Quantitative Studies of Empirical Research (Poli Sci)

• Commonly, if the P-value is below .05, then we say we reject the null hypothesis and conclude that we have statistically significant evidence for our hypothesis.
• The fundamental problem of causality is that for each observation and each point in time, there can only be one result.
• The Correlation Coefficient measures the relationship between two variables.
• The closer the correlation coefficient is to 0, the weaker the relationship is between two variables.
• The larger the distance the correlation coefficient is to 0, the stronger the relationship between two variables.
• The larger the confidence interval, the wider the range of possible values for the population parameter. (bigger button for the curling stone)
• Estimate = Estimand + Bias + Noise


  Estimate = quantity we observe in the data

  Estimand = unobserved quantity we are interested in

  Bias = systematic errors that affect our data

  Noise = random factors that affect our data
• Standard Error (Standardfehler) is the standard deviation of the sampling distribution.
• Null hypothesis is the assumption that some feature of the data is entirely noise (no relationship, neither positive nor negative).
• 95% confidence interval states that the estimand is contained in the 95% confidence interval 95% of the time.
• X is the independent, predictor variable
• Y is the dependent, outcome variable
• P-screening is when an experiment that yielded no statistically significant results did not result in a published paper
• Publication bias is the result of under-reporting and over-comparing
• P-hacking is when researchers play around with the data or tests (usually noise) until the p-tests show that the results are statistically significant
• Arithmetic Mean (Arithmetischesmittel)

  A) Sum of all data

  B)

  
• Variance

  A) arithmetic mean

  
• Standard Deviation (Standardabweichung)

  A) Variance

  
• Covariance

  A) Covariance

  
• Pearson's R (Korrelationskoeffizient)

  A) Correlations Coefficient

  B) Covariance

  C) Standard Deviation

  
• Chi-Squared Formula

  A) O = observed

  B) E = Expected

  C) Chi-squared

  
• Confidence Interval (Konfidenzintervall)

  A) sample standard deviation

  B) confidence level value

  
• Cramer's V

  A) V

  B) Smallest number of rows or columns

  C) Chi-squared

  
• Standard Error (Standardfehler)

  A) Standard Deviation

  
• Experimente helfen uns, soziales Leben besser zu verstehen, herauszufinden, wie sich Menschen unter bestimmten Bedingungen verhalten, wie sie lernen und welche Faktoren dabei wirken.
• Der Vorteil von Experimenten liegt im Dreiklang von Gruppenbildung, Randomisierung und Manipulation unter Konstanthaltung der weiteren Entscheidungsumwelt. Dies erleichtert die Überprüfung kausaler Verhaltensaussagen.
• Die drei Mindestanforderungen an eine Experimente, um es erfolgreich zu durchführen:

  1. Mindestens zwei Gruppen (Versuchs- und Kontrollgruppe)
  2. Randomisierung der Versuchspersonen auf die beiden Gruppen
  3. Manipulation der unabhängigen Variablen durch Forscher*in
• Regressionsgleichung

  
• Confounders sind Drittvariablen bzw. Störfaktoren -> Phänomene, welche sowohl die unabhängige als auch die abhängige Variable beeinflussen können.
• Reverse Causation ist ein Kausalzusammenhang zwischen zwei Phänomenen (Variablen) wird fälschlicherweise in eine Richtung hergestellt, obwohl die umgekehrte Richtung stimmen würde.
• A mechanism is some feature of the world that the treatment affects, which then, in turn, affects the outcome