Kapitel 2 Theorien und Hypothesen Flashcards
Was versteht man unter einer Hypothese?
Unter einer Hypothese wird im allgemeinen eine Aussage verstanden, die
einen Zusammenhang zwischen zwei oder mehr Variablen behauptet. Wenn
wir es in einer Hypothese mit genau zwei Variablen oder Merkmalen zu tun
haben, so können wir eine unabhängige und eine abhängige Variable
unterscheiden. Häufig unterstellen wir dabei, dass die von uns als unabhängig
angesehene Variable ursächlich (kausal) für die als abhängig betrachtete
Variable ist.
In der Regel wird die unabhängige (auch: erklärende) Variable als X-Variable,
die abhängige (auch: zu erklärende Variable) als Y-Variable bezeichnet.
Was ist eine deterministische Hypothese?
Eine deterministische Hypothese ist eine Hypothese, die besagt, dass ein bestimmtes Ereignis oder eine bestimmte Wirkung immer dann eintritt, wenn eine bestimmte Ursache oder Bedingung vorliegt. Sie impliziert eine festgelegte, gesetzmäßige Beziehung zwischen Ursache und Wirkung, bei der das Auftreten des einen Ereignisses das Auftreten des anderen zwingend bedingt. In einer deterministischen Hypothese wird also angenommen, dass es keine Abweichungen oder Zufälle gibt und dass das Ereignis unter den festgelegten Bedingungen stets eintritt.
Merkmale einer deterministischen Hypothese
Gesetzmäßige Beziehung: Deterministische Hypothesen gehen von einer festen Gesetzmäßigkeit aus, bei der die Ursache die Wirkung mit Sicherheit zur Folge hat. Das bedeutet, dass die Wirkung immer auftritt, wenn die Ursache gegeben ist.
Keine Ausnahmen: In einer deterministischen Hypothese gibt es keine Ausnahmen. Wenn die Bedingungen erfüllt sind, ist das Eintreten des Ereignisses unvermeidlich.
Unabhängig von Wahrscheinlichkeiten: Anders als bei statistischen oder probabilistischen Hypothesen, die auf Wahrscheinlichkeiten basieren, gibt es in einer deterministischen Hypothese keinen Raum für Unsicherheiten oder Wahrscheinlichkeiten.
Schwierig zu überprüfen in den Sozialwissenschaften: Da menschliches Verhalten und gesellschaftliche Prozesse oft von vielen komplexen Faktoren beeinflusst werden, sind deterministische Hypothesen in der Sozialwissenschaft schwer zu belegen. Sozialwissenschaftliche Zusammenhänge sind oft zu komplex und variabel, um deterministische Aussagen mit völliger Sicherheit zu treffen.
Beispiele für deterministische Hypothesen
Physik: In den Naturwissenschaften sind deterministische Hypothesen verbreiteter, z. B.: „Wenn Wasser auf 100 °C erhitzt wird, verdampft es.“ Dies ist eine deterministische Hypothese, weil Wasser unter Normaldruck immer bei dieser Temperatur verdampft.
Politikwissenschaft (theoretisches Beispiel): Ein hypothetisches Beispiel für eine deterministische Hypothese in der Politikwissenschaft wäre: „Wenn die Regierung in einem Staat keine Legitimität mehr besitzt, kommt es zwangsläufig zu einem Umsturz.“ Hier würde unterstellt, dass ein Verlust der Legitimität immer zu einem Umsturz führt, was in der Realität allerdings nicht immer der Fall ist.
Deterministische vs. probabilistische Hypothesen
In der Politikwissenschaft und den Sozialwissenschaften allgemein sind probabilistische Hypothesen häufiger. Diese beschreiben Zusammenhänge auf der Basis von Wahrscheinlichkeiten, nicht von Gewissheiten. Ein probabilistisches Beispiel wäre: „Wenn die Arbeitslosenquote steigt, steigt die Wahrscheinlichkeit, dass populistische Parteien Unterstützung gewinnen.“ Anders als bei einer deterministischen Hypothese würde hier nicht behauptet, dass ein Anstieg der Arbeitslosenquote zwangsläufig zu mehr Unterstützung für populistische Parteien führt, sondern dass dies nur wahrscheinlicher wird.
