ΠΜΣ Πολιτική Επιστήμη & Κοινωνιολογία

Η Στατιστική της Αιτιώδους Επαγωγής

Ντίνας Ηλίας, Ελβετική Έδρα Σπουδών, Ευρωπαϊκό Πανεπιστημιακό Ινστιτούτο

Βοηθός διδασκαλίας: Κάρμεν Μίσιου, Ευρωπαϊκό Πανεπιστημιακό Ινστιτούτο

Ο στόχος του μαθήματος είναι να δείξει πώς οι στατιστικές μέθοδοι μπορούν να βοηθήσουν να δομήσουμε αιτιώδεις ισχυρισμούς για τα υπό μελέτη πολιτικά και κοινωνικά φαινόμενα. Κατά τη διάρκεια του μαθήματος, οι συμμετέχοντες θα εισαχθούν σε ένα έγκυρο πλαίσιο αιτιώδους επαγωγής στις κοινωνικές επιστήμες, δηλαδή το πλαίσιο πιθανών αποτελεσμάτων.

Περιγραφή μαθήματος

Είτε ρητά είτε σιωπηρά, ο στόχος των περισσότερων εμπειρικών ερευνών είναι η αιτιολογική ερμηνεία της συνύπαρξης φαινομένων. Ωστόσο, η αντιμετώπιση της αιτιότητας είναι εξαιρετικά δύσκολη χωρίς την πολυτέλεια των πειραματικών δεδομένων. Το συγκεκριμένο μάθημα εισάγει τους φοιτητές σε μεθόδους που τους επιτρέπουν να προβούν σε αξιόπιστους αιτιώδεις ισχυρισμούς, χωρίς να απαιτείται εργασία με πειραματικά δεδομένα.

Το μάθημα θα ξεκινήσει με μία γενική συζήτηση η οποία, χρησιμοποιώντας  πολλαπλά παραδείγματα, θα καταδεικνύει τη χρησιμότητα γνώσης μεθόδων στατιστικής ανάλυσης. Κατόπιν, θα λάβει χώρα μία σύντομη αλλά εντατική εισαγωγή στην κύρια μέθοδο στατιστικής ανάλυσης δεδομένων, την παλινδρόμηση. Ειδικότερα, θα εξετάσουμε έναν εκτιμητή παλινδρόμησης, την μέθοδο των ελαχίστων τετραγώνων. Εν συνεχεία, θα εστιάσουμε σε μία σειρά μεθόδων αιτιωδών ισχυρισμών.

Συγκεκριμένα, θα δούμε τρία σχέδια:

1. Εκτίμηση διαφοράς-σε-διαφορές

2. Εργαλειακές μεταβλητές

3. Σχεδιασμός ασυνέχειας παλινδρόμησης

Για κάθε μέθοδο, θα χρησιμοποιηθεί η ακόλουθη δομή: Πρώτον, ένα παράδειγμα εκτέλεσης θα παρέχει το κίνητρο και τη διαίσθηση. Στη συνέχεια θα προχωρήσουμε στην τυπική παραγωγή ταυτοποίησης και τελικά θα εστιάσουμε σε στρατηγικές εκτίμησης και σε ελέγχους ευρωστίας. Για κάθε μέθοδο θα υπάρχει μια πρακτική εργαστηριακή συνεδρία, όπου θα εφαρμόσουμε τις διδαχθείσες μεθόδους με πραγματικά δεδομένα. Ο εναπομείναντας διαθέσιμος χρόνος του μαθήματος θα οργανωθεί με τρόπο που να καλύπτονται δύο επιπλέον θέματα: το ταίριασμα και η μέθοδος συνθετικού ελέγχου. Ενδεχομένως να πραγματοποιηθεί μια σύντομη εισαγωγή στην ανάλυση διαμεσολάβησης, σε μεθόδους τυχαιοποίησης που βασίζονται σε επαγωγή και στη μέθοδο κλιμακωτής διαφοράς στις διαφορές. 

