U5: Metodiske tilgange og omvendt kausalitet Flashcards
(16 cards)
Hvad undersøger Knutsen (2015)?
Han ønsker at undersøge sammenhængen mellem demokrati og ulighed (begge veje)
Dette gør han fordi han mener at der i de eksisterende kvantitative studier af demokrati og ulighed er en række metodiske problemer
Hvilke metodiske problemer ved de tidligere studier af demokrati og ulighed påpeger Knutsen (2015)?
Endogenitet:
Omvendt kausalitet
Demokrati → Ulighed
Ulighed → Demokrati
Spuriøsitet:
Landespecifikke og tidsspecifikke effekter der ikke er kontrolleret for
Datakvalitet/Målingsproblemer:
Korte tidsserier
Manglende dækning → Ikke alle lande er medtaget
Fx. hvis ikke alle diktaturer rapporterer tal kan det skævvride resultaterne (systematisk bias)
Måler ikke det samme
Hvad kritiserer Knutsen (2015) A&R og Boix for?
De tager ikke højde for, at ikke-elite aktører kan løse kollektive handlingsproblemer
De tager ikke højde for at eliten kan være splittet og have forskellige interesser
Problemet er grundlæggende at de ser demokrati som en funktion til progressiv omfordeling → Reppresive autokratier kan levere større omfordeling end demokratier (mange autokratier er nødt til at sikre omfordeling for at blive ved magten)
Hvordan tager Knutsen (2015) højde for endogenitet og hvad er resultatet?
Han bruger IV-estimation; Wave variabel = Proxy for demokrati
Fanger globale demokratiske bølger der er exogene ift. landenes økonomiske faktorer
Vi ved at demokratibølger påvirker demokrati, men ulighed kan nok ikke påvirke demokratibølger
Huntington logikken med diffusion hvor demokratiet spreder sig
RPRI varibel = Måler polity-scoren for lande i samme geografiske region ved tidspunktet for sidste regimeskifte
→ Polity IV data når de to instrumenter er fjernet fra demokrati
Wage share = Proxy for indkomst (andelen af indkomst der går til arbejderne) → Indfanger noget klassekamp men er primært bedst at benytte i industrisamfund
Lav WS = Stor indkomstulighed
Høj WS = Lav indkomstulighed
Hvordan tager Knutsen (2015) højde for landespecifikke og tidspecifikke effekter?
Kontrollerer for landespecifikke forhold der ikke ændrer sig over tid
Hvordan tager Knutsen (2015) højde for målingsproblemer?
Bruger forskellige Gini-koefficienter og ulighedsmål fra forskellige kilde for at sikre robusthed i resultaterne
Han finder at der for det meste kun er middelhøj koalition mellem målene hvorfor de ikke kan siges at dække de helt samme ting → Han benytter sig af WS i analysen
Hvad er resultatet i Knutsen (2015)?
Ingen robust sammenhæng mellem indkomstulighed og demokrati, demokratisering og demokratisk stabilitet
Demokrati tyder på at påvirke “positivt” → Fordi løndmodtagere er relativt fattigere end kapitalejere, så betyder det at demokrati reducerer ulighed i indkomst (OBS: gælder kun for WS-målet)
Effekten er stadig til stede når man tester for landespecifikke og tidsspecifikke effekter, men det afhænger meget af hvilke (uligheds og demokrati) mål der bruge
Valget af måleenheder har stor betydning for resultaterne → De tidligere studier indeholder aaaalt for mange metodiske problematikker
Hvad undersøger Wimmer (2018)?
Helt overordnet → Hvorfor lykkedes det at sikre en stabil og fredelig udvikling i nogle etnisk diverse lande, mens andre destabiliseres af politisk ulighed mellem etniske grupper, konflikter og borgerkrig
Her → Hvordan påvirker statens kapacitet til at udbyde offentlige goder et lands politiske udvikling = Offentlige goder har betydning for nationsopbygning
Hvad er Wimmer’s (2018) argument?
Statens kapacitet til at levere offentlige goder (X) → Etnopolitisk inklusion → National identifikation → Nationsopbygning¨
Hvis staten leverer offentlige goder så fordrer det samarbejde mellem borger og stat
Vigtigt at det går igennem etnopolitisk inklusion → Folk vil gerne ledes af deres egne, derfor er det vigtigt med inklusion
Statskapacitet er vigtigt for at staten kan levere offentlige goder (centralt)
Hvordan undersøger Wimmer (2018) hans argument?
