8. Diskontinuierliche Regressionsdesigns

Question 1

Bisher…

Answer 1

• KG und EG sollen identisch sein

- Falls Unterschied –> Ausgleich

Question 2

Diskontinuierliche Regressionsdesigns: Einsatzgebiet

Answer 2

• Studien welche nach Leistung oder Bedarf unterteilen

Question 3

Cut-off-wert soll relative nahe dem ________ sein.

Answer 3

Median

Question 4

was ist das Cut-off-Wert?

Answer 4

das von der Prae-Messung bestimmtes Zuordnungskriterium

- soll keine Extremgruppe definieren

Question 5

Warum soll der Cut-off-Wert nahe dem Median sein?

Answer 5

mittlere Aufteilung –> viel Varianz = stat. Trennschaerfe

Question 6

Diskontinuierliche Regressionsdesigns: Vorteile

Answer 6

• hohe interne Validitaet
• grosse Flexibilitaet bei Auswahl der Zuweisungsvariablen
• Beduerftigkeit kann beruecksichtigt werden –> erhoeht die Durchsetzbarkeit des Designs

Question 7

Diskontinuierliche Regressionsdesigns: Nachteile

Answer 7

• GROSSE STICHPROBE NOTWENDIG

- Suche nach dem optimalen Cut-off-Wert nicht leicht

Question 8

Zuweisungsvariable: Nenne Beispiele

Answer 8

Geburtsjahr

Prae-wert der aV

Question 9

Zuweisungsvariable: Regeln

Answer 9

• intervallskaliert
• grosse Streuung
• nicht dichotom (sonst sind die regressionsgeraden nicht schaetzbar)
• niedrige/keine Korrelation mit der aV

Question 10

Wie wird der cut-off-Wert gewaehlt?

Answer 10

• praktische Festlegungen (z.B. BMI > 30)

- stat. Verfahren (z.B. Median Split)

Question 11

Variationen des Standardvorgehens

Answer 11

• Treatment- Treatment- vergleich
• mehr als zwei Gruppen koennen verglichen werden
• verschiedene Dosierungen des Treatments

Question 12

Bei randomisierte Experimente…

Answer 12

Effekt = Unterschied in Regressionsgeraden

Question 13

Was fuer ein Zusammenhang gibt es bei diskontinuierliche Regressions-designs?

Answer 13

ein linearer Zusammenhang

Question 14

Linearitaet: Voraussetzungen

Answer 14

• korrekte Modellierung
• Zuweisungsvariable darf nicht durch das Treatment beeinflusst werden
• VPN kommen aus einer gemeinsamen Population

Question 15

Vorteile von einem RD-Designs mit randomisierte Zuweisung

Answer 15

• TESTSTARK

- da Treatment effektim Uebergangsbereich belegt werden kann

Question 16

Probleme bei der Interpretation von INTERKATIONSEFFEKTEN

Answer 16

• ohne Diskontinuitaet SCHWIERIG

- muss immer randomisiert sein

Question 17

Methoden zur Verbesserung des Powers eines RD-Designs

Answer 17

• cut-off-Wert = Mittelwert
• intervallskalierte Zuweisungsvariable
• hohe Varianz in Zuweisungsvariable
• keine Korrelation zwischen Zuordnungsvariable und Treatment
• KOMBINATION mit randomisierte Experimente - im mittleren Intervall
• nicht zu viele Interaktionstermen verwenden

Question 18

Praktische Durchfuehrung einer RD-ANALYSE

Answer 18

• Gleichsetzung der Regressionskoeffizienten
  –> signifkante Reduktion der Modellpassung?
  JA: Treatment-Effekt
  NEIN: kein Treatment-effekt

Question 19

Analyse der internen Validitaet bei einer RD-ANALYSE?

Answer 19

• History –> kann bedeutsam sein, beduerftige Gruppen auch fuer weitere Programme berechtigt
• Selektion/Regression unwahrscheinlich
• Testing unplausibel (EG und KG erhalten gleiche Tests)
• Instrumentation/Maturation –> koennte zu einer Verletzung der Linearitaet fuehren

Question 20

Verleztung der Linearitaet: Loesungen

Answer 20

• komplexere Modellierungen

z. B polynomiale Terme

Question 21

Zuordnungsvorschrift: Problem

Answer 21

• schwierig es genau einzuhalten

BESONDERS bei Grenzfaellen

Question 22

Was ist wichtig beim Cut-Off-Wert?

Answer 22

soll keine Extremgruppe definieren
soll nahe am Median liegen

gewählt durch:
stat. verfahren
praktische Verfahren