Datenanalyse für die Sozialwissenschaften: Eine freundliche und praktische Einführung

Ein ideales Lehrbuch für absolute Anfänger – es vermittelt von Grund auf die Grundlagen von R, der Statistik und der quantitativen Sozialwissenschaft.

Data Analysis for Social Science bietet einen leicht verständlichen Einstieg in die statistischen Konzepte und Programmierkenntnisse, die für die Durchführung und Bewertung sozialwissenschaftlicher Studien erforderlich sind. Das Buch setzt keine Vorkenntnisse in Statistik und Programmierung sowie nur minimale mathematische Kenntnisse voraus und vermittelt die Grundlagen der Umfragenforschung, prädiktiver Modelle und kausalen Inferenz, während es Daten aus veröffentlichten Studien mit dem Statistikprogramm R analysiert. Es vermittelt nicht nur, wie man Datenanalysen durchführt, sondern auch, wie man die Ergebnisse interpretiert und die Stärken und Grenzen der Analysen erkennt.

Das Buch baut schrittweise auf, indem es zeigt, wie man nacheinander verschiedene Arten von Problemen löst und dabei je nach Bedarf entsprechende Methoden einführt. Es vermittelt in der folgenden Reihenfolge, wie man (1) kausale Effekte mit randomisierten Experimenten schätzt, (2) Daten visualisiert und zusammenfasst, (3) Rückschlüsse auf Merkmale einer Grundgesamtheit zieht, (4) Ergebnisse prognostiziert, (5) kausale Effekte mit Beobachtungsdaten schätzt und (6) von einer Stichprobe auf die Grundgesamtheit generalisiert. Damit kehrt es die Struktur herkömmlicher Statistik-Lehrbücher um. Es beginnt mit der Schätzung kausaler Effekte mithilfe randomisierter Experimente und verschiebt jegliche Diskussion über Wahrscheinlichkeit und statistische Inferenz auf die letzten Kapitel. Diese unkonventionelle Reihenfolge begeistert die Studierenden, indem sie von Anfang an aufzeigt, wie Datenanalyse genutzt werden kann, um interessante Fragen zu beantworten, während abstraktere und komplexere Konzepte für spätere Kapitel vorbehalten bleiben. Es bietet eine Schritt-für-Schritt-Anleitung zur Analyse realer Daten mithilfe des leistungsstarken, quelloffenen Statistikprogramms R, das für alle kostenlos zugänglich ist. Die Datensätze sind auf der Website des Buches verfügbar, sodass die Leserinnen und Leser anhand der Übungen im Buch auf ihrem eigenen Computer lernen können, Daten zu analysieren. Es werden keine Vorkenntnisse in Statistik oder Programmierung vorausgesetzt. Das Buch wurde speziell so konzipiert, dass es Studierenden mit unterschiedlichen mathematischen Vorkenntnissen gerecht wird. Es enthält ergänzende Materialien für Studierende mit nur geringen mathematischen Kenntnissen und kennzeichnet deutlich die Abschnitte mit anspruchsvollerem Material, sodass die Leserinnen und Leser diese bei Bedarf überspringen können. Es enthält Spickzettel zu statistischen Konzepten und R-Code. Außerdem sind Lehrmaterialien (auf Anfrage) enthalten, darunter Beispiellehrpläne, Vorlesungsfolien sowie zusätzliche Übungen zur Replikation mit Lösungen und den analysierten realen Datensätzen. Suchen Sie eine anspruchsvollere Einführung? Dann sollten Sie Quantitative Social Science von Kosuke Imai in Betracht ziehen. Neben den Inhalten aus Data Analysis for Social Science behandelt es unter anderem Differenz-von-Differenzen-Modelle, heterogene Effekte, Textanalyse und Designs mit Regressionsdiskontinuität.