ch1-5 midterm1.doc

12 Pages
132 Views
Unlock Document

Department
Government and Politics
Course
GVPT 100
Professor
Sarah Croco
Semester
Spring

Description
Ch1  Concepts • Concept: an idea or mental construct that represents phenomena in the real world • In empirical political science, concept refers to facts, not values. A concept is an observable and  measureable phenomenon.  • Primary goals of political science research are to describe concepts and analyze the relationship  between them: How does X affect Y? • conceptual question: question expressed using ideas, frequently unclear and difficult to answer  empirically. Example: Does power matter? • Concrete question: question expressed using tangible properties and can be answered  empirically • Need to transform concepts into concrete terms  • Same concept can refer to variety of concrete terms • Exp. Are women more liberal than men? Measuring Concepts • Step #1­­Conceptual definition Step #2—Operational definition • Step #1­­Conceptual definition • Must decide what is important to the concept ­ the essential elements. • Three potential problems: o Might think of empirical attributes that refer to a different concept o May include terms that are not measurable o Empirical properties may represent different dimensions of a concept  Multidimensional concept = has two or more distinct groups of empirical  characteristics • Unit of Analysis: the entity to which the concept applies o Individual, Household, Congressional District, Country Step #2—Operational definition • Explain exactly how the concept will be measured empirically • Step guide o Make a list of empirical attributes or concrete properties o Refine list to exclude any attributes that do not vary o Refine list to exclude any attributes that are not measurable o Refine list to exclude any attributes that measure a different dimension of the concept • The concept of [concept label] is defined as the extent to which [unit of analysis] exhibit the  characteristics of [measure]. Ecological Fallacy ­ Aggregate­level phenomenon is used to make inferences at the individual level o Example—average citizen well­being based on country’s level of development o Example—your neighborhood’s average level of wealth after Bill Gates moved in Judging operational definitions • To determine if an operational definition (or “operationalization”) is a good measure, we ask two  questions: o Is the measure reliable?  Reliability: Use the same measurement instrument repeatedly, will we get the  same results? o Is the measure valid?  Validity addresses whether the operational definition actually measures the  concept that we are interested in Determining Reliability • Test­retest method: investigator applies the measure once and then applies it again to same units  of analysis – If measure is reliable, then two results should be same or similar Alternative form • • Split half method­ internal consistency approach  – Measurement obtained from half scale’s items should be same as other half (items  reliably measuring same concept, two sets of scores should be same) – Ex. Ten government spending questions Determining Validity • Face validity: consider meaning; “on the face of it”  • Construct validity: analyze empirics to compare measure to related concepts – Exp. GRE and grade point average in Graduate School Measurement Error • Systematic measurement error: introduces consistent, chronic distortion into empirical  measurements • Durable, Inherent in instrument • E.g. Hawthorne effect (Knowing you are being studied) & Test anxiety • Random measurement error: “random;” introduces chaotic distortion into measurement  process, producing inconsistent readings of concept • Not durable, Not related to instrument • What to do? Random assignment! Importance of Measurement • Remember, measurement is important • In research, we develop theoretical arguments that make predictions about the relationship  between concepts • Then, we measure these concepts and evaluate the relationship between measures • But, if measures do not accurately measure concepts, then we may find a relationship that is  wrong, or miss one that exists Ch2 Measuring concepts step #3—create variables • Variables are “empirical measurements of characteristics” • Variables can take on different values—they can vary • There are different types of variables Levels of measurement for variables— • Nominal—categories Ordinal—the categories are ordered Interval—the values of the variable communicate actual differences Each of these types of variables can be measured with numbers, but  • the numbers have different meaning Nominal Variable / categorical variable ­ If they have numbers the numbers just indicate categories o Categories with no rank – no category is “better” or “more of” or “greater” than another;  number assigned is arbitrary ­ E.g. Region: America, Africa; Party labels: Republican, Democrat, Green ­ Dichotomous Variables • An additional kind of nominal variables– dichotomous, or “dummy” variables • Can only take on two values – Dead/alive, In war/not in war, Republican/non­Republican Ordinal Variable • Can be ranked categories — e.g. low, medium, high • Can assign numbers— e.g. countries are poor (1), middle income (2), rich (3) – Numbers show order, but we cannot say that 2 is twice 1, etc. • Index – Additive combination of ordinal variables, each of which is coded identically – Also called summative scale or ordinal scale – Allows for more reliable measure of a characteristic Interval Variable • Can use math on numbers • Distance between numbers is meaningful – A household making $100,000 is twice as wealthy as the one makes $50,000 It is often possible to measure the same concept at multiple levels of measurement • Example: How does level of education affect wealth? – Measuring level of education: • Dichotomous: high school graduate/non­high school graduate • Ordinal: non­high school graduate/high school graduate/college graduate/post­ college graduate • Interval: number of years of schooling completed Generally, we think it is better to use the highest level of measurement possible.  Otherwise, you lose information • Example—level of income – Dichotomous—rich/poor. Very basic. – Interval—annual income (in dollars). Much more precise. – The interval measure allows us to measure more accurately assess the impact of  education on level of income How we measure variables can also have an effect on our findings • Example—effect of type of government (democracy/non­democracy) on civil war • General finding: Democracy doesn’t have big effect on civil war • But, if we divide into three types: – Strong democracies less like to have civil wars – Strong autocracies less likely to have civil wars – Semi­democracies more likely to have civil wars Descriptive Statistics  ­ The appropriate way to describe variables depends on the level of measurement  o Nominal, Ordinal, Interval  ­ For nominal and ordinal variables, we can use frequency distributions  o Raw Frequency, Percentage, Cumulative Percentage    Measures of Central  Tendency  ­ Mean ­ average of all values  ­ Median – line all values up, middle one  ­ Mode ­ most frequent value    Dispersion  • More to describing a variable than reporting its measure of central tendency.  Variable (esp. political variables) also described by dispersion. • How are the cases spread across the possible values? What’s the variance? Dispersion  ­ Standard Deviation  o Average distance from the mean  o Tells you how close to the mean each observation is  Normal Distribution Dispersion of Nominal Variables Dispersion of Ordinal Variables ­ Low ­ Low o One mode prominent o Mode / median similar o Bar chart has 1 peak o Single peak bar chart o Fewer cases in nonmodal  o Cases cluster around median category ­ High ­ High o Mode and median separated by  o Bimodal/multiple modes at least one value o Bar chart has multiple peaks o Not single peak bar chart o Cases widely spread o Cases spread out Dispersion of Interval Variables ­ High ­ Low o Median and mean different o Median and mean similar o Bar chart not single peak o Bar chart single peak o Cases spread out o Most cases cluster around mean Frequency Measures  ­ Frequency   o Raw frequency = number of cases with the same value  o Total frequency = total number
More Less

Related notes for GVPT 100

Log In


OR

Join OneClass

Access over 10 million pages of study
documents for 1.3 million courses.

Sign up

Join to view


OR

By registering, I agree to the Terms and Privacy Policies
Already have an account?
Just a few more details

So we can recommend you notes for your school.

Reset Password

Please enter below the email address you registered with and we will send you a link to reset your password.

Add your courses

Get notes from the top students in your class.


Submit