Quantitative Analyse

Quantitative AnalyseUniversität Greifswald — Wintersemester 2012/13 — Mo 16:15h–17:45h, Baderstr. 4/5, SRÜberblickArnd Plagge — Baderstr. 6/7, Raum 1.02 — arnd.plagge@uni–greifswald.deSprechstunde: Mo 12:15h–14:00h sowie nach Vereinbarung per e-mailLetzte Änderung: 12. Oktober 2012Dieses Seminar richtet sich an Studierende im dritten Semester des Master-Studiums im Programm”Politikwissenschaftliche Demokratiestudien“ sowie Post-Graduierte. Besonders interessantdürfte dieser Kurs für all diejenigen sein, die fundierte Kenntnisse von empirischen Methodenmit besonderer Betonung von Kausalität erwerben und hierzu selber empirisch arbeitenwollen. Die Ansprüche in diesem Seminar sind ebenso wie der Arbeitaufwand hoch. Vorkenntnisse,die über das im Blockseminar ”Statistik mit SPSS“ behandelte Material hinausgehen,werden nicht vorausgesetzt, wohl aber die Bereitschaft, sich ernsthaft in den Kurs einzubringen.Dieses Seminar ist ausdrücklich kein Kurs in statistischer Theorie. Ziel ist es vielmehr,alle Teilnehmenden in die Lage zu versetzen, statistische Analysen lesen und bewerten sowieselbständig solide Datenanalysen mit verschiedenen Datentypen durchführen zu können. Umdieses Ziel zu erreichen, ist jede Woche ein Übungszettel zu bearbeiten. Hierfür werden wir dasStatistikprogramm R verwenden und dabei die gebräuchlichsten Verfahren der quantitativenPolitikwissenschaft von einfachen bis zu (sehr) fortgeschrittenen Methoden kennenlernen.ArbeitsaufwandDer voraussichtliche Arbeitsaufwand für diese Lehrveranstaltung entspricht den von der Prüfungsordnungvorgesehenen 180 Stunden, also im Schnitt ca. 13 Stunden pro Woche. Zu beachtenist dabei, dass diese Stundenzahl nicht ausreichen wird, um das Material wirklich zu beherrschen.Übung macht wie so oft auch bei der Datenanalyse den Meister, 180 Stunden sollten allerdingsausreichen, um adäquat auf die mündliche Abschlussprüfung vorbereitet zu sein. Ich vermute,dass sich die 180 Stunden in etwa wie folgt verteilen werden: 30 Stunden Anwesenheit im Kurs,80 Stunden für Lektüre, 70 Stunden für die Bearbeitung der 13 wöchentlichen Aufgabenzettel.Der Leseaufwand für diesen Kurs hängt u.a. von den Vorkenntnissen der Teilnehmendenab. Wer bislang wenig Erfahrung mit Statistik hatte und möglichst viel lernen möchte, wirdmehr lesen müssen (und wollen) als jemand, der bereits einige Vorkenntnisse hat oder nur diePrüfung bestehen will. Prinzipiell gilt aber, dass der Lernerfolg in diesem Kurs hauptsächlichdavon abhängen wird, wieviel Zeit man für das Seminar zu investieren bereit ist.Bitte beachten: Für die mündliche Prüfung ist all das Material, das im Reader enthaltenund nicht als optional gekennzeichnet ist, relevant (660 Seiten). Darüber hinaus ist es fürein erfolgreiches Bestehen der Prüfung zudem unabdinglich, die Übungszettel gewissenhaft zubearbeiten und die jeweils ggf. zugehörigen Texte ebenfalls sorgfältig zu lesen.1