Han laver en historisk komparativ caseanalyse og processtracing:
MSSD = Udvælgelse af lande
Han vælger ud fra en regressionslinje to lande der passer godt på hans hypotese
To lande i hver sin ende af regressionen, men som begge ligger i Sub-Sahara
Et land hvor det er gået godt med at bygge stat og højt niveau af offentlige goder = Botswana
Et land hvor det er gået dårligt med at bygge stat og lavt niveau af offentlige goder = Somalia
Processtracing = Dybdegående with-in case analyse, hvor han er i stand til at spore unikke processer
KRITIK:
Koloniarv holdes ikke konstant → Kan være den forklarende faktor
Hvad er resultaterne i Wimmer (2018)?
Botswana:
Bygger videre på deres eksisterende politiske institutioner = Goderne leveres til alle uanset etnisk baggrund
Somalia:
Oprindeligt opdelt mellem Italien og England
De formåede ikke at dele ressourcerne ligeligt ud = Konflikt
Hvad er de overordnede styrker og svagheder ved statistiske metoder?
Pointe: Metode er ét langt tradeoff → vær opmærksom på, hvad man vælger fra / taber når man vælger andet til
STYRKER:
1) Generaliseringspotentiale
→ Generelle tendenser på tværs
2) Størrelsen → Mange cases på tværs af både tid og sted
3) Kan agere “springbræt” til interessante casestudier:
→ Statistikken tillader at vi kan se hvilke cases der stikker ud, derfor vil være interessante at undersøge
4) Kan kontrollere for alternative forklaringer (for det meste)
5) Kan også imødekomme betingede sammenhænge
SVAGHEDER:
1) Manglende nuancer → Tab af detaljer når information samles og aggregeres i større analyser.
2) Undersøger ikke mekanismerne (tester typisk om X og Y hænger sammen, men ikke om X → Y) = Ikke nødvendigvis blik for de mellemkommende trin
3) Simpel form af argumentet vi tester
Hvad er endogenitet og mulige løsninger på dette?
Endogenitet er et andet ord for omvendt kausalitet, hvilket er et stort problem i ulighedslitteraturen, da økonomisk ulighed og demokrati kan påvirke hinanden begge veje.
I litteraturen støder vi typisk på følgende løsninger på endogenitet, når der arbejdes med tværnationale observationsdata:
1) Statistisk kontrol (kontrol for variable, der påvirker X og Y)
2) Fixed effects
3) IV-estimationer
Hvad er en IV-estimatior og hvad benyttes den til?
IV-estimater benyttes for at kontrollere for endogenitet (Omvendt kausalitet = Påvirker X → Y eller Y → X)
Idé: Isolere eksogen variation i x og estimere effekten af denne på y
Kan afhjælpe en del problemer i statistiske analyser som omvendt kausalitet, omitted variable bias og målingsproblemer
Det handler om at finde det instrument som har den stærkeste korrelation med X, men som ikke har nogen som helst indflydelse på Y udover igennem X. DERUDOVER må der ikke være andre 3. variable som både påvirker IV-instrumenter og Y
I PRAKSIS:
1) Isolere eksogen variation (den del af X som korrelere med IV-instrument)
2) Estimere effekten af den eksogene variation på Y
Hvad er country fixed effects?
Dette bruges som en løsning for evt. endogenitet, når man arbejder med TSCS (time series cross section) data
= Kan intuitivt forstås som en ‘tillægspakke’ til OLS
Bruger kun within-country variation (kaldes ofte for within-estimator)
Hvor OLS bruger between countries, da landene i sig selv oftest ikke ændre sig så meget i løbet af et år.
Tænk på det som en generaliseret dif-in-dif. Sammenhængen på tværs af lande kan godt være positiv, hvor det indenfor landende er en negativ sammenhæng.
FORDELE: Country fixed effects kontrollere for alle enhedsspecifikke tidsinvariante faktorer som geografi og kolonial historie, hvilket minimerer omitted variable bias og dermed endogeniteten
ULEMPER: Kan ikke estimere effekten af tidsinvariante eller langsomt-ændrende faktorer, og det øger inefficiens (“smider information væk”)
Hvad er time fixed effects?
Dette bruges som en løsning for evt. endogenitet, når man arbejder med TSCS (time series cross section) data
Kontrollerer for forhold der varierer over tid, men er konstante på tværs af enheder som fx. globale faktorer/trends der påvirker alle lande.
Når det kombineres med country fixed effects omtales det som ”two-way fixed effects” (bruges hyppigt)
