Studienarbeit aus dem Jahr 2018 im Fachbereich Politik - Allgemeines und Theorien zur Internationalen Politik, Note: 1,7, Universität Duisburg-Essen, Sprache: Deutsch, Abstract: Damit die Ergebnisse einer Ordinary Least Squares (OLS) Regression gültig sind und für die politikwissenschaftliche Forschung verwendet werden können, müssen die inferenzstatistischen Annahmen der OLS-Regression erfüllt sein. Eine besonders wichtige Annahme ist die, dass keine Autokorrelation besteht. Autokorrelation besteht dann, wenn die Residuen einer Beobachtung nicht unabhängig von den Residuen einer anderen Beobachtung sind. Gerade bei internationalen Länderdaten kann diese Annahme verletzt werden. Entweder weil die verwendeten Daten zeitlich oder räumlich oder zeitlich und räumlich abhängig sind. Um diesen Annahmeverletzungen zu begegnen, sind unterschiedliche statistische Techniken anzuwenden. Im Folgenden werden exemplarisch Techniken vorgestellt, die es erlauben, mit diesen benannten Annahmeverletzungen umzugehen. Zunächst werden Regressionstechniken vorgestellt, die auf die räumliche Abhängigkeit von Länderdaten bei Querschnittsanalysen eingehen. Es folgt ein kurzer Einblick über Regressionstechniken, die sich zum Umgang mit zeitlicher Abhängigkeit bei Längsschnittstudien eignen. Die Quer- und Längsschnittperspektive wird schließlich im vierten Kapitel zusammengeführt. Dort werden über die time-series cross-sectional (TSCS) Analyse weitere Techniken exemplarisch vorgestellt. Aufgrund der Fülle an statistischen Techniken und den möglichen Detailtiefen, setzt die nachfolgende Ausarbeitung ihren Schwerpunkt darauf, mithilfe der Auswahl einiger Techniken zum Umgang mit internationalen Länderdaten, ihren Annahmen und Einsatzmöglichkeiten, sowie den entsprechenden Stata-Do-Befehlen einen groben Überblick zu verschaffen.