PrüfungDas Seminar Quantitative Analyse“ ist einer von drei Kursen im Modul Forschungslogik und” ”Forschungsdesign“. Von den drei Kursen müssen M.A.-Studierende nur zwei belegen, wobeiPersonen mit geringer Affinität zu empirischen Analysen diesen Kurs zugunsten der beidenanderen Angebote meiden sollten. Grundlage für die mündliche Prüfung im Februar sind beideSeminare, die belegt wurden, wobei die Prüfung von den betreffenden Dozierenden zu gleichenTeilen zusammen durchgeführt werden wird (jeweils 15 Minuten).LiteraturEin Reader mit der Basislektüre zur Veranstaltung kann im Copyshop an der Kuhstr. 39 erworbenwerden. Zur Anschaffung empfehle ich zudem das folgende Buch: Fox, John und SanfordWeisberg. 2010. An R Companion to Applied Regression. 2. Aufl. Thousand Oaks, CA: Sage.Weitergehende Literaturhinweise zu statistischen Themen gebe ich gerne in der Sprechstunde.Potenziell hilfreiche Bücher (allesamt in der Bibliothek verfügbar)Angrist, Joshua D. und Jörn-Steffen Pischke. 2009. Mostly Harmless Econometrics: An Empiricist’sCompanion. Princeton, NJ: Princeton University Press.Box-Steffensmeier, Janet M. und Bradford S. Jones. 2004. Event History Modeling: A Guidefor Social Scientists. Cambridge: Cambridge University Press.Dalgaard, Peter. 2008. Introductory Statistics with R. 2. Aufl. New York, NY: Springer.Faraway, Julian J. 2006. Extending the Linear Model with R: Generalized Linear, Mixed Effectsand Nonparametric Regression Models. Boca Raton, FL: Chapman & Hall/CRC.Freedman, David, Robert Pisani und Roger Purves. 2007. Statistics. 4. Aufl. New York, NY:Norton.Gelman, Andrew und Jennifer Hill. 2007. Data Analysis Using Regression and Multilevel/HierarchicalModels. Cambridge: Cambridge University Press.Kennedy, Peter. 2008. A Guide to Econometrics. 6. Aufl. Malden, MA: Blackwell.Kleinbaum, David G. und Mitchel Klein. 2011. Survival Analysis: A Self-Learning Text. 3.Aufl. New York, NY: Springer.Morton, Rebecca B. und Kenneth C. Williams. 2010. Experimental Political Science and theStudy of Causality: From Nature to the Lab. Cambridge: Cambridge University Press.Rosenbaum, Paul R. 2010. Design of Observational Studies. New York, NY: Springer.Teetor, Paul. 2011. R Cookbook. Sebastopol, CA: O’Reilly.Wooldridge, Jeffrey M. 2010. Econometric Analysis of Cross Section and Panel Data. 2. Aufl.Cambridge, MA: MIT Press.2

1. Statistik und Kausalität I (15. Oktober)Texte im Reader: (24 Seiten)• Fischer, Ernst P. 2001. Die andere Bildung: Was man von den Naturwissenschaften wissensollte. München: Ullstein, S. 63–65 (Kapitel 3, Abschnitt Die Hypothese und ihre”Prüfung“).• Angrist, Joshua D. und Jörn-Steffen Pischke. 2009. Mostly Harmless Econometrics: AnEmpiricist’s Companion. Princeton, NJ: Princeton University Press, S. 11–24 (Kapitel 2– The Experimental Ideal“).”• Berk, Richard. 2010. What You Can and Can’t Properly Do With Regression.“ Journal”of Quantitative Criminology 26(4): 481–487.2. Grundlagen der OLS-Regression / Monte-Carlo-Simulationen (22. Oktober)Texte im Reader: (69 Seiten)• Kennedy, Peter. 2008. A Guide to Econometrics. 6. Aufl. Malden, MA: Blackwell, S. 11–32,40–43, 403–406 (Kapitel 2 – Criteria for Estimators“, Kapitel 3 – The Classical Linear” ”Regression Model“, Anhang A – Sampling Distributions, The Foundation of Statistics“).”• Teetor, Paul. 2011. R Cookbook. Sebastopol, CA: O’Reilly, S. 267–277 (Kapitel 11 – Linear ”Regression and ANOVA“).• Fox, John und Sanford Weisberg. 2010. An R Companion to Applied Regression. 2. Aufl.Thousand Oaks, CA: Sage, S. 285–300, 314–315 (Kapitel 6 – Diagnosing Problems in”Linear and Generalized Linear Models“).