Thema: Kausalanalysen in den DH
Konzept: Ramona Roller (ETH Zürich)
Rahmendaten
Am Freitag, den 1.4.2022
von 11-12 Uhr
findet der erste Paperzirkel der AG Theorie in den Digital Humanities statt. Im zweimonatigen Rhythmus diskutieren wir aktuelle Paper aus den digitalen Geisteswissenschaften und laden herzlich dazu ein!
Paper
Davide Cantoni, Jeremiah Dittmar, Noam Yuchtman, Religious Competition and Reallocation: the Political Economy of Secularization in the Protestant Reformation, The Quarterly Journal of Economics, Volume 133, Issue 4, November 2018, Pages 2037–2096, https://doi.org/10.1093/qje/qjy011
Das Paper analysiert den Einfluss der Reformation auf die Umverteilung von Ressourcen von kirchlichem Besitz zu weltlichem Besitz. Die Autor*innen wenden dazu eine Difference-in-Differences Analyse an und besprechen die Möglichkeit kausaler Inferenz bei Observationsdaten.
Obwohl das Paper fachspezifisch ist, sind das Theorieverständnis und die Kausalanalyse auch auf andere Bereiche der DH übertragbar. Das Ziel ist es Methoden anderer Fachbereiche als Inspirationsquelle zu nutzen und kritisch zu hinterfragen.
Ausgangspunkt
Daten in den DH sind oftmals Observationsdaten und keine Experimentaldaten. Dies bedeutet, dass der Goldstandard für Kausalanalysen – randomisierte Kontrollstudien – nicht durchgeführt werden kann, da keine Kontrollgruppe existiert. Es gibt demnach immer mehrere Variablen, die sich über die Zeit verändern und es ist nicht eindeutig, welche nun einen kausalen Einfluss hat. Trotz dieser Schwierigkeiten ist das Interesse an Kausalanalysen groß und einige statistische Methoden wurden entwickelt, um kausale Inferenz auch bei Observationsdaten zu ermöglichen.
Ansätze für die Diskussion
- Welche Forschungsfrage adressiert der Artikel?
- Welche Theorie wird angewandt?
- Welche Hypothesen werden getestet?
- Welche Daten werden verwendet?
- Mit welcher Methode werden die Hypothesen getestet (welches statistisches Modell)?
- Was ist die abhängige Variable im Modell (Gleichung 3)?
- Was sind die unabhängigen Variablen im Modell (Gleichung 3)?
- Was ist das wichtigste Ergebnis der Analyse?
- Welche Dinge sind dir unklar?
- Wo bist du anderer Meinung als die Autoren? Hättest du die Forschungsfrage mit der gleichen Methode getestet? Hättest du andere Daten verwendet? Würdest du die Ergebnisse anders interpretieren?