas Hedegaard Hansen)
Rune Stubager, Kasper Møller Hansen og Jørgen Goul Andersen, Krisevalg. Økonomien og folketingsvalget 2011, København: Jurist- og Økonomforbundets Forlag, 2013 (Anmeldt af Ole Borre)
Thomas Risse, Stephen C. Ropp and Kathryn Sikkink (eds.), The Persistent Power of Human Rights: From Commitment to Compliance, Cambridge University Press, 2013 (Anmeldt af Line Engbo Gissel)
Om forfatterne
Ophavsretten tilhører Politica. Materialet må ikke bruges eller distribueres i kommercielt øjemed.