Strengthening causal inferences in positivist field studies – C.D. Ittner
Onderzoekers worden beperkt in het onderzoek in veldstudies. In de praktijk kunnen ze namelijk slechts
non- en quasi-experimentele methoden toepassen. Hierbij komen een aantal beperkingen te pas ten
aanzien van de causaliteit, zoals het niet kunnen bepalen van alle controle variabelen, het doen van
verschillende aannames, metingsfouten en non-lineairiteit.
De filosoof Mill geeft drie criteria voor causaliteit:
• De oorzaak moet het tijdseffect verwerken;
• De oorzaak en het effect moeten aan elkaar gerelateerd zijn (covariantie);
• Overige verklaringen van het oorzaak-gevolg effect moeten geëlimineerd zijn.
Improved specification of empirical models and test
Gedetailleerde kennis van de context helpt om:
• Verstorende factoren te identificeren;
• Controle variabelen te identificeren (en mee te nemen in de statistische testen) om het
verstorende effect te minimaliseren;
• Het niet meenemen van observaties die niet aan de nodige condities voldoen;
• Bepaalde issues te identificeren zoals gelijktijdige effecten en selectie-effecten die de causale
relatie kunnen verstoren;
• Kennis te vergaren en toegang te verkrijgen tot een breed bereik van databronnen welke gebruikt
kunnen worden om variabelen te ontwikkelen en te meten die leiden tot betere statistische
testen door het versterken van de constructvaliditeit (Triangulatie).
Ability to provide greater insight into statistical results
Hoewel statistiek belangrijk is en de technieken steeds beter worden, moet de onderzoeker zich toch
richten op:
• Het bepalen van de richting van de relatie;
• De mogelijkheid dat er andere (betere) modellen bestaan;
• Het uitsluiten van alternatieve verklaringen voor bevindingen.
Bij het testen van een conceptueel model, moet je je er bewust van zijn dat er misschien een beter model
bestaat, maar met variabelen die je niet in het model hebt opgenomen. Het kon ook zo zijn dat je model
juist is, maar dat data toevallig niet past.
Vaak worden outliers geëlimineerd, maar het kan juist zo zijn dat analyse van extreme waarden kan
helpen te verklaren waarom onverwachte of insignificante waarden afwijken van het statistische model.
Middels doorlopen van het proces (process tracing) kunnen oorzakelijke conclusies beter worden
begrepen.
Conclusie:
Positivistische veldonderzoekers kunnen door kennis de interne validiteit en de oorzaak-gevolg relatie
verstreken en de kwalitatieve analyses kunnen worden gebruikt om betere statistische testen uit te
voeren.
,Subjectivity in developing and validating causal explanations in positivist
accounting research – J. Luft and M.D. Shields
Hoe kunnen we alternatieve verklaringen voor een oorzakelijk verband uitsluitend? Het artikel beoogd
dat subjectiviteit hierbij een rol speel aan draagt daarom belangrijke bronnen van subjectiviteit aan die
van invloed zijn op het ontwikkelen en valideren van oorzakelijke verbanden.
Ziet toe op de interne validiteit: de mate van zekerheid dat geobserveerde effecten in de afhankelijke
variabele worden verklaard door de onafhankelijke variabelen (oorzaak-gevolg relatie).
Definities
Positivistisch onderzoek: onderzoek naar bekende elementen van de accountancy praktijk en probeert
conclusies over deze elementen te trekken vanuit een bepekt aantal observaties.
Objectief en subjectief: bij objectief zijn er door de gemeenschap bepaalde en overeengekomen criteria
beschikbaar en bij subjectief is dit niet het geval. Er is echter geen duidelijke scheidslijn; het is een
continuüm.
Causaliteit: X leidt tot een hogere waarde Y, en als X afwezig is leidt dit niet tot een hogere Y. Daarbij laten
we vele variabelen buiten beschouwing en proberen we variabelen waarvan we denken dat ze van invloed
zijn te identificeren en te meten (control variabelen).
De rol van alternatieve oorzakelijke verklaringen
Het feit dat er meerdere gebeurtenissen de oorzaak kunnen zijn, leidt tot alternatieve oorzakelijke
verklaringen. Het valideren van een causale verklaring die de voorkeur heeft van een onderzoeker bestaat
dus uit het elimineren van alternatieve oorzakelijke verklaringen, door:
• Het aanbrengen van overtuigend bewijs: beperking is de validiteitstrade-off (meer bewijs tegen
de ene optie heeft vaak een tegenovergesteld effect tegen een andere optie)
• Het aantal alternatieven waartegen bewijs dient te worden ingebracht, te verminderen:
beperking is dat de onderzoeker de alternatieven die niet passen kan verwijderen om andere te
overtuigen van hun gelijk.