Bedeutung und Anwendung deterministischer Hypothesen
Deterministische Hypothesen sind wertvoll in Bereichen, wo klare und unveränderliche Gesetzmäßigkeiten bestehen. In der Politikwissenschaft sind sie jedoch selten praktikabel, da soziale und politische Phänomene meist von zahlreichen und oft unvorhersehbaren Faktoren beeinflusst werden. Dennoch können deterministische Hypothesen als theoretische Grundlage dienen, auf deren Basis komplexere, probabilistische Hypothesen entwickelt werden.
Was ist eine probabilistische Hypothese?
Eine probabilistische Hypothese ist eine Hypothese, die eine Aussage über die Wahrscheinlichkeit eines bestimmten Ereignisses oder einer bestimmten Wirkung macht, wenn eine bestimmte Ursache oder Bedingung vorliegt. Im Gegensatz zur deterministischen Hypothese, die einen festen Zusammenhang behauptet, geht die probabilistische Hypothese davon aus, dass die Ursache das Eintreten der Wirkung nur wahrscheinlicher macht, ohne dass sie zwangsläufig und unter allen Umständen eintritt. Probabilistische Hypothesen beschreiben also Zusammenhänge auf der Basis von Wahrscheinlichkeiten, nicht von Gewissheiten.
Merkmale einer probabilistischen Hypothese
Wahrscheinlichkeitsbasiert: Eine probabilistische Hypothese sagt aus, dass das Eintreten eines Ereignisses unter bestimmten Bedingungen wahrscheinlicher ist, jedoch keine absolute Gesetzmäßigkeit besteht.
Raum für Abweichungen: Im Gegensatz zu deterministischen Hypothesen lässt eine probabilistische Hypothese Raum für Ausnahmen. Selbst wenn die Ursache vorliegt, kann die Wirkung in einigen Fällen dennoch ausbleiben.
Unsicherheit und Variabilität: Probabilistische Hypothesen sind flexibel und berücksichtigen Unsicherheiten, die aufgrund der Komplexität und Variabilität sozialer und politischer Phänomene auftreten.
Geeignet für Sozialwissenschaften: In der Politikwissenschaft und den Sozialwissenschaften sind probabilistische Hypothesen besonders wichtig, da menschliches Verhalten und politische Ereignisse selten gesetzmäßige Zusammenhänge aufweisen und oft von vielen unvorhersehbaren Faktoren beeinflusst werden.
Beispiele für probabilistische Hypothesen in der Politikwissenschaft
Arbeitslosigkeit und Wahlverhalten: Eine probabilistische Hypothese könnte lauten: „Wenn die Arbeitslosenquote steigt, erhöht sich die Wahrscheinlichkeit, dass populistische Parteien an Unterstützung gewinnen.“ Hier wird ausgesagt, dass es einen Zusammenhang zwischen Arbeitslosigkeit und der Unterstützung populistischer Parteien gibt, jedoch ohne zu behaupten, dass dies immer und zwangsläufig geschieht.
Bildung und Wahlbeteiligung: Eine weitere probabilistische Hypothese könnte lauten: „Je höher das Bildungsniveau, desto wahrscheinlicher ist es, dass eine Person an Wahlen teilnimmt.“ Auch hier wird ein Zusammenhang zwischen Bildung und Wahlbeteiligung postuliert, ohne eine absolute Aussage zu treffen, da es auch gebildete Menschen geben kann, die nicht wählen.
