English
 
Help Privacy Policy Disclaimer
  Advanced SearchBrowse

Item

ITEM ACTIONSEXPORT
  Augäpfel, Murmeltiere und Bayes: zur Auswertung stochastischer Daten aus Vollerhebungen

Broscheid, A., & Gschwend, T.(2003). Augäpfel, Murmeltiere und Bayes: zur Auswertung stochastischer Daten aus Vollerhebungen. Köln: Max-Planck-Institut für Gesellschaftsforschung.

Item is

Files

show Files
hide Files
:
wp03-7.pdf (Any fulltext), 218KB
Name:
wp03-7.pdf
Description:
Full text open access
Visibility:
Public
MIME-Type / Checksum:
application/pdf / [MD5]
Technical Metadata:
Copyright Date:
-
Copyright Info:
-
License:
-

Locators

show
hide
Description:
Full text

Creators

show
hide
 Creators:
Broscheid, Andreas1, 2, Author              
Gschwend, Thomas, Author
Affiliations:
1Projekte von Gastwissenschaftlern und Postdoc-Stipendiaten, MPI for the Study of Societies, Max Planck Society, ou_1214554              
2Department of Political Science an Publik Administration, University of California, Pembroke, USA, ou_persistent22              

Content

show
hide
Free keywords: -
 Abstract: In diesem Papier diskutieren wir theoretisch-methodologische Grundlagen zur Analyse so genannter Vollerhebungen, also Datensätze, die Beobachtungen aller Elemente einer Population enthalten. Solche Datensätze spielen vor allem in quantitativen Makro-Analysen politischer und sozialer Systeme eine Rolle, und ihre inhärenten Probleme führen oft zu methodischer Verwirrung, die wir mit dem vorliegenden Essay verringern wollen. Da Vollerhebungen nicht das Resultat einer Zufallsstichprobe sind, ist die Anwendung frequentistischer Wahrscheinlichkeitskonzeptionen zur Begründung inferentieller statistischer Methoden nicht gegeben; außerdem kann die statistische Unabhängigkeit der Beobachtungen voneinander nicht ohne weiteres angenommen werden. Dennoch werden Vollerhebungsdaten durch stochastische Komponenten oder „Fehler“ beeinflusst. Wir argumentieren, dass die Stochastizität der Daten in die Analyse einbezogen werden muss, etwa in Form von Parameter-Varianzen, Signifikanztests, oder Konfidenzintervallen. Wir diskutieren verschiedene theoretische Strategien, mit denen Analysen der Stochastizität begründet werden können, wobei wir vor allem für die Annahme von Superpopulationen oder die Anwendung bayesianischer Ansätze plädieren.
 Abstract: This paper discusses the theoretical and methodological foundation for the analysis of apparent populations, i.e., data sets that include observations of all elements of a population. Such data sets are commonly used in quantitative macro studies of political or social systems. Our essay tries to reduce methodological problems resulting from the fact that apparent population data are not the result of random sampling designs. First, the lack of random sampling prevents the use of the frequentist interpretation of probability commonly employed to justify inferential statistical methods. Second, with apparent populations, we cannot assume that observations are statistically independent. We argue that apparent population data are subject to a variety of stochastic processes, or “errors,” that have to be part of the analysis, for example through the investigation of parameter variances, significance tests, or confidence intervals. We discuss several theoretical strategies to justify the analysis of stochastic components of apparent populations, emphasizing in particular the concept of superpopulations and the usefulness of Bayesian approaches.

Details

show
hide
Language(s): deu - German
 Dates: 2003-072003
 Publication Status: Published in print
 Pages: 35
 Publishing info: Köln : Max-Planck-Institut für Gesellschaftsforschung
 Table of Contents: 1 Einleitung
2 Fehlerquellen – Quellen der Stochastizität
2.1 Formale Notation
2.2 Stichprobenfehler
2.3 Messfehler
2.4 Stochastische Wirklichkeit
2.5 Deterministische Fehler: Viele kleine ignorierte Faktoren
2.6 Stochastische Wirklichkeit oder nicht beachtete Faktoren?
3 Was ist das Problem bei Vollerhebungen?
4 Was sind die Lösungen?
4.1 Eyeballing: Substanzielle Effekte und subjektive Wahrheit
4.2 Und täglich grüßt das Murmeltier: Superpopulationen und die Rettung der SPSS-Strategie
5 Was tun? Einige Schlussfolgerungen
6 Literatur
 Rev. Type: Internal
 Identifiers: eDoc: 113495
 Degree: -

Event

show

Legal Case

show

Project information

show

Source 1

show
hide
Title: MPIfG Working Paper
Source Genre: Series
 Creator(s):
Max-Planck-Institut für Gesellschaftsforschung, Editor              
Affiliations:
-
Publ. Info: -
Pages: - Volume / Issue: 03/7 Sequence Number: - Start / End Page: - Identifier: ISSN: 1864-4341
ISSN: 1864-4333