• Robert, Christian P. und George Casella. 2010. Introducing Monte Carlo Methods with R.New York, NY: Springer, S. 41–50 (Kapitel 2 – Random Variable Generation“).”3. Fortgeschrittene Themen zu OLS: Interaktionen, Modellvergleich, OmittedVariable Bias (29. Oktober)Texte im Reader: (27 Seiten)• Braumoeller, Bear F. 2005. Hypothesis Testing and Multiplicative Interaction Terms.“”International Organization 58(4): 807–820.• Ludwig-Mayerhofer, Wolfgang. 2002. Likelihood-Verhältnis-Test.“ In ILMES – Internet-”Lexikon der Methoden der empirischen Sozialforschung, Artikel verfügbar via http://wlm.userweb.mwn.de/ilm l7.htm (Zugriff am 12.10.2012; 1 S.).• Clarke, Kevin A. 2005. The Phantom Menace: Omitted Variable Bias in Econometric”Research.“ Conflict Management and Peace Science 22(4): 341–352.3

4. Grundlagen der Logit- & Probit-Regression (5. November)Texte im Reader: (44 + 28 Seiten)• (optional, da bereits im IO-Seminar zu lesen:) Wright, Raymond E. 1995. Logistic Regression.“In Grimm, Laurence G. und Paul R. Yarnold. Hrsg. Reading and Understanding”Multivariate Statistics. Washington, DC: American Psychological Association, S. 217–244.• Fox, John und Sanford Weisberg. 2010. An R Companion to Applied Regression. 2. Aufl.Thousand Oaks, CA: Sage, S. 229–240, 317–327 (Kapitel 5 – Fitting Generalized Linear”Models“, Kapitel 6 – Diagnosing Problems in Linear and Generalized Linear Models“).”• Esarey, Justin und Andrew Pierce. 2012. Assessing Fit Quality and Testing for Misspecificationin Binary-Dependent Variable Models.“ Political Analysis 20(4): 480–500.”5. Fortgeschrittene Themen zu Logit & Probit: Interaktionen, Modellvergleich,Omitted Variable Bias (12. November)Texte im Reader: (50 Seiten)• Ai, Chunrong und Edward C. Norton. 2003. Interaction Terms in Logit and Probit Models.“Economics Letters 80: 123–129.”• Clarke, Kevin A. 2003. Nonparametric Model Discrimination in International Relations.“”Journal of Conflict Resolution 47(1): 72–93.• Clarke, Kevin A. 2009. Return of the Phantom Menace: Omitted Variable Bias in EconometricResearch.“ Conflict Management and Peace Science 26(1): 46–66.”6. Survival Analysis I (19. November)Texte im Reader: (45 Seiten)• Wright, Raymond E. 2000. Survival Analysis.“ In Grimm, Laurence G. und Paul R.”Yarnold. Hrsg. Reading and Understanding More Multivariate Statistics. Washington, DC:American Psychological Association, S. 363–407.7. Survival Analysis II (26. November)Texte im Reader: (34 Seiten)• Box-Steffensmeier, Janet M. und Christopher J. W. Zorn. 2001. Duration Models and”Proportional Hazards in Political Science.“ American Journal of Political Science 45(4):972–988.• Licht, Amanda A. 2011. Change Comes with Time: Substantive Interpretation of NonproportionalHazards in Event History Analysis.“ Political Analysis 19(2):”227–243.4

