Fortgeschrittene Techniken der quantitativen Sozialforschung Lineare Regressionsanalyse

Die Regressionsanalyse ist das meistgenutzte statistische Verfahren in den empirischen Sozialwissenschaften. Wer über keine Kenntnisse dieser Methode verfügt, kann nur selten empirische Artikel in wissenschaftlichen Fachzeitschriften vollständig verstehen und damit nur bedingt am wissenschaftlichen Diskurs teilgenommen. Die herausragende Rolle von Regressionsanalysen ergibt sich daraus, dass Im Zentrum empirisch-analytischer Wissenschaft die Identifikation von Ursache-Wirkungsbeziehungen steht. Grundlegend hierfür ist die Messung von Korrelationen zwischen den interessierenden Konzepten. Variablen korrelieren, wenn sie systematisch miteinander variieren. Erhöht sich also bspw. der Stimmenanteil der CDU, wenn in einem Wahlkreis der Anteil der Katholiken steigt, so sind beide Größe positiv miteinander korreliert. In der Realität sind Konzepte selten monokausal bedingt. Das bedeutet, dass es mehrere Variablen gibt, die auf eine Größe wirken. So hängt der Stimmenanteil der CDU möglicherweise zusätzlich von der Popularität des Lokalkandidaten der Partei ab. Um gleichzeitig die Wirkung mehrerer Größen (unabhängiger Variablen) auf ein Konzept (abhängige Variable) zu untersuchen, werden Regressionsanalysen benötigt. Die lineare Regressionsanalyse dient dazu die Einflussgrößen einer metrischen abhängigen Variablen zu untersuchen. Metrisch sind bspw. Anteile (Wahlbeteiligung, Stimmenanteil), Indices (CPI: Messung von Korruption, FHI: Messung von Demokratisierung) und teilweise geäußerte politische Einstellungen (Sympathie gegenüber Parteien, Vertrauen in staatliche Institutionen, politisches Wissen). Mit Hilfe dieser Methode lassen sich also zahlreiche bedeutsame politische Größen erklären. In diesem Seminar lernen Sie, wie man lineare Regressionen schätzt (Berechnung der Funktion mit dem ordinary least squares-Verfahren) und wie man statistische Signifikanz berechnet und interpretiert. Außerdem beschäftigen wir uns mit den Modellannahmen, nicht-linearen Effekten und der graphischen Darstellung von Ergebnissen. Wir arbeiten dabei mit der Statistiksoftware Stata. Vorkenntnisse im Umgang mit diesem Programm sind keine Voraussetzung für die Teilnahme. Politik, Bachelor (fachübergr.) M III, VM ME Universität Hannover SoSe 2015 Politikwissenschaft, Bachelor of Arts Dozent