Impact Evaluation Methods

Überblick
 

Der Kurs führt die Studierenden in den modernen Rahmen für kausale Schlussfolgerungen in der Wirtschaftswissenschaft und anderen Sozialwissenschaften ein. Die Studierenden lernen die Konzepte des Forschungsdesigns und der Identifikationsstrategie kennen und erfahren, wie sie diese Konzepte zur Beantwortung verschiedener Forschungsfragen anwenden können. Der Kurs beginnt mit einer Einführung in die beiden wichtigsten Modelle zum Verständnis der Identifizierung: das Modell der potenziellen Ergebnisse und Kausaldiagramme. Anschließend behandeln wir die am häufigsten verwendeten Instrumente zur Identifizierung und Schätzung kausaler Effekte: Regression, Matching, instrumentelle Variablen, Regressionsdiskontinuität und Differenz-in-Differenzen sowie, sofern es die Zeit erlaubt, einige neuere Entwicklungen. Die Beherrschung dieser Instrumente ermöglicht es den Studierenden, ihre eigenen Forschungsfragen im akademischen, öffentlichen und privaten Kontext zu beantworten. Der Kurs führt die Studierenden in die Intuition hinter der Methodik, formale Ableitungen und Beweise sowie praktische Werkzeuge zur Umsetzung der einzelnen Methoden ein. Der Kursinhalt stützt sich auf eine Mischung aus Lehrbüchern, Artikeltexten und praktischen Übungen in R.

Lernziele
 

Am Ende des Kurses sollten die Studierenden

• den Unterschied zwischen Korrelation und Kausalität erklären können
• die Rolle von Forschungsdesign und Identifikationsstrategie bei der Ermittlung kausaler Effekte verstehen
• in der Lage sein, das Potenzialergebnismodell und Kausaldiagramme zu verwenden, um glaubwürdige Forschungsdesigns zu entwickeln
• wissen, wann verschiedene Methoden der kausalen Inferenz anzuwenden sind
• in der Lage sein, diese Methoden auf vorhandene Datensätze anzuwenden, die Ergebnisse zu interpretieren und ihre Identifikationsstrategie zu verteidigen

Vorkenntnisse
 

Kenntnisse in Statistik und Ökonometrie auf mindestens Einführungsniveau sind erforderlich. Kenntnisse in statistischer Software wie STATA, R oder Python sind hilfreich, aber nicht erforderlich.

Aleksandr Alekseev (öffnet Ihr E-Mail-Programm)