3 Kausalität Flashcards
Probleme mit kausalem Effekt (gültig, Varianz, Vergleich)
- nur für 1 Individuum zu 1 Zeitpunkt gültig
- kann zwischen Individuen & über Zeit variieren
- Vergleichsbedingung: Bsp. Spaziergang statt Kopfwehtablette -> wenn gleiches Outcome, kein kausaler Effekt
Spezifisches Problem des kausalen Schließens (1+3)
- ohne Randomisierung sind Gruppen nicht vergleichbar
Mögliche Probleme:
- confounding variables
- Messfehler
- Selektionsbias (manchmal stat. korrigierbar)
Kausalattribution, 2 wichtige Aspekte, causal phobia
KA: Ursachenzuschreibung, beeinflusst Wahrnehmung, Gehirn macht das oft automatisch
Aspekte: klare Definition von Kausalität & wissenschafttliche Methoden
causal phobia: correlation =/ causation
-> Vermeidung von kausalen Schlüssen, Kausalität aber indirekt impliziert
5 Möglichkeiten für X & Y Assoziation & hilfreiche Studienart
- X > Y
- X < Y
- X <>Y
- X < Z > Y
- X < E —- E > Y
hilfreich: Längsschnittsstudien -> helfen zeitliche Abfolge zu etablieren
kontrafaktisches Modell eines kausalen Faktors (1 + 4 + 1)
- 1 Beob. für kausalen Schluss nicht ausreichend
Am Bsp. Kopfschmerztablette:
- faktische Bedingung X = 1 (nimmt Tablette)
- kontrafaktische Bedingung X = 0 (nimmt keine Tablette)
- faktisches Outcome Y = 0 (kein Kopfweh mehr)
- kontrafaktisches Ourcome Y = ?
> > Outcome unter kontrafaktischer Bedingung definiert Kausalität (Unterschied zwischen 2 Bedingungen bei gleicher Person zu gleichem Zeitpunkt)
Inverse causation + Bsp.
Trugschluss, dass X Y beeinflusst, tatsächlich andersrum
Bsp. in Eile sein & zu spät kommen
Potential outcomes
a priori, i.e. vor Kopfschmerztabletten-Entscheidung
Wahl der Vergleichsbedingung (2 + Bsp.)
unterschiedliche kausale Effekte
immer Vergleichsbedingung nennen
Bsp. KVT bei soz. Phobie vs. wait list / andere PT / Meds
Kausaler Faktor (Def, für binäre Y, für intervallskalierte Y)
Def: notwendiger Faktor, ohne den Ereignis nicht eingetreten wäre
f. binäre Y: 1 Faktor nicht zwingend ausreichend, Bsp. HIV bei AIDS & Meds
f. intervallskalierte Y: Differenz in Outcome Y zwischen kontra- und faktischer Bedingung
Bsp. Kopfschmerzskala: Diff/Quotient nach 1h -> kausaler Effekt
Praktische Wirkung einer Intervention (4 + Bsp.)
- nur X verändern um alleinigen Effekt zu bestimmen
- verändert praktisch auch immer andere Y-beeinflussende Variablen
- Intervention meist effektiver, wenn andere mit X zusammenhängende Variablen auch angegangen werden
- therapeutisch erwünscht, wissenschaftlich nicht
- Bsp. Rauchentwöhnung & Sport
Bevölkerungsdurchschnittseffekte (4)
- Effekte oft unterschiedlich bei Individuen und daher nicht auf alle anwendbar
- Zielpopulation definieren
- Durchschnittseffekte schätzen
- braucht Zusammenhangsmaß
(Nicht) sinnvolle kausale Fragestellungen (3 Bsp. + 1)
+ anderer Erziehungsstil
- Mann mit gynäkologischer Krankheit
schwierig: Ethnie -> nicht veränderbar, aber kann veränderbare Aspekte (Einkommen) davon untersuchen
> > unterschiedliche kausale Effekte, je nach Untersuchungsrichtung: X = 0 zu X = 1 machen oder andersrum, Bsp. Rauchen abgewöhnen oder angewöhnen
Fundamentales Problem der empirischen Forschung und 2 Lösungen + Praktisches
- Outcome Y nur bei 1 Person in 1 Bedingung zu 1 Zeitpunkt beobachtbar
- Y unter kontrafaktischer Bedingung schätzen
a) an anderem Individuum (between)
b) zu anderem Zeitpunkt (within)
> > für stabile stat. Schätzung: viele Individuen, viele Messzeitpunkte, beides unter allen Bedingungen