3 Kausalität

Question 1

Probleme mit kausalem Effekt (gültig, Varianz, Vergleich)

Answer 1

• 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

Question 2

Spezifisches Problem des kausalen Schließens (1+3)

Answer 2

• ohne Randomisierung sind Gruppen nicht vergleichbar

Mögliche Probleme:
- confounding variables
- Messfehler
- Selektionsbias (manchmal stat. korrigierbar)

Question 3

Kausalattribution, 2 wichtige Aspekte, causal phobia

Answer 3

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

Question 4

5 Möglichkeiten für X & Y Assoziation & hilfreiche Studienart

Answer 4

1. X > Y
2. X < Y
3. X <>Y
4. X < Z > Y
5. X < E —- E > Y

hilfreich: Längsschnittsstudien -> helfen zeitliche Abfolge zu etablieren

Question 5

kontrafaktisches Modell eines kausalen Faktors (1 + 4 + 1)

Answer 5

• 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)

Question 6

Inverse causation + Bsp.

Answer 6

Trugschluss, dass X Y beeinflusst, tatsächlich andersrum

Bsp. in Eile sein & zu spät kommen

Question 7

Potential outcomes

Answer 7

a priori, i.e. vor Kopfschmerztabletten-Entscheidung

Question 8

Wahl der Vergleichsbedingung (2 + Bsp.)

Answer 8

unterschiedliche kausale Effekte

immer Vergleichsbedingung nennen

Bsp. KVT bei soz. Phobie vs. wait list / andere PT / Meds

Question 9

Kausaler Faktor (Def, für binäre Y, für intervallskalierte Y)

Answer 9

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

Question 10

Praktische Wirkung einer Intervention (4 + Bsp.)

Answer 10

• 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

Question 11

Bevölkerungsdurchschnittseffekte (4)

Answer 11

• Effekte oft unterschiedlich bei Individuen und daher nicht auf alle anwendbar
• Zielpopulation definieren
• Durchschnittseffekte schätzen
• braucht Zusammenhangsmaß

Question 12

(Nicht) sinnvolle kausale Fragestellungen (3 Bsp. + 1)

Answer 12

+ 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

Question 13

Fundamentales Problem der empirischen Forschung und 2 Lösungen + Praktisches

Answer 13

1. Outcome Y nur bei 1 Person in 1 Bedingung zu 1 Zeitpunkt beobachtbar
2. 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