Internationale Sanktionen und politische Instabilität: „Internationale Sanktionen erhöhen die Wahrscheinlichkeit, dass ein sanktioniertes Land innenpolitische Instabilität erfährt.“ Diese Hypothese besagt, dass Sanktionen das Risiko von Instabilität erhöhen, jedoch ohne eine absolute Wirkungsgarantie.
Unterschied zu deterministischen Hypothesen
Deterministische Hypothese: „Wenn Ursache A auftritt, dann tritt Wirkung B immer ein.“ (z. B. „Wenn Wasser auf 100 °C erhitzt wird, verdampft es.“)
Probabilistische Hypothese: „Wenn Ursache A auftritt, dann tritt Wirkung B mit einer höheren Wahrscheinlichkeit ein.“ (z. B. „Wenn ein Land von einer Wirtschaftskrise betroffen ist, steigt die Wahrscheinlichkeit, dass die Regierung an Zustimmung verliert.“)
Bedeutung probabilistischer Hypothesen in der Politikwissenschaft
Probabilistische Hypothesen sind in der Politikwissenschaft und den Sozialwissenschaften besonders wertvoll, da sie den komplexen und variablen Charakter politischer und sozialer Phänomene widerspiegeln. Sie ermöglichen es Forschern, Zusammenhänge zu untersuchen und Tendenzen zu erkennen, ohne absolute Gesetzmäßigkeiten vorauszusetzen. Probabilistische Hypothesen sind besonders nützlich in der Analyse von Wahrscheinlichkeiten und Risiken, wie etwa bei Wahlprognosen, Umfragen und Untersuchungen zu politischen Trends und sozialem Verhalten.
Was ist eine Wenn-Dann-Hypothese und wie funktioniert sie?
2 Formen der Hypothese.
Beispiel
Die Wenn-Dann-Hypothese ist eine spezielle Form der wissenschaftlichen Hypothese, die einen Zusammenhang zwischen einer unabhängigen Variable (Wenn-Komponente) und einer abhängigen Variable (Dann-Komponente) herstellt. Sie wird vor allem in der empirischen Forschung verwendet, um Kausal- oder Assoziationsbeziehungen zwischen zwei dichotomen Variablen zu formulieren.
Es gibt zwei Hauptformen der Wenn-Dann-Hypothese:
Implikationsbeziehung:
Wenn X auftritt, erwarten wir Y.
Wenn non-X auftritt, können sowohl Y als auch non-Y vorkommen.
Die Hypothese wird widerlegt, wenn X und non-Y zusammen auftreten.
Äquivalenzbeziehung:
Wenn X auftritt, erwarten wir Y, und wenn non-X auftritt, erwarten wir non-Y.
Hierbei ist X sowohl eine hinreichende als auch notwendige Bedingung für das Eintreten von Y.
Die Hypothese wird widerlegt, wenn X und non-Y oder non-X und Y gleichzeitig auftreten.
Ein Beispiel für eine solche Hypothese wäre:
Implikation: “Wenn eine Person studiert (X), dann hat sie Zugang zu akademischen Ressourcen (Y).”
Äquivalenz: “Wenn eine Person studiert (X), dann hat sie Zugang zu akademischen Ressourcen (Y), und wenn sie nicht studiert (non-X), hat sie keinen Zugang zu akademischen Ressourcen (non-Y).”
Erklärung, Definition und Anwendung der Je-Desto-Hypothese
Die Je-Desto-Hypothese beschreibt eine Beziehung zwischen zwei Variablen, bei der die Ausprägung der einen Variable systematisch mit der Ausprägung der anderen Variable zusammenhängt. Sie ist besonders in der empirischen Forschung verbreitet und basiert auf der Idee, dass ein Anstieg (oder Rückgang) in einer Variable zu einem Anstieg (oder Rückgang) in der anderen führt.
