Kurse : Kursinformationen
Methoden der Evaluationsforschung I
Kursleitung: Prof. Dr. Rolf Steyer
Wintersemester 2017/2018, Kurs, Sprache: Deutsch, Thema: Methoden der Evaluationsforschung
Thema: Kausale Effekte
Grundlagen der Wahrscheinlichkeitstheorie, Paradoxa, individuelle und durchschnittliche kausale Effekte, Kovariaten und bedingte durchschnittliche Effekte, nichtorthogonale Varianzanalyse, Versuchsplanungstechniken der Randomisierung und der Konstanthaltung, Unkonfundiertheit und ihre Überprüfung, Designs und Analyseverfahren zur kausalen Modellierung in nichtrandomisierten Studien. Adjustierungstechniken im PC-Programm EffectLite . Modelle zur Analyse individueller kausaler Effekte.
Um die Videos anzuschauen, benötigen Sie den VLC media player , den Sie hier herunterladen können. Die Videos werden bereitgestellt über die Digitale Bibliothek Thüringen (dbt). Die grün verlinkten Videos und Materialien sind kostenfrei abrufbar. Klicken Sie auf den grünen Link, um das Video zu sehen oder die Datei herunterzuladen! Um alle Materialien und Videos abrufen zu können, müssen Sie sich einloggen .
Literatur
Kausale Effekte
Campbell, D. T. & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research on Teaching. In N. L. Gage (Ed.), Handbook of research on teaching. Chicago: Rand McNally.
West, S. G., Biesanz, J. C. & Pitts, S. C. (2000), Causal inference and generalization in field settings. Experimental and quasi-experimental designs. In H. T. Reis and C. M. Judd (eds.), Handbook of research methods in social and personality psychology. Cambridge University Press.
Steyer, R. (2003). Wahrscheinlichkeit und Regression . Berlin: Springer. (Kapitel 15 - 17)
Steyer, R. (2004). Was wollen und was können wir durch empirische Kausalforschung erfahren? In E. Erdfelder & J. Funke (Hrsg.), Allgemeine Psychologie und deduktivistische Methodologie (pp.127-147). Göttingen: Vandenhoek und Ruprecht.
Steyer, R. (2005). Analyzing Individual and Average Causal Effects via Structural Equation Models. Methodology-European Journal of Research Methods in the Behavioral and Social Sciences , 1, 39-54.
Steyer, R. & Partchev, I. (2006). Manual for EffectLite: A Program for the Uni- and Multivariate Analysis of Unconditional, Conditional and Average Mean Differences Between Groups.
Pohl, S., Steyer, R. & Kraus, K. (2008). Modelling method effects as individual causal effects. Journal of the Royal Statistical Society. Series A, 171 , 41--63.
Steyer, R., Partchev, I., Kröhne, U., Nagengast, B., & Fiege, C. (in preparation). Probability and Causality.
Steyer. R. and Nagel, W. (2017). Probability and conditional expectation: Fundamentals for the empirical sciences. Chichester: Wiley.
Download der prüfungsrelervante/Vorlesungsrelevante Literatur (nur für Studenten der Vorlesungen)
Datum
Thema
Video
Material
16.10.2017
Spezifische Fragestellungen bei der Untersuchung der Wirkungen von Interventionen
Herkömmliche Verfahren bei der Untersuchung der Wirkungen von Interventionen
Probleme bei diesen Verfahren
Video (Stream)
Video (Download; VLC Player)
Materialien
Tafelbild 01
Tafelbild 02
23.10.2017
Die Anwendung der klassischen Kovarianzanalyse auf die Kirchmann-Daten
Nonorthogonales 2 x 3 - faktorielles Design
Spezielle Fragestellungen bei der Analyse von Treatmenteffekten: Gibt es überhaupt Treatmenteffekte? Interaktionen, ...?
Analyse der (simulierten) nonortho-Daten mit der nonorthogonalen Varianzanalyse (Typ I, II, III).
