STATISTIK-FORUM.de

[SookieStack]

Hi,

wenn ich auch mal meinen Senf dazu geben will. Mir ist es egal, ob man Variablen "Kontrollvariablen", "UVn" etc. nennt. Zentral ist, ob eine Variable,
die vielleicht gar nicht im Fokus steht, berücksichtigt werden muss ist, ob sie a) selbst einen Effekt auf die AV hat UND b) mit der UV von Interesse
korreliert. "Weitere Einflüsse auf die AV" kann man getrost ignorieren, wenn sie nicht mit der/den UVn korrelieren.

Diejenigen Variablen, die beide Kriterien erfüllen, müssen kontrolliert werden - in dem man sie in das Modell einbezieht, da sie einen "non-causal"-link
zwischen der UV und der AV generieren. Von diesen Variablen gibt es zwei Sorten: Kovariate und confounder. Kovariate haben Effekte auf die AV und
sie korrlieren aus unerklärlichen Gründen (vielleicht weil sie und die UV gemeinsame Ursachen haben). Confounder sind Variablen, die einen Effekt
auf die UV UND die AV haben und so einen non-causal link generieren.

Ignoriert man diese Variablen, bekommt man eine verzerrte Schätzung des Effekts. Dies kann dazu fürht, dass es gar keinen Effekt gibt, man findet aber einen
Pseudoeffekt oder aber es gibt einen und man findet keinen.

Neben der Einbeziehung solcher Variablen ist eine Lösung die Instrumentalvariablenmethode. Dabei fügst du in Dein Modell Variablen ein (Instrumente) die NUR
einen Effekt auf die UV haben (und zwar einen substantiellen, sonst klappt das nicht), aber keinen direkten auf die AV (was zu testen/belegen ist).

Ich empfehle mal folgendes sehr gutes Kapitel über die Grundprinzipien zu lesen:

https://www.google.de/url?sa=t&rct=j&q= ... p3OtVqaqhg

Grüße
Holger

Hallo nochmal,

hab das jetzt nochmal durchdacht - laut deinem Aussagen (und gelesen hab ich es jetzt auch), ist einer meiner "Kontrollvariablen" gar keine! Sie korreliert nämlich nicht mit den UVs, sondern nur (und das mit Sicherheit nicht zu niedrig) mit der AV. Ich möchte diesen Zusammenhang aber auch darstellen (als Vergleich, welche UV dann höher auf die AV wirkt)?

[SookieStack]

Und was mache ich eigentlich, wenn ich eine Variable habe, die ich kontrollieren will (nämlich Moral) und die mit allen UVs korreliert, nur mit einer nicht?

[Holgonaut]

Hi,

hab das jetzt nochmal durchdacht - laut deinem Aussagen (und gelesen hab ich es jetzt auch), ist einer meiner "Kontrollvariablen" gar keine! Sie korreliert nämlich nicht mit den UVs, sondern nur (und das mit Sicherheit nicht zu niedrig) mit der AV. Ich möchte diesen Zusammenhang aber auch darstellen (als Vergleich, welche UV dann höher auf die AV wirkt)?

Wenn du den Zusammenhang darstellen willst, wäre es dann eine inhaltlich interessante UV, für die du auch eine Hypothese aufstellst. Entweder du findest die Variable und ihren Effekt interessant, dann gib ihr ein theoretisches Fundament, oder nicht, dann lass sie "unter ferner liefen" (=Kontrollvariable). Keine Variablen durch die Hintertür einführen.

Und was mache ich eigentlich, wenn ich eine Variable habe, die ich kontrollieren will (nämlich Moral) und die mit allen UVs korreliert, nur mit einer nicht?

Füge sie ein, sonst sind die Effekte derjenigen UVn verzerrt, mit denen sie korreliert.

Grüße
Holger

[SookieStack]

Tausend Dank, Holger - das hat mir wirklich geholfen!

Beste Grüße
Sookie

[Lientje]

Zentral ist, ob eine Variable, die vielleicht gar nicht im Fokus steht, berücksichtigt werden muss ist, ob sie a) selbst einen Effekt auf die AV hat UND b) mit der UV von Interesse korreliert. "Weitere Einflüsse auf die AV" kann man getrost ignorieren, wenn sie nicht mit der/den UVn korrelieren

Hallo!

Ich habe ein ähnliches Problem, wobei mir die Antworten hier schon sehr geholfen haben. Nun wäre meine Frage ganz praktisch: Was genau muss ich tun, um vor der - in meinem Fall Pfadanalyse - herauszufinden, welche Kontrollvariablen es sich aufzunehmen lohnt? Reicht es, sich die Korrelationen der Kontrollvariablen mit den UVs und der Av anzugucken? Du schreibst, es müsse auch einen "Effekt auf die AV" geben. Klingt ein bisschen so, als wäre dafür mehr als Korrelationen nötig, eine multiple Regression oder so. Stimmt das? Da wäre ja dann noch einiges vorgeschaltet, bevor man die Pfadanalyse mit Kontrollvariablen rechnen kann.

Vielen Dank schon mal!

Lieben Gruß,
C.

[Holgonaut]

Nein, da wir nix vorgeschaltet.

Mal die ein "Weltmodell" um dein targetmodell, dass die Deiner Ansicht und nach dem Stand des Wissens/der Evidenz vorhandenen Kausalstrukturen beinhaltet.

Lies was über "d-separation" (oder benutz dazu sogar dagitty.net um das Modell aufzumalen) um zu entscheiden, welche Kontrollvariablen du einbeziehen musst *auf der Basis des theoretischen Modells*
Dies bedeutet auch, dass Deine Interpretation Deiner späteren Ergebnisse insofern valide sind, wie dieses Modell korrekt ist. Aber das ist bei jeder kausalen Interpretation so (auch bei einem Experiment).
Der zentrale Punkt: Sind die Annahmen plausibel und haltbar?

Grüße
Holger

[Lientje]

Danke für die schnelle Antwort!

Wenn ich dich richtig verstanden habe, empfiehlst du, die Kontrollvariablen auf Grundlage der Theorie auszuwählen und nicht anhand im Datensatz vorhandener Korrelationen. Klingt logisch

LG, C.