Struktur der Je-Desto-Hypothese
Die Je-Desto-Hypothese wird wie folgt formuliert:
“Je mehr X, desto mehr Y” (positiver Zusammenhang)
“Je mehr X, desto weniger Y” (negativer Zusammenhang)
Hierbei sind:
X: die unabhängige Variable (Einflussgröße)
Y: die abhängige Variable (Ergebnisgröße)
Voraussetzungen
Damit eine Je-Desto-Hypothese sinnvoll formuliert werden kann, müssen die Variablen in eine Rangordnung gebracht werden können. Das bedeutet, sie sollten mindestens ordinalskaliert sein, damit ihre Ausprägungen geordnet werden können.
Beispiele:
Positiver Zusammenhang:
Je höher die Schulbildung einer Person (X), desto größer ist ihr Interesse an Politik (Y).
Negativer Zusammenhang:
Je höher die Arbeitslosenquote in einer Region (X), desto niedriger ist die Zufriedenheit der Bevölkerung mit der Regierung (Y).
Visualisierung:
In der Regel zeigt eine Je-Desto-Beziehung in einem Diagramm eine aufsteigende oder absteigende Kurve oder Linie, abhängig von der Art des Zusammenhangs:
Positiv: Ein steigender Wert von X führt zu einem steigenden Wert von Y.
Negativ: Ein steigender Wert von X führt zu einem sinkenden Wert von Y.
Statistische Anforderungen:
Bei metrischen Variablen (z. B. Einkommen, Temperatur) kann die genaue funktionale Form der Beziehung dargestellt werden, beispielsweise durch eine lineare Regression.
Anwendung:
Die Je-Desto-Hypothese wird genutzt, um graduelle Zusammenhänge zwischen Variablen zu beschreiben, beispielsweise in der Soziologie, Psychologie oder Politikwissenschaft. Sie hilft, Trends und systematische Veränderungen zu analysieren und zu erklären.
Erklärung und Merkmale einer Kausalhypothese
Die Kausalhypothese ist eine wissenschaftliche Hypothese, die einen ursächlichen Zusammenhang zwischen zwei Variablen beschreibt. Sie besagt, dass eine Variable (die unabhängige Variable, Ursache) direkt oder indirekt eine Veränderung in einer anderen Variable (die abhängige Variable, Wirkung) bewirkt.
Merkmale einer Kausalhypothese:
Ursache und Wirkung:
Die unabhängige Variable (X) wird als Ursache betrachtet.
Die abhängige Variable (Y) wird als die durch X hervorgerufene Wirkung betrachtet.
Beispiel: „Wenn die Arbeitslosenquote steigt (X), sinkt die Zufriedenheit mit der Regierung (Y).“
Richtung des Einflusses:
Es wird ein gerichteter Zusammenhang postuliert: X → Y.
Die Hypothese macht eine Aussage darüber, welcher Faktor den anderen beeinflusst.
Deterministische oder statistische Formulierung:
Deterministisch: X führt immer zu Y (ohne Ausnahmen).
Statistisch (probabilistisch): X erhöht die Wahrscheinlichkeit, dass Y auftritt, aber es gibt keine 100%ige Sicherheit.
Empirische Prüfung:
Die Kausalhypothese kann getestet werden, indem man überprüft, ob Veränderungen in X systematisch mit Veränderungen in Y einhergehen.
Was behauptet eine Kollektivhypothese?
Eine Kollektivhypothese behauptet einen Zusammenhang zwischen zwei oder mehr Kollektivmerkmalen, also Merkmalen, die eine Gruppe, Organisation oder Region als Ganzes charakterisieren, statt individuelle Merkmale einzelner Personen zu betrachten.
Merkmale einer Kollektivhypothese:
Ebenenbezug:
Sie bezieht sich auf die Aggregat- oder Kollektivebene.
Die Untersuchungseinheiten sind beispielsweise Länder, Regionen, Organisationen oder andere kollektive Entitäten.
