Was sind die besten Methoden zur Schätzung kausaler Effekte, wenn Experimente nicht möglich sind? Dieser Übersichtsartikel untersucht Techniken zum Ziehen kausaler Schlussfolgerungen aus Beobachtungsdaten, eine häufige Herausforderung in den Sozialwissenschaften, bei der eine zufällige Zuweisung oft nicht durchführbar ist. Das Kapitel untersucht den kontrafaktischen Rahmen, der weithin für die Modellierung kausaler Effekte akzeptiert wird. Anschließend werden sowohl traditionelle als auch moderne Schätzer überprüft, die auf Querschnittsdaten anwendbar sind, und Schätzer vorgestellt, die die zusätzlichen Informationen von Längsschnittdaten nutzen. Es werden die Schätzung kausaler Effekte, instrumentelle Variablen, Matching-Schätzer und Propensity-Score-Methoden behandelt. Dieser Übersichtsartikel konzentriert sich auf Methoden, die quantitativ orientierten Soziologen zugänglich sind, und bietet eine wertvolle Ressource für Forscher, die versuchen, kausale Beziehungen in komplexen sozialen Phänomenen zu schätzen. Das Verständnis dieser Methoden ist entscheidend für eine fundierte soziologische Forschung und eine effektive Sozialpolitik.
Als Beitrag zum Annual Review of Sociology steht dieser Artikel voll und ganz im Einklang mit dem Auftrag der Zeitschrift, umfassende Überblicke über bedeutende Themen auf diesem Gebiet zu geben. Durch die Synthese der umfangreichen Literatur zur kausalen Inferenz aus Beobachtungsdaten stattet der Übersichtsartikel Soziologen mit den methodischen Werkzeugen aus, die erforderlich sind, um komplexe Forschungsfragen anzugehen. Diese maßgebliche Zusammenfassung erhöht den Wert der Zeitschrift als eine wichtige Ressource für soziologische Wissenschaftler.