Valideren van voorkeursverklaringen
Het hier behandelde onderzoek richt zich op het valideren van algemene oorzakelijke verklaringen op
basis van een bepaald aantal populaties om deze in een bredere context te plaatsen. Middels het volgende
raamwerk kan de onderzoeker bewijzen dat de associatie tussen de afhankelijke en onafhankelijke
variabele meer consistent is met hun voorkeur dan de alternatieve verklaringen:
,Het ontwikkelen van voorkeursverklaringen
Een breed literatuuronderzoek zal vaak een groot aantal alternatieve verklaringen tot gevolg hebben. Hier
speelt subjectiviteit echter een rol, hoe verder je iets specificeert, des te meer alternatieve verklaringen
af kunnen vallen. Aan de andere kant is het de vraag hoe interessant en belangrijk een beperkte context
is voor de oorzakelijkheid. Het antwoord ligt in de achterliggende theorie en de persoonlijke voorkeur van
de onderzoeker.
Conclusie
Hoewel subjectiviteit een bron kan zijn voor creativiteit is het kunnen vertrouwen op objectiviteit binnen
positivistisch accounting onderzoek het ideale kenmerk. Het aanbrengen van bewijs tegen alternatieve
verklaringen dan wel het zo specifiek maken van de verklaring is hierbij vereist. Daarnaast houdt dit in dat
subjectiviteit goed toegelicht moet worden in het artikel.
, A manipulationst view of causality in cross-sectional survey research – W.
van der Stede
Dit essay gaat in op issues met betrekking tot oorzakelijke relaties in empirisch onderzoek. Het is gericht
op cross-sectioneel onderzoek en de misvatting dat samenhang wijst op een causale relatie. Cross-
sectioneel onderzoek is daarbij het verzamelen van data voor meer dan een geval op een bepaald moment
in de tijd. De kwantificeerbare gegevens verzamel je voor twee of meer variabelen om de variatie tussen
gevallen vast te stellen.
De term causaliteit gebruikt met om aan te geven dat X een oorzaak is van Y en dat X dus zal veranderen
wanneer we Y manipuleren. Dit wordt de manipulatievisie op causaliteit genoemd. Strikt genomen
kunnen alleen experimenten middel willekeurig geselecteerde steekproeven causaliteit vaststellen.
Toch is de praktijk geïnteresseerd in de effecten van zaken die zij kunnen manipuleren. Dit betekent dat
er verzoek wordt gedaan aan de wetenschap om niet alleen wetenschappelijke verbanden aan te tonen,
maar ook inzicht te verschaffen in hoe variabelen gemanipuleerd kunnen worden.
Correlatie is niet causaliteit
Wanneer er correlatie gezien wordt, kan er niet zomaar gesteld worden dat er een causaal verband is. De
vereiste dat Y zal verbeteren door X, is ingebouwd in het experimentele ontwerp. Voor surveyonderzoek
vereist dit een onderliggende logica, model of theorie die ten grondslag ligt aan de survey. Het probleem
bij een survey is dat data van een enkele respondent in één moment in de tijd is verzameld en dat derhalve
niet geconcludeerd kan worden dat X de oorzaak is van Y. De auteur omschrijft vier zaken die van belang
zijn voor het bestaan van causaliteit:
• Theoretical coherence (samenhang): de veronderstelde causale relatie moet logisch en
theoretisch onderbouwd zijn. Het model mag geen verstorende variabelen bevatten, aangezien
het niet praktisch is een surveyonderzoek achteraf aan te passen.
• Covariation: er moet een verband tussen de variabelen aangetoond kunnen worden.
• Seperation (tijdelijke en fysieke scheiding): er moet aangetoond worden dan de oorzaak voor het
effect komt. Dit is echter alleen mogelijk op verschijnselen die verandering kennen. Een beter
ontwerp zal dus een longitudinale aanpak zijn, met als beste manier een control groep. Deze
wordt achteraf vergeleken met de geteste groep.
• Validity (interne valditeit): er moet aangetoond kunnen worden dat het verband niet onecht/
oneigenlijk is (door onmitted variables, endogeneity). Een theorie helpt om:
o De juiste constructen te selecteren;
o Een plausibele richting van de causale directie te specificeren;
o Een complete set van controlevariabelen te identificeren.
Conclusie
Het vaststellen van causale verbonden met empirische relaties is uitdagend in alle niet-experimentele
onderzoeken. Vooral bij single-respondent, single-period, cross-sectional onderzoeken. Longitunale
studies kunnen hierin de oplossing bieden.
De auteur zegt het volgende om toch een causale relatie aan te kunnen duiden: wanneer we een (1)
overtuigend theoretisch model omschrijven, vervolgens (2) associatie tussen de variabelen vinden en (3)
vast kunnen stellen dat de ene variabelen logisch gezien effect heeft op het de andere en we alle (4)
‘cofounding’ effecten kunnen mitigeren.
