Undersøgelse af kausalitet

Transkript

1 Undersøgelse af kausalitet Arrangement i Selskab for Surveyforskning den 8. november 2012 Indledning ved Henrik Lauridsen Lolle Aalborg Universitet

2 Kausalitet i surveyforskning - Indledning 2 Program

3 Kausalitet i surveyforskning - Indledning 3 Kausalitetsbegrebet Effekt Årsag virkning Korrelation betyder ikke nødvendigvis, at der er kausalitet på spil Elaborering (kontrol, test)

4 Kausalitet i surveyforskning - Indledning 4 Problemerne med at bestemme kausalitet har været kendt længe Paul Lazarsfeld 1946/1955 Morris Rosenberg 1968 James A. Davis 1985

5 Kausalitet i surveyforskning - Indledning 5 Et åbenlyst eksempel

6 Kausalitet i surveyforskning - Indledning 6 Lærebogseksempel 1 (bivariat) Har det at være spejder en præventiv virkning på at begå kriminalitet?* Rækkeprocenter Kriminalitet: Nej Ja I alt (100 pct.) Spejder Nej Ja Spejder? Kriminalitet Man kunne også stille det kontrafaktiske spørgsmål: Hvis de, der ikke er spejdere, havde valgt at være det, ville de så have samme kriminalitetsniveau, som dem der faktisk er spejdere? * Agresti & Finlay 2009, Statistical Methods for the Social Sciences

7 Kausalitet i surveyforskning - Indledning 7 Lærebogseksempel 1 (kontrolleret) Kontrol for kirkegang forklarer den tilsyneladense effekt Kirkegang: Rækkeprocenter Kriminalitet: Nej Ja I alt (100 pct.) Spejder Nej Meget lidt/ingen Ja Rækkeprocenter Kriminalitet: Nej Ja I alt (100 pct.) Spejder Nej Rækkeprocenter Ja Kriminalitet: Nej Ja I alt (100 pct.) Spejder Nej Ja Nogen kirkegang Megen kirkegang

8 Kausalitet i surveyforskning - Indledning 8 Lærebogseksempel 1 (kausaldiagram) Kriminalitet Kirkegang + Spejder

9 Kausalitet i surveyforskning - Indledning 9 Lærebogseksempel 2 (bivariat) Betyder uddannelse virkelig ikke noget for indkomsten?* Indkomst: Rækkeprocenter Lav Høj I alt (100 pct.) Uddannelse: Lav Høj Indkomst Uddannelse? * Agresti & Finlay 2009, Statistical Methods for the Social Sciences

10 Kausalitet i surveyforskning - Indledning 10 Lærebogseksempel 2 (kontrolleret) Kontrol for alder forklarer den manglende effekt Unge Indkomst: Rækkeprocenter Lav Høj I alt (100 pct.) Uddannelse: Lav 83,3 16,7 150 Høj 64,3 35,7 350 Gamle Indkomst: Rækkeprocenter Lav Høj I alt (100 pct.) Uddannelse: Lav 36,7 64,3 350 Høj 16,7 83,3 150

11 Kausalitet i surveyforskning - Indledning 11 Lærebogseksempel 2 (kausaldiagram) + Alder + Uddannelse Indkomst

12 Kausalitet i surveyforskning - Indledning 12 Lærebogseksempel 3 (bivariat) (fra den virkelige verden) Er det hvide, der i USA har størst risiko for dødsstraf efter drab?* Rækkeprocenter Dødsdom Anden dom I alt (100 pct.) Morder: Sort 2,4 97, Hvid 3,2 96, ? Hvid morder + Dødsdom * Svend Kreiner 1999, Statistisk problemløsning

13 Kausalitet i surveyforskning - Indledning 13 Lærebogseksempel 3 (kontrolleret) Inklusion af offerets farve, frembringer det forventede fortegn på effekten (forklarer altså den uventede effekt) Sort offer Rækkeprocenter Dødsdom Anden dom I alt (100 pct.) Morder: Sort 0,5 99, Hvid 0,0 100,0 111 Hvidt offer Rækkeprocenter Dødsdom Anden dom I alt (100 pct.) Morder: Sort 16,7 83,3 287 Hvid 3,4 95,

14 Kausalitet i surveyforskning - Indledning 14 Lærebogseksempel 3 (kausalmodel) Hvidt offer + + Hvid morder Dødsdom

15 Kausalitet i surveyforskning - Indledning 15 Forskningseksempel: Effekt af arbejdsmarkedsstatus på politisk tillid* Model Effekt Bivariat effekt: 0,22 Kontrol for baggrundsvariabler som køn, alder og uddannelse: 0,14 Inkludering af variabler for husstandsøkonomi og økonomiske problemer: 0,10 Inkludering af variabler for personlig afmagt, venner og selvtillid: 0,10 Inkludering af variabler for social tillid, opfattelse af indvandrere som en trussel samt holdning til EU: 0,09 Forestillingen om et syndrom af marginalisering, afmagt, fremmedfjendtlighed, nationalisme, EU-modstand og politisk delegitimering synes at få sit banesår med disse resultater. * Jørgen Goul Andersen (2003): Over-Danmark og under-danmark?

16 Kausalitet i surveyforskning - Indledning 16 Tilbage til problemerne Kendt, men ikke målbart x Primært x y Ukendt, men højst relevant x

17 Kausalitet i surveyforskning - Indledning 17 Hvad gør man? Rosenberg: One can only be certain that the relationschip is real if one has controlled on all extraneous variables, which is obviously impossible Rosenberg anbefalede, at vi kontrollerer/elaborerer, så godt vi kan. I rigtig mange tilfælde er det bare ikke særligt tilfredsstillende. Og hvis der er andre metoder, der er bedre end de traditionelle, bør man selvfølgelig benytte dem i den udstrækning, det er muligt!

18 Kausalitet i surveyforskning - Indledning 18 Et række alternative metoder Ved denne lejlighed præsenteres: Matching Instrumentvariabler differences in differences Der findes andre som f.eks.: Klassiske eksperimenter Surveyeksperimenter Naturlige eksperimenter Multilevel analyse/fixed Effect analyse Smarte/kreative design