8. Diskontinuierliche Regressionsdesigns Flashcards
Bisher…
- KG und EG sollen identisch sein
- Falls Unterschied –> Ausgleich
Diskontinuierliche Regressionsdesigns: Einsatzgebiet
- Studien welche nach Leistung oder Bedarf unterteilen
Cut-off-wert soll relative nahe dem ________ sein.
Median
was ist das Cut-off-Wert?
das von der Prae-Messung bestimmtes Zuordnungskriterium
- soll keine Extremgruppe definieren
Warum soll der Cut-off-Wert nahe dem Median sein?
mittlere Aufteilung –> viel Varianz = stat. Trennschaerfe
Diskontinuierliche Regressionsdesigns: Vorteile
- hohe interne Validitaet
- grosse Flexibilitaet bei Auswahl der Zuweisungsvariablen
- Beduerftigkeit kann beruecksichtigt werden –> erhoeht die Durchsetzbarkeit des Designs
Diskontinuierliche Regressionsdesigns: Nachteile
- GROSSE STICHPROBE NOTWENDIG
- Suche nach dem optimalen Cut-off-Wert nicht leicht
Zuweisungsvariable: Nenne Beispiele
Geburtsjahr
Prae-wert der aV
Zuweisungsvariable: Regeln
- intervallskaliert
- grosse Streuung
- nicht dichotom (sonst sind die regressionsgeraden nicht schaetzbar)
- niedrige/keine Korrelation mit der aV
Wie wird der cut-off-Wert gewaehlt?
- praktische Festlegungen (z.B. BMI > 30)
- stat. Verfahren (z.B. Median Split)
Variationen des Standardvorgehens
- Treatment- Treatment- vergleich
- mehr als zwei Gruppen koennen verglichen werden
- verschiedene Dosierungen des Treatments
Bei randomisierte Experimente…
Effekt = Unterschied in Regressionsgeraden
Was fuer ein Zusammenhang gibt es bei diskontinuierliche Regressions-designs?
ein linearer Zusammenhang
Linearitaet: Voraussetzungen
- korrekte Modellierung
- Zuweisungsvariable darf nicht durch das Treatment beeinflusst werden
- VPN kommen aus einer gemeinsamen Population
Vorteile von einem RD-Designs mit randomisierte Zuweisung
- TESTSTARK
- da Treatment effektim Uebergangsbereich belegt werden kann
Probleme bei der Interpretation von INTERKATIONSEFFEKTEN
- ohne Diskontinuitaet SCHWIERIG
- muss immer randomisiert sein
Methoden zur Verbesserung des Powers eines RD-Designs
- 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
Praktische Durchfuehrung einer RD-ANALYSE
- Gleichsetzung der Regressionskoeffizienten
–> signifkante Reduktion der Modellpassung?
JA: Treatment-Effekt
NEIN: kein Treatment-effekt
Analyse der internen Validitaet bei einer RD-ANALYSE?
- 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
Verleztung der Linearitaet: Loesungen
- komplexere Modellierungen
z. B polynomiale Terme
Zuordnungsvorschrift: Problem
- schwierig es genau einzuhalten
BESONDERS bei Grenzfaellen
Was ist wichtig beim Cut-Off-Wert?
soll keine Extremgruppe definieren
soll nahe am Median liegen
gewählt durch:
stat. verfahren
praktische Verfahren