Onderzoekers worden beperkt in het onderzoek in veldstudies. In de praktijk kunnen ze namelijk slechts
non- en quasi-experimentele methoden toepassen. Hierbij komen een aantal beperkingen te pas ten
aanzien van de causaliteit, zoals het niet kunnen bepalen van alle controle variabelen, het doen van
verschillende aannames, metingsfouten en non-lineairiteit.
De filosoof Mill geeft drie criteria voor causaliteit:
• De oorzaak moet het tijdseffect verwerken;
• De oorzaak en het effect moeten aan elkaar gerelateerd zijn (covariantie);
• Overige verklaringen van het oorzaak-gevolg effect moeten geëlimineerd zijn.
Improved specification of empirical models and test
Gedetailleerde kennis van de context helpt om:
• Verstorende factoren te identificeren;
• Controle variabelen te identificeren (en mee te nemen in de statistische testen) om het
verstorende effect te minimaliseren;
• Het niet meenemen van observaties die niet aan de nodige condities voldoen;
• Bepaalde issues te identificeren zoals gelijktijdige effecten en selectie-effecten die de causale
relatie kunnen verstoren;
• Kennis te vergaren en toegang te verkrijgen tot een breed bereik van databronnen welke gebruikt
kunnen worden om variabelen te ontwikkelen en te meten die leiden tot betere statistische
testen door het versterken van de constructvaliditeit (Triangulatie).
Ability to provide greater insight into statistical results
Hoewel statistiek belangrijk is en de technieken steeds beter worden, moet de onderzoeker zich toch
richten op:
• Het bepalen van de richting van de relatie;
• De mogelijkheid dat er andere (betere) modellen bestaan;
• Het uitsluiten van alternatieve verklaringen voor bevindingen.
Bij het testen van een conceptueel model, moet je je er bewust van zijn dat er misschien een beter model
bestaat, maar met variabelen die je niet in het model hebt opgenomen. Het kon ook zo zijn dat je model
juist is, maar dat data toevallig niet past.
Vaak worden outliers geëlimineerd, maar het kan juist zo zijn dat analyse van extreme waarden kan
helpen te verklaren waarom onverwachte of insignificante waarden afwijken van het statistische model.
Middels doorlopen van het proces (process tracing) kunnen oorzakelijke conclusies beter worden
begrepen.
Conclusie:
Positivistische veldonderzoekers kunnen door kennis de interne validiteit en de oorzaak-gevolg relatie
verstreken en de kwalitatieve analyses kunnen worden gebruikt om betere statistische testen uit te
voeren.
,Subjectivity in developing and validating causal explanations in positivist
accounting research – J. Luft and M.D. Shields
Hoe kunnen we alternatieve verklaringen voor een oorzakelijk verband uitsluitend? Het artikel beoogd
dat subjectiviteit hierbij een rol speel aan draagt daarom belangrijke bronnen van subjectiviteit aan die
van invloed zijn op het ontwikkelen en valideren van oorzakelijke verbanden.
Ziet toe op de interne validiteit: de mate van zekerheid dat geobserveerde effecten in de afhankelijke
variabele worden verklaard door de onafhankelijke variabelen (oorzaak-gevolg relatie).
Definities
Positivistisch onderzoek: onderzoek naar bekende elementen van de accountancy praktijk en probeert
conclusies over deze elementen te trekken vanuit een bepekt aantal observaties.
Objectief en subjectief: bij objectief zijn er door de gemeenschap bepaalde en overeengekomen criteria
beschikbaar en bij subjectief is dit niet het geval. Er is echter geen duidelijke scheidslijn; het is een
continuüm.
Causaliteit: X leidt tot een hogere waarde Y, en als X afwezig is leidt dit niet tot een hogere Y. Daarbij laten
we vele variabelen buiten beschouwing en proberen we variabelen waarvan we denken dat ze van invloed
zijn te identificeren en te meten (control variabelen).
De rol van alternatieve oorzakelijke verklaringen
Het feit dat er meerdere gebeurtenissen de oorzaak kunnen zijn, leidt tot alternatieve oorzakelijke
verklaringen. Het valideren van een causale verklaring die de voorkeur heeft van een onderzoeker bestaat
dus uit het elimineren van alternatieve oorzakelijke verklaringen, door:
• Het aanbrengen van overtuigend bewijs: beperking is de validiteitstrade-off (meer bewijs tegen
de ene optie heeft vaak een tegenovergesteld effect tegen een andere optie)
• Het aantal alternatieven waartegen bewijs dient te worden ingebracht, te verminderen:
beperking is dat de onderzoeker de alternatieven die niet passen kan verwijderen om andere te
overtuigen van hun gelijk.
