GESIS Leibniz-Institut für Sozialwissenschaften: Homepage aufrufen

Neue Publikation: Felderer, Kueck, Spindler: Using Double Machine Learning to Understand Nonresponse in the Recruitment of a Mixed-Mode Online Panel


Kategorien: GESIS-News

Felderer, Barbara, Jannis Kück, and Martin Spindler. 2022. "Using Double Machine Learning to Understand Nonresponse in the Recruitment of a Mixed-Mode Online Panel." Social Science Computer Review.

doi: https://doi.org/10.1177/08944393221095194.  

Wissenschaftlerinnen und Wissenschaftler im Feld "Umfrageforschung" sehen sich in ihrer Forschung zunehmend mit dem Problem der hohen Dimensionalität konfrontiert, da es durch die Digitalisierung viel einfacher geworden ist, hochdimensionale (oder "große") Datensätze mit Hilfe von Tools wie Online-Umfragen und mobilen Anwendungen zu erstellen. Methoden des maschinellen Lernens sind in der Lage, mit solchen Daten umzugehen, und sie wurden bereits erfolgreich zur Lösung von Vorhersageproblemen eingesetzt.

In vielen Situationen möchten Umfragestatistiker*innen jedoch kausale Zusammenhänge erkennen, um Schlussfolgerungen ziehen und die Ergebnisse einer Umfrage auf eine andere übertragen zu können. Standardmethoden des maschinellen Lernens liefern verzerrte Schätzungen solcher Zusammenhänge. Die Autor*innen führen in die Umfragestatistik den Ansatz des doppelten maschinellen Lernens ein, der annähernd unverzerrte Schätzer der interessierenden Parameter liefert, und zeigen, wie er zur Analyse von Umfrage-Nonresponse in einem hochdimensionalen Panel-Umfeld eingesetzt werden kann.