Forschende nutzen Experimente, Survey-Designs und quasi-experimentelle Methoden, um belastbare empirische Evidenz für wirtschafts- und gesellschaftspolitisch relevante Fragestellungen zu gewinnen. Solche Erkenntnisse bilden eine zentrale Grundlage für evidenzbasierte Wirtschaftsforschung und wirksame Politikmaßnahmen. Das Modul „Umfragebasierte, experimentelle und quasi-experimentelle Methoden“ vermittelt die Logik kausaler Evidenz und befähigt Studierende, geeignete Forschungsdesigns zu verstehen, kritisch zu beurteilen und selbstständig auf Datensätze anzuwenden. Es richtet sich insbesondere an Studierende, die eigenständig empirisch arbeiten möchten. Das Modul verbindet methodische Grundlagen mit praktischer Anwendung und zeigt, wie zentrale wirtschafts- und sozialwissenschaftliche Fragestellungen experimentell, umfragebasiert und quasi-experimentell untersucht werden können. Die vermittelten Methoden ermöglichen den Studierenden, Inhalte aus anderen modulen eigenständig anzuwenden und bieten zugleich eine gute Vorbereitung auf empirische Abschlussarbeiten.

Im ersten Teil des Moduls lernen Sie, wie Experimente und Umfragen konzipiert werden, welche Rolle Randomisierung spielt und wie valide Forschungsdesigns entwickelt werden. Sie arbeiten mit realen Daten, führen statistische Analysen durch und lernen, wie Studien präregistriert werden können. Zentrale Themen wie Randomisierung, Power-Analysen und Fragebogendesign werden praxisnah vermittelt und befähigen Sie, eigene Forschungsprojekte zu planen, umzusetzen und kritisch zu reflektieren. Die theoretischen und methodischen Inhalte werden durch publizierte Anwendungsbeispiele zu nachhaltigkeitsbezogenen Themen ergänzt.

Der zweite Teil des Moduls führt in zentrale quasi-experimentelle Methoden ein, vornehmlich Instrumentalvariablen, Regression-Discontinuity-Designs und Differenz-von-Differenzen-Ansätze. Sie lernen, wie kausale Effekte identifiziert werden können, wenn Experimente nicht möglich, nicht sinnvoll oder ethisch nicht vertretbar sind, und wie diese Designs in R implementiert werden. Dabei entwickeln Sie ein vertieftes Verständnis der forschungsdesignspezifischen, identifizierenden Annahmen und unterschiedlichen kausalen Effekten wie ATE, ATT und LATE. Darüber hinaus liegt der Fokus auf der Diagnostik, Plausibilitätsprüfung und Interpretation empirischer Forschungsdesigns.