Valideren van voorkeursverklaringen
Het hier behandelde onderzoek richt zich op het valideren van algemene oorzakelijke verklaringen op
basis van een bepaald aantal populaties om deze in een bredere context te plaatsen. Middels het volgende
raamwerk kan de onderzoeker bewijzen dat de associatie tussen de afhankelijke en onafhankelijke
variabele meer consistent is met hun voorkeur dan de alternatieve verklaringen:
,Het ontwikkelen van voorkeursverklaringen
Een breed literatuuronderzoek zal vaak een groot aantal alternatieve verklaringen tot gevolg hebben. Hier
speelt subjectiviteit echter een rol, hoe verder je iets specificeert, des te meer alternatieve verklaringen
af kunnen vallen. Aan de andere kant is het de vraag hoe interessant en belangrijk een beperkte context
is voor de oorzakelijkheid. Het antwoord ligt in de achterliggende theorie en de persoonlijke voorkeur van
de onderzoeker.
Conclusie
Hoewel subjectiviteit een bron kan zijn voor creativiteit is het kunnen vertrouwen op objectiviteit binnen
positivistisch accounting onderzoek het ideale kenmerk. Het aanbrengen van bewijs tegen alternatieve
verklaringen dan wel het zo specifiek maken van de verklaring is hierbij vereist. Daarnaast houdt dit in dat
subjectiviteit goed toegelicht moet worden in het artikel.
, A manipulationst view of causality in cross-sectional survey research – W.
van der Stede
Dit essay gaat in op issues met betrekking tot oorzakelijke relaties in empirisch onderzoek. Het is gericht
op cross-sectioneel onderzoek en de misvatting dat samenhang wijst op een causale relatie. Cross-
sectioneel onderzoek is daarbij het verzamelen van data voor meer dan een geval op een bepaald moment
in de tijd. De kwantificeerbare gegevens verzamel je voor twee of meer variabelen om de variatie tussen
gevallen vast te stellen.
De term causaliteit gebruikt met om aan te geven dat X een oorzaak is van Y en dat X dus zal veranderen
wanneer we Y manipuleren. Dit wordt de manipulatievisie op causaliteit genoemd. Strikt genomen
kunnen alleen experimenten middel willekeurig geselecteerde steekproeven causaliteit vaststellen.
Toch is de praktijk geïnteresseerd in de effecten van zaken die zij kunnen manipuleren. Dit betekent dat
er verzoek wordt gedaan aan de wetenschap om niet alleen wetenschappelijke verbanden aan te tonen,
maar ook inzicht te verschaffen in hoe variabelen gemanipuleerd kunnen worden.
Correlatie is niet causaliteit
Wanneer er correlatie gezien wordt, kan er niet zomaar gesteld worden dat er een causaal verband is. De
vereiste dat Y zal verbeteren door X, is ingebouwd in het experimentele ontwerp. Voor surveyonderzoek
vereist dit een onderliggende logica, model of theorie die ten grondslag ligt aan de survey. Het probleem
bij een survey is dat data van een enkele respondent in één moment in de tijd is verzameld en dat derhalve
niet geconcludeerd kan worden dat X de oorzaak is van Y. De auteur omschrijft vier zaken die van belang
zijn voor het bestaan van causaliteit:
• Theoretical coherence (samenhang): de veronderstelde causale relatie moet logisch en
theoretisch onderbouwd zijn. Het model mag geen verstorende variabelen bevatten, aangezien
het niet praktisch is een surveyonderzoek achteraf aan te passen.
• Covariation: er moet een verband tussen de variabelen aangetoond kunnen worden.
• Seperation (tijdelijke en fysieke scheiding): er moet aangetoond worden dan de oorzaak voor het
effect komt. Dit is echter alleen mogelijk op verschijnselen die verandering kennen. Een beter
ontwerp zal dus een longitudinale aanpak zijn, met als beste manier een control groep. Deze
wordt achteraf vergeleken met de geteste groep.
• Validity (interne valditeit): er moet aangetoond kunnen worden dat het verband niet onecht/
oneigenlijk is (door onmitted variables, endogeneity). Een theorie helpt om:
o De juiste constructen te selecteren;
o Een plausibele richting van de causale directie te specificeren;
o Een complete set van controlevariabelen te identificeren.
Conclusie
Het vaststellen van causale verbonden met empirische relaties is uitdagend in alle niet-experimentele
onderzoeken. Vooral bij single-respondent, single-period, cross-sectional onderzoeken. Longitunale
studies kunnen hierin de oplossing bieden.
De auteur zegt het volgende om toch een causale relatie aan te kunnen duiden: wanneer we een (1)
overtuigend theoretisch model omschrijven, vervolgens (2) associatie tussen de variabelen vinden en (3)
vast kunnen stellen dat de ene variabelen logisch gezien effect heeft op het de andere en we alle (4)
‘cofounding’ effecten kunnen mitigeren.