Video (Stream)
Video (Download; VLC Player)
Folien
Materialien (aktualisiert am 16.11.2017)
Tafelbild 01
Tafelbild 02
30.10.2017
ANACONDA-Grundgleichung (Wiederholung)
Datenerzeugung zur Simulation von Selbstselektion
Analyse mit den traditionellen Analyseverfahren (Gain scores, ANCOVA, t-Test): Alle Ergebnisse unbrauchbar zur Treatmentevaluation.
Datenerzeugung zur Simulation eines randomisierten Experiments
Analyse mit den traditionellen Analyseverfahren (Gain scores, ANCOVA, t-Test): Alle Ergebnisse brauchbar zur Treatmentevaluation.
Regressionsmodell mit Interaktionsterm X * Z
Berechnung des geschätzten durchschnittlichen Treatmenteffekts
Video (Stream)
Video (Download; VLC Player)
Materialien
Tafelbild 01
Tafelbild 02
06.11.2017
Fortführung der Analyse der in der letzten Vorlesung simulierten Daten
Schätzung der (Z=z)-bedingten Effekte
Nochmal: Schätzung des durchschnittlichen Effekts
Schätzung der Treatment-bedingten durchschnittlichen Effekte
Schätzung der Treatment- und (Z=z)-bedingten durchschnittlichen Effekte
Problem der Standardfehler
Video (Stream)
Video (Download; VLC Player)
Materialien
Tafelbild 01
Tafelbild 02
13.11.2017
Analyse der simulierten Daten mit EffectLiteR
Erklärung des Outputs, der bedingten Effekte und verschiedener Plots.
Analyse der nonortho-Daten (2x3-Design) mit EffectLiteR
Erklärung des Outputs.
Video (Stream)
Video (Download; VLC Player)
Datensatz
EffectLiteR package at GitHub (If you have R installed already)
EffectLiteR-Standalone Installer with R (If you not installed R already)
Tafelbild 01
Tafelbild 02
Tafelbild 03
20.11.2017
Drei Ebenen der Darstellung von bedingten und durchschnittlichen Effekten: Erwartungswerte, g-Funktionen und Parameter der g-Funktionen
Klauer-Datensatz und dessen Analyse mit einer qualitativen und einer quantitativen Kovariaten
Erklärung der Parametrisierung
Bedeutung der bedingten und durchschnittlichen Effekte in diesem Beispiel
Video (Stream)
Video (Download; VLC Player)
Datensatz
Tafelbild 01
Tafelbild 02
Tafelbild 03
04.12.2017
EffectLiteR-Analyse der Klauerdaten mit latenter Kovariate und latenter Outcome-Variable
Modell essentiell tau-äquivalenter Variablen
Identifikation des Regressionssteigungskoeffizienten bei diesem Modell
Kovarianzstruktur des verwendeten Messmodells
Skalierung der latenten Variablen und deren Vergleich zum analogen Modell mit manifesten Variablen
Vergleich der Effektgrößen im Vergleich zum analogen Modell mit manifesten Variablen
Modelltest beim Modell mit latenten Variablen
Berechnung der Freiheitsgrade bei einem solchen Modell
Video (Stream)
Video (Download; VLC Player)
Datensatz
Tafelbild 01
Tafelbild 02
Tafelbild 03
11.12.2017
Methodenfaktor in der EffectLiteR-Analyse mit latenter Kovariate und latenter Outcome-Variable
Grundidee eines kausalen Effekts
Definition eines kausalen totalen Effekts auf der Personenebene
Definition eines durchschnittlichen kausalen Effekts
Video (Stream)
Video (Download; VLC Player)
Causal Effects Xplorer
Manual for Causal Effects Xplorer
Tafelbild 01
Tafelbild 02
18.12.2017
Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x) und E(Y|X=x, Z=z)
Zwei hinreichende Bedingungen für die Unverfälschtheit E(Y|X=x) und von E(Y|X=x, Z=z)
Tabelle mit der Menge der möglichen Ergebnisse des betrachteten Zufallsexperiments
Die betrachteten Zufallsvariablen in diesem Zufallsexperiment
Berechnung von bedingten Wahrscheinlichkeiten P(Y=1|X=x) und P(Y=1|X=x, Z=z)
Datengenerierung mit dem CausalEffectsXplorer
Video (Stream)
Video (Download; VLC Player)
Tafelbilder
08.01.2018
Datengenerierung mit dem CausalEffectsXplorer
Analyse der erzeugten Daten mit EffectLiteR
Berechnung der Schätzungen der bedingten Erwartungswerte E(Y|X=x, Z=z) aus den geschätzten γ-Parametern
Schätzungen der Z-bedingten Effekte
Vergleich der Formeln für den bedingten Erwartungswert E(Y|X=x) und den Erwartungswert E(τ_x)
Vergleich der Formeln für den bedingten Erwartungswert E(Y|X=x, Z=z) und den bedingten Erwartungswert E(τ_x|Z=z).