Zusammenhang zwischen Kollektivmerkmalen:
Es wird ein Zusammenhang zwischen Merkmalen postuliert, die für die Gesamtheit einer Einheit gelten.
Beispiel: „Je höher die Arbeitslosenquote in einer Region, desto höher der Anteil der Stimmen für populistische Parteien.“
Keine Aussage über individuelle Beziehungen:
Die Hypothese bezieht sich ausschließlich auf die kollektive Ebene und macht keine direkten Aussagen über individuelle Beziehungen innerhalb des Kollektivs.
Beispiel einer Kollektivhypothese:
Politik: „Je höher die durchschnittliche Bildung in einem Land, desto größer ist die Wahrscheinlichkeit, dass die Bevölkerung demokratische Werte unterstützt.“
Kollektivmerkmale:
Durchschnittliche Bildung (unabhängige Variable).
Unterstützung demokratischer Werte (abhängige Variable).
Was besagt der ökologische Fehlschluss?
Ökologischer Fehlschluss:
Ein häufiges Problem ist der Versuch, von einer Kollektivhypothese auf individuelle Zusammenhänge zu schließen.
Beispiel: „Je höher die Arbeitslosenquote in einer Region, desto mehr NSDAP-Wähler“ bedeutet nicht zwangsläufig, dass arbeitslose Personen selbst die NSDAP wählen.
Was ist eine Kontexthypothese?
Die Kontexthypothese beschreibt einen Zusammenhang zwischen einem Kollektivmerkmal (z. B. eine Eigenschaft oder Bedingung, die für eine Gruppe, Region oder Organisation gilt) und einem Individualmerkmal (z. B. ein Verhalten oder eine Einstellung einer Einzelperson). Dabei wird das Kollektivmerkmal als unabhängige Variable (Kontextfaktor) und das Individualmerkmal als abhängige Variable betrachtet.
Merkmale einer Kontexthypothese:
Mischung aus Kollektiv- und Individualebene:
Ein Kollektivmerkmal (z. B. regionale Arbeitslosigkeit, Durchschnittseinkommen) wird herangezogen, um ein Merkmal oder Verhalten auf der Individualebene zu erklären.
Beispiel: „Je höher die Arbeitslosigkeit in einer Region (Kollektivmerkmal), desto höher ist die Wahrscheinlichkeit, dass eine Person aus dieser Region eine radikale Partei wählt (Individualmerkmal).“
Kausalannahme zwischen Ebene:
Es wird angenommen, dass der Kontext (das Kollektivmerkmal) das Verhalten oder die Einstellung der Individuen beeinflusst.
Unterscheidung von anderen Hypothesen:
Kollektivhypothesen beziehen sich rein auf die Aggregat-Ebene (z. B. „Je höher die Arbeitslosigkeit in einer Region, desto höher der Anteil der Stimmen für radikale Parteien“).
Individualhypothesen beziehen sich nur auf die Individual-Ebene (z. B. „Wenn eine Person arbeitslos ist, dann wählt sie eher eine radikale Partei“).
Beispiel für eine Kontexthypothese:
Arbeitslosigkeit und Wahlverhalten: „Je höher die regionale Arbeitslosigkeit (Kollektivmerkmal), desto höher die Wahrscheinlichkeit, dass eine nicht-arbeitslose Person in dieser Region eine radikale Partei wählt (Individualmerkmal).“
Unabhängige Variable (X): Arbeitslosigkeit in der Region.
Abhängige Variable (Y): Wahlverhalten einer Person.
Was versteht man laut “Diekmann” unter der “Theorie” im engeren Sinne?
Theorie im engeren Sinne:
Definition: Eine Theorie im engeren Sinne besteht aus grundlegenden Annahmen oder Axiomen, die oft mathematisch formalisiert sind. Diese Grundannahmen sind zentrale Hypothesen über Zusammenhänge, die empirisch meist nur schwer prüfbar sind. Sie definieren die grundlegenden Begriffe und bilden das Fundament, auf dem weitere Hypothesen und Modelle aufbauen.