Στα πλαίσια του μαθήματος θα δούμε μια σειρά ασκήσεων με τη βοήθεια του προγράμματος R. Παρακαλούμε όλοι και όλες οι συμμετέχοντες/ουσες να έχουν κατεβάσει το πρόγραμμα στους υπολογιστές τους και μαζί με αυτό να έχουν κατεβάσει και το πρόγραμμα RStudio. Σχετικές οδηγίες θα δοθούν πριν το μάθημα. Επιπλέον, καθώς η δομή του μαθήματος είναι εντατική, ώστε να καλυφθεί το σύνολο των θεματικών ενοτήτων, παρακαλούνται οι φοιτητές να αφιερώσουν χρόνο για την εξοικείωση τους με το πλαίσιο του μαθήματος,  παρακολουθώντας τα βίντεο στα οποία εξηγούμε την ιδέα και τη μέθοδο.

Η προηγούμενη γνώση στατιστικών μεθόδων είναι επιθυμητή αλλά όχι αναγκαία. Το μάθημα θα γίνει στα ελληνικά και στα αγγλικά.

Μαθησιακοί στόχοι

Μέχρι το τέλος του μαθήματος οι φοιτητές θα είναι σε θέση να:

1. Διαβάζουν κριτικά και να αξιολογούν δηλώσεις σχετικά με αιτιώδεις σχέσεις με βάση κάποια ανάλυση δεδομένων.

2. Εφαρμόζουν μια ποικιλία μεθόδων εύκολων στην εφαρμογή που εκκινούν από το σχεδιασμό της έρευνας και που θα τους βοηθήσουν να βγάλουν αιτιώδη συμπεράσματα στη δική τους έρευνα.

3. Σκεφτούν τα αρχειακά δεδομένα με τη λογική της αιτιώδους επαγωγής.

Πρόγραμμα μαθήματος

Δευτέρα 11 Ιουλίου: masterclass on R. Κάρμεν Μίσιου - 4 ώρες.

Τρίτη 12 Ιουλίου: Εισαγωγή στην παλινδρόμηση – Ηλίας Ντίνας 4 ώρες

Τετάρτη 13 Ιουλίου: Η μέθοδος του πειράματος και το πρόβλημα της αιτιώδους συχνότητας Ηλίας Ντίνας — 3 ώρες

Πέμπτη 14 Ιούλιου: εργαλειακές διάφορες Ι Ηλίας Ντίνας — 3 ώρες

Παρασκευή 15 Ιουλίου: εργαλειακές διάφορες ΙΙ Ηλίας Ντίνας / Κάρμεν Μίσιου — 3 ώρες

Σάββατο 16 Ιουλίου: Σχεδιασμός ασυνέχειας παλινδρόμησης Ι Ηλίας Ντίνας — 3 ώρες

Δευτέρα 18 Ιουλίου: Σχεδιασμός ασυνέχειας παλινδρόμησης ΙΙ Ηλίας Ντίνας / Κάρμεν Μίσιου — 3 ώρες

Τρίτη 19 Ιουλίου: Εκτίμηση διαφοράς-σε-διαφορά Ι Ηλίας Ντίνας —3 ώρες

Τετάρτη 20 Ιουλίου: Εκτίμηση διαφοράς-σε-διαφορά ΙΙ Ηλίας Ντίνας / Κάρμεν Μίσιου —3 ώρες

Βιβλιογραφία

Τι να διαβάσετε πριν το μάθημα:

Angrist, J. and Pischke, J. 2015. Mastering 'metrics: the path from cause to effect. Princeton, New Jersey: Princeton University Press, Ch. 2-5.

Wooldridge, J. 2016. Introductory econometrics. 6th ed. Australia: Cengage learning, Ch. 1-9.

Τι να διαβάσετε κατά τη διάρκεια του μαθήματος:

[Στο αναλυτικό πρόγραμμα που θα παραδοθεί μέχρι τέλη Μαΐου, θα υπάρχουν και οι ακριβείς αντιστοιχίες μεταξύ κεφαλαίων και παραδόσεων.]

Angrist, J. and Pischke, J. 2009. Mostly harmless econometrics. Princeton, N.J.: Princeton University Press, Ch. 1-6.

Cunningham, S. 2021. Causal inference: the mixtape. New Haven: Yale University Press, Ch. 6-9.

Imai, K. 2017. Quantitative social science. Princeton, NJ: Princeton University Press.

Morgan, S. and Winship S. 2015. Counterfactuals and Causal Inference. Cambridge: Cambridge University Press, Ch. 1, 2, 4, 9, 11.