Hinreichende Bedingungen für die Gleichung E(Y|X=x) = E(τ_x) , die Definition der Unverfälschtheit von E(Y|X=x)
Hinreichende Bedingungen für die Gleichung E(Y|X=x, Z=z) = E(τ_x|Z=z), die Definitionen der Unverfälschtheit von E(Y|X=x, Z=z).
Betrachtung eines Beispiels, in dem weder E(Y|X=x) noch E(Y|X=x, Z=z) unverfälscht sind.
Video (Stream)
Video (Download; VLC Player)
Materialien
Tafelbilder
15.01.2018
Grundbegriffe der Theorie kausaler totaler Effekte
Der betrachtete Typ eines Zufallsexperiments
Die relevanten Zufallsvariablen U, Z, X, Y
Die Wahrscheinlichkeiten P(U=u)
Die bedingten Wahrscheinlichkeiten P(X=x|U=u)
Die bedingten Erwartungswerte E(Y|X=x, U=u)
Die True-Outcome-Variablen τ_x = E(Y|X=x, U)
Die individuellen totalen Effekte δ_x0 = E(Y|X=x, U=u) - E(Y|X=0, U=u)
Die bedingten Wahrscheinlichkeiten P(U=u|X=x)
Die Annahmen bei Verwendung des CEX
Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x) und der bedingten Erwartung E(Y|X)
Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x, Z=z) und der bedingten Erwartung E(Y|X, Z)
Erwartungswert der True-Outcome-Variablen τ_x
Durchschnittlicher totaler Effekt ACE_x0
Bedingter totaler Effekt CTE_x0(v) für einen Wert v einer Kovariaten V
Bedingte Effektfunktion CTE_x0(V) für eine Kovariate V
Berechnung der bedingten Erwartungswerte E(Y|X=x) im CEX
Berechnung der bedingten Erwartungswerte E(Y|X=x, Z=z) im CEX
Video (Stream)
Video (Download; VLC Player)
Manual for Causal Effects Xplorer
Tafelbild 01
Tafelbild 02
22.01.2018
Baseline bias und Effektbias
Bedingte Effekte gegeben ein Wert der Treatmentvariable
Kausalitätsbedingungen: hinreichende Bedingungen für die Unverfälschtheit
Unabhängigkeit von X und U und deren Herstellung durch Randomisierung
Z-bedingte Unabhängigkeit von X und U und deren Herstellung durch Randomisierung und Z-bedingte Randomisierung sowie durch Kovariatenselektion
Unit-treatment Homogeneität
Bedingte Unit-treatment Homogeneität und Kovariatenselektion
Video (Stream)
Video (Download; VLC Player)
Tafelbild
29.01.2018
Weitere Kausalitätsbedingungen
Strong ignorability (Z-bedingte Unabhängigkeit X und U)
Weak ignorability (Z, X)-bedingte regressive Unabhängigkeit Y und U)
Unconfoundedness
Zufallsexperiment als empirisches Phänomen, das in der Wahrscheinlichkeitstheorie und Statistik betrachtet wird
Empirische Überprüfung der Z-bedingten Unabhängigkeit von X und U
Video (Stream)
Video (Download; VLC Player)
Materialien
05.02.2018
Zusammenfassung der gesamten Vorlesung
Fragen der Studenten
Video (Stream)
Video (Download; VLC Player)
Tafelbilder