8. Time-Series-Cross-Section-Daten I (3. Dezember)Texte im Reader: (69 Seiten)• Beck, Nathaniel. 2006. Time-Series-Cross-Section Methods.“ Manuskript, New York University,Juni (http://fas.nyu.edu/docs/IO/2576/beck.pdf; 18 S.).”• Torres-Reyna, Oscar. 2011. Getting Started in Fixed/Random Effects Models Using R.“”Manuskript, Princeton University (http://dss.princeton.edu/training/Panel101R.pdf; 28 S.).• Wilson, Sven E. und Daniel M. Butler. 2007. A Lot More to Do: The Sensitivity of”Time-Series Cross-Section Analyses to Simple Alternative Specifications.“ Political Analysis15(2): 101–123.9. Time-Series-Cross-Section-Daten II (10. Dezember)Texte im Reader: (44 Seiten)• Carter, David B. und Curtis S. Signorino. 2010. Back to the Future: Modeling Time”Dependence in Binary Data.“ Political Analysis 18: 271–292.• Beck, Nathaniel und Jonathan N. Katz. 2011. Modeling Dynamics in Time-Series-Cross-”Section Political Economy Data.“ Annual Reviews of Political Science 14: 331–352.10. Instrumentalvariablen (17. Dezember)Texte im Reader: (63 Seiten)• Kennedy, Peter. 2008. A Guide to Econometrics. 6. Aufl. Malden, MA: Blackwell, S. 137–156 (Kapitel 9 – Violating Assumption Four: Instrumental Variable Estimation“).”• Angrist, Joshua D. und Alan B. Krueger. 2001. Instrumental Variables and the Search for”Identification: From Supply and Demand to Natural Experiments.“ Journal of EconomicPerspectives 15(4): 69–85.• Wooldridge, Jeffrey M. 2010. Econometric Analysis of Cross Section and Panel Data. 2.Aufl. Cambridge, MA: MIT Press, S. 89–114 (Kapitel 5 – Instrumental Variables Estimationof Single-Equation Linear Models“).”11. Selektionsmodelle (7. Januar)Texte im Reader: (41 + 30 Seiten)• Dubin, Jeffrey A. und Douglas Rivers. 1989/1990. Selection Bias in Linear Regression,”Logit and Probit Models.“ Sociological Methods and Research 18(2 & 3): 360–390 (S. 373Mitte bis S. 382 unten optional).• Signorino, Curtis S. 1999. Strategic Interaction and the Statistical Analysis of InternationalConflict.“ American Political Science Review 93(2):”279–297.5

• (optional:) Clarke, Kevin A. und Curtis S. Signorino 2010. Discriminating Methods: Tests”for Nonnested Discrete Choice Models.“ Political Studies 58(2): 368–388.12. Spatial Models (14. Januar)Texte im Reader: (50 Seiten)• Franzese, Robert C. und Jude C. Hays. 2007. Spatial Econometric Models of Cross-”Sectional Interdependence in Political Science Panel and Time-Series-Cross-Section Data.“Political Analysis 15(2): 140–164.• Plümper, Thomas und Eric Neumayer. 2010. Model Specification in the Analysis of Spatial”Dependence.“ European Journal of Political Research 49: 418–442.13. Methoden der kausalen Inferenz (21. Januar)Texte im Reader: (48 Seiten)• Rosenbaum, Paul R. 2010. Design of Observational Studies. New York, NY: Springer, S.237–248 (Kapitel 13 – Matching in R“).”• Goldacre, Ben. 2011. The Statistical Error That Just Keeps on Coming.“ The Guardian,”9. (13.) September, verfügbar online via http://www.guardian.co.uk/commentisfree/2011/sep/09/bad-science-research-error (Zugriff am 15.09.2011).• Angrist, Joshua D. und Jörn-Steffen Pischke. 2009. Mostly Harmless Econometrics: AnEmpiricist’s Companion. Princeton, NJ: Princeton University Press, S. 227–243, 251–267(Kapitel 5.2 – Differences-in-Differences: Pre and Post, Treatment and Control“, Kapitel”6 – Getting A Little Jumpy: Regression Discontinuity Designs“).”14. Statistik und Kausalität II (28. Januar)Texte im Reader: (52 Seiten)• Johnson, James. 2006. Consequences of Positivism: A Pragmatist Assessment.“ ComparativePolitical Studies 39(2): 224–252.”• Freedman, David A. 1991. Statistical Models and Shoe Leather.“ Sociological Methodology”21: 291–313.6