Bayesianische Inferenz als Alternative zur klassischen Statistik

Handbuch Methoden der Politikwissenschaft
,
pp. 671-697
,
Wiesbaden
,
Springer VS
,
2020,

Claudius Wagemann, Achim Goerres, Markus Siewert,
Gill, Jeff, Richard Traunmüller
ISBN: 978-3-658-16935-0 (print), 978-3-658-16937-4 (online)
DOI: 
10.1007/978-3-658-16937-4_33-1
Abstract

Dieser Beitrag stellt die Grundzüge der bayesianischen Inferenz vor und argumentiert, dass es sich dabei um das ideale statistische Paradigma für die empirische Politikwissenschaft handelt. Die Politikwissenschaft ist in der Regel mit methodischen Herausforderungen und Daten konfrontiert, die mit den Vorstellungen der klassischen „frequentistischen“ Statistik nur unzureichend vereinbar sind. Bayesianische Methoden dagegen kombinieren Priori-Annahmen über interessierende Phänomene mit empirischer Evidenz, um dadurch zu informierten Wahrscheinlichkeitsaussagen zu gelangen. Darüber hinaus steht der moderne bayesianische Ansatz in enger Verbindung mit Markov Chain Monte Carlo (MCMC) Simulationsalgorithmen. Diese ermöglichen es, komplexere Modelle zu schätzen, als dies für herkömmliche Schätzverfahren der Fall ist. Schließlich überzeugt die bayesianische Herangehensweise durch die intuitive Form und Interpretierbarkeit der durch sie erzielten Ergebnisse. Wir demonstrieren die Nützlichkeit des bayesianischen Ansatzes anhand eines Beispiels aus der empirischen Demokratieforschung: der Frage, welchen Einfluss die staatliche Unterstützung von Religion für religiöses Sozialkapital im europäischen Vergleich besitzt.