Beispiel: In der Rational-Choice-Theorie werden Annahmen über rationales Handeln getroffen, die als Axiome dienen. Diese Axiome sind oft nicht direkt empirisch testbar, sondern bilden die Basis für abgeleitete Hypothesen, die dann empirisch überprüft werden können.
Was versteht man laut “Diekmann” unter der “Theorie” im weiteren Sinne?
Theorie im weiteren Sinne:
Definition: Eine Theorie im weiteren Sinne umfasst nicht nur die Grundannahmen, sondern auch die daraus abgeleiteten Hypothesen, Modelle und deren empirische Überprüfung. Sie ist umfassender und beinhaltet sowohl die theoretischen Grundlagen als auch die praktischen Anwendungen und Tests der Theorie.
Beispiel: Die Anwendung der Rational-Choice-Theorie auf spezifische soziale Phänomene, wie etwa die Erklärung von Wahlverhalten oder Kriminalität, wobei konkrete Hypothesen formuliert und empirisch getestet werden.
Wie funktioniert die deduktiv nomologische Erklärung?
Eine DN-Erklärung besteht aus drei Hauptbestandteilen:
Explanans:
Das „Erklärende“ besteht aus:
a.
Gesetzesaussage(n) (nomologische Aussage): Eine allgemeine Regel, die einen Zusammenhang zwischen Variablen beschreibt (z. B. „Wenn X, dann Y“).
b.
Randbedingungen: Aussagen über die spezifischen Umstände, die im jeweiligen Fall gelten.
Explanandum:
Das „Erklärte“ ist das Ereignis oder Phänomen, das durch die Gesetzesaussage(n) und die Randbedingungen erklärt werden soll.
Logische Deduktion:
Das Explanandum wird logisch aus dem Explanans abgeleitet. Das bedeutet: Wenn das Explanans wahr ist, muss auch das Explanandum wahr sein.
Voraussetzungen:
Damit eine Erklärung nach dem DN-Modell gültig ist, müssen folgende Kriterien erfüllt sein:
**Logische Korrektheit:
**Das Explanandum muss sich logisch aus dem Explanans ableiten lassen.
Allgemeingültigkeit:
Die Gesetzesaussage muss allgemeingültig sein.
**Empirische Überprüfbarkeit:
**Die Randbedingungen und Gesetzesaussagen müssen durch empirische Beobachtungen überprüfbar sein.
Erklärungsrelevanz:
Die Bestandteile des Explanans müssen für die Erklärung des Explanandums tatsächlich relevant sein.
Was ist das Induktiv-Statistische-Erklätungsmodell?
Die induktiv-statistische Erklärung (IS-Erklärung) ist ein wissenschaftliches Modell zur Erklärung von Phänomenen, das sich auf statistische Wahrscheinlichkeiten stützt. Es unterscheidet sich von der deduktiv-nomologischen Erklärung dadurch, dass die zugrunde liegenden Gesetzesaussagen probabilistisch (wahrscheinlichkeitsbasiert) sind und keine deterministischen Gesetzmäßigkeiten verwenden.
**Probabilistische Gesetzesaussagen:
**Statt deterministischer Aussagen („Wenn X, dann immer Y“) verwendet die IS-Erklärung Aussagen wie „Wenn X, dann tritt Y mit einer Wahrscheinlichkeit von p ein“.
Beispiel:
„90 % der Menschen, die Grippeviren ausgesetzt sind, erkranken.“
**Unsicherheit des Explanandums:
**Das zu erklärende Phänomen (Explanandum) wird nicht mit Sicherheit vorhergesagt, sondern nur mit einer gewissen Wahrscheinlichkeit.
**Empirische Grundlage:
**Die Wahrscheinlichkeit basiert auf empirischen Beobachtungen oder statistischen Analysen.
