Home
Studium
Workshops / Konferenzen Videos Forschung Dienstleistungen Team
Impressum / Kontakt
deutschsprachige Version 
Besucher seit 27.02.2014:
ganze Website: 619390
Besucher seit 06.10.2017:
aktuelle Seite: 3602
Causal Effects EAM Fachgruppe Methoden und Evaluation (DGPs)

Kurse: Kursinformationen

Zurück zur Übersicht
DVD / Online-Zugang zu den Materialien anfordern
Login (Online-Zugang)
de  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 Player VLC media player, den Sie hier herunterladen können. Die Videos werden bereitgestellt über die Digitale Bibliothek Thüringen 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
  1. Spezifische Fragestellungen bei der Untersuchung der Wirkungen von Interventionen
  2. Herkömmliche Verfahren bei der Untersuchung der Wirkungen von Interventionen
  3. Probleme bei diesen Verfahren
 Video (Stream)

Video (Download; VLC Player) 		Materialien

Tafelbild 01
Tafelbild 02
23.10.2017
  1. Die Anwendung der klassischen Kovarianzanalyse auf die Kirchmann-Daten
  2. Nonorthogonales 2 x 3 - faktorielles Design
  3. Spezielle Fragestellungen bei der Analyse von Treatmenteffekten: Gibt es überhaupt Treatmenteffekte? Interaktionen, ...?
  4. 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
  1. ANACONDA-Grundgleichung (Wiederholung)
  2. Datenerzeugung zur Simulation von Selbstselektion
  3. Analyse mit den traditionellen Analyseverfahren (Gain scores, ANCOVA, t-Test): Alle Ergebnisse unbrauchbar zur Treatmentevaluation.
  4. Datenerzeugung zur Simulation eines randomisierten Experiments
  5. Analyse mit den traditionellen Analyseverfahren (Gain scores, ANCOVA, t-Test): Alle Ergebnisse brauchbar zur Treatmentevaluation.
  6. Regressionsmodell mit Interaktionsterm X * Z
  7. Berechnung des geschätzten durchschnittlichen Treatmenteffekts
 Video (Stream)

Video (Download; VLC Player) 		Materialien

Tafelbild 01
Tafelbild 02
06.11.2017
  1. Fortführung der Analyse der in der letzten Vorlesung simulierten Daten
  2. Schätzung der (Z=z)-bedingten Effekte
  3. Nochmal: Schätzung des durchschnittlichen Effekts
  4. Schätzung der Treatment-bedingten durchschnittlichen Effekte
  5. Schätzung der Treatment- und (Z=z)-bedingten durchschnittlichen Effekte
  6. Problem der Standardfehler
 Video (Stream)

Video (Download; VLC Player) 		Materialien

Tafelbild 01
Tafelbild 02
13.11.2017
  1. Analyse der simulierten Daten mit EffectLiteR
  2. Erklärung des Outputs, der bedingten Effekte und verschiedener Plots.
  3. Analyse der nonortho-Daten (2x3-Design) mit EffectLiteR
  4. 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
  1. Drei Ebenen der Darstellung von bