Patzina, AlexanderAlexanderPatzina0000-0001-5039-7016Toussaint, CarinaCarinaToussaint2024-01-172024-01-1720232366-03250340-1804https://fis.uni-bamberg.de/handle/uniba/92860Ochsenfeld (2016) has found that a substantial part of sex segregation in higher education results from differences in vocational interests (i.e., preferences), while constraints (e.g., relative math grades) play only a minor role. We challenge the validity of these findings because earlier work employed a cross-sectional student sample and might therefore suffer from endogenous selection (i.e., post hoc rationalizations due to simultaneous reporting of majors and preferences) and postoutcome collider bias (i.e., conditioning on the outcome). Our replication study uses panel data (National Educational Panel Study, NEPS-SC4) that allow adjustment for the two sources of bias through the application of a pretransition preference measure and inverse probability weighting. Our analyses demonstrate the validity of prior research. Furthermore, our analysis indicates that the explanatory power of the overall model and the role of constraints for sex segregation in majors vary across the propensity of sample inclusion, thereby demonstrating the importance of sample composition for testing sociological theories.Ochsenfeld (2016) zeigt, dass ein wesentlicher Teil der Geschlechtersegregation in der Studienfachwahl auf Unterschiede in den beruflichen Interessen (d.h. Präferenzen) zurückzuführen ist, während sog. constraints (z.B. relative Mathematiknoten) nur eine geringe Rolle spielen. Wir hinterfragen diese Ergebnisse, da die Befunde auf einer Querschnittsstichprobe von Studierenden basieren und folglich durch endogene Selektion (d. h. post-hoc-Rationalisierungen aufgrund gleichzeitiger Angabe von Studienfächern und Präferenzen) und postoutcome collider bias (d.h. Konditionierung auf Studierende) verzerrt sein könnten. Unsere Ergebnisse basieren auf Paneldaten (Nationales Bildungspanel, NEPS-SC4), in welchen Präferenzmaße vor der Studienfachwahl vorliegen und die die Anwendung von inverse probability weighting ermöglichen. Unsere Analysen bestätigen bisherige Forschungsergebnisse und zeigen zusätzlich, dass zentrale Befunde nach Einschlusswahrscheinlichkeit in die Stichprobe variieren. Dies verdeutlicht die Bedeutung der Stichprobenzusammensetzung bei der Überprüfung soziologischer Theorien.engInverse Probability WeightingPostoutcome ColliderPropensity ScoreReplicationSample SelectionReplikationStichprobenselektivität300article10.1515/zfsoz-2023-2029