Session 5: Metodiske tilgange og omvendt kausalitet Flashcards
Hvilke metodiske problemer plager ifølge Knutsen (2015) eksisterende kvantitative studier af demokrati og ulighed?
1) Endogenitet: Påvirker økonomisk ulighed demokrati eller påvirker demokrati økonomisk ulighed?
2) Spuriøse variable: Lande- og tidspecifikke karakteristika der ikke er kontrolleret for og som kan gå ind og påvirke sammenhængen
3) Målingsproblemer: Korte tidsseriedata og manglende dækning (bias i hvilke lande der medtages - her er der også generelt bias i demokratier ift. omfordeling, da eliter tendenser at stoppe stærkt omfordelende demokratier)
4) Specifik kritik af Boix (2003) og Acemouglu og Robinson (2005):
- Tager ikke højde for det kollektive handlingsproblem og hvordan ikke-eliteaktører kan løse dette
- Tager ikke højde for at eliten kan være splittet og have flere forskellige interesser (Dette tages der højde for i klassekamp-perspektivet, hvor Therborn ser alliancer med en splittet elite som en drivfaktor for demokratisering)
- Problem at de ser demokrati som funktion til progressiv omfordeling → Repressive autokratier kan levere større omfordeling end demokratier (mange autokratier må sikre omfordeling for at blive ved magten)
Hvordan tager Knutsen med sit forskningsdesign højde for problemstillingerne i studier af demokrati og ulighed? Hvad er hans resultater?
1) Endogenitet: Her benytter Knutsen (2015) IV-estimation og Wage share.
- IV-estimation: WAVE som proxy for demokrati. Her fanger globale demokratiske bølger, der er eksogene i forhold til landenes økonomiske faktorer.
Vi ved at demokratibølger påvirker demokrati, men ulighed kan nok ikke påvirke demokratibølger.
Huntington-logikken med diffusion, hvor demokratiet spreder sig. Derudover kan man bruge RPRI variabel, som måler Polity-scoren for lande i samme geografiske region ved tidspunktet for sidste regimeskifte.
- Wage share = Proxy for indkomst. Dette fanger noget klassekamp, men det er bedst at benytte i industrisamfund.
OBS: Han lykkes kun med at finde et instrument som påvirker den ene vej (demokrati på ulighed) og ikke den anden (ulighed på demokrati)
2) Spuriøse variable: Fixed effects → Kontrollerer for landespecifikke forhold der ikke ændrer sig over tid. Her er både lande og tidsspecifikke.
3) Målingsproblemer: Bruger forskellige gini-koefficienter og ulighedsmål fra forskellige kilder, herunder WIID og SWIID for at sikre robusthed i resultaterne.
RESULTATER:
1) Effekten er stadig til stede når man tester for landespecifikke og tidsspecifikke effekter, men det afhænger meget af hvilke (uligheds og demokrati) mål der bruges
2) Ingen robust sammenhæng mellem indkomstulighed (X) og demokrati, demokratisering og demokratisk stabilitet (Y)
Demokrati tyder på at påvirke “positivt” → Fordi lønmodtagere er relativt fattigere end kapitalejere, så betyder det at demokrati reducerer ulighed i indkomst (OBS: gælder kun for WS-målet)
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 argumentet i Wimmer (2018)?
PUZZLE: Hvorfor lykkedes det at sikre en stabil og fredelig udvikling i nogle etnisk diverse lande, mens andre destabiliseres af politiske ulighed mellem etniske grupper, konflikter og borgerkrig
KAUSALKÆDE: Offentlige goder (X) → Etnopolitisk inklusion → National identifikation → Nationsopbygning (Y)
ARGUMENT: Hvis staten leverer goder, så bliver alle uanset etnisk gruppe inkluderet. Dette gør at man bakker staten op = nation bulding
METODE:
MSSD/Process-tracing → han undersøger historiske processer og aktører
MSSD: Udvælgelse af lande
PT: Analysestrategi → laver dybdegående with-in case analyse, hvor han er i stand til at spore unikke processer.
Udvælgelses-logik: Botswana og Somalia som skal ligne hinanden på de relevante baggrundsvariable (MSSD)
Udvælger dem ud fra en regressionslinje → Vælger to lande i hver sin ende af regressionen, men som begge ligger i Sub-Sahara.
Botswana: En hvor det er gået godt med at bygge stat og højt niveau af offentlige goder
Somalia: Et hvor det er gået dårligt med at bygge stat og lavt niveau af offentlige goder
Kritik af design: Kolonialarv holdes ikke konstant –> kan være den forklarende faktor + Omvendt kausalitet
FUND:
Botswana formår at bygge videre på deres eksisterende politiske institutioner. Goderne leveres til alle uanset etnisk baggrund
Somalia var opdelt af Italien og England. De formåede ikke at dele ressourcerne ligeligt ud = konflikt
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
Hvilke typer af data er der ved kvantitative metoder?
Tværsnitsdata: Forskellige lande på et tidspunkt
Tidsseriedata: Et land på flere tidspunkter
TSCS (times-series cross-sectional)
el. paneldata (valgdata): Flere lande over flere år. Sondring mellem panel og TSCS: TSCS har ofte flere år
Oftest i ulighedslitteraturen bruges OLS til TSCS og logit ved binært data (hvor et event kodes - som fx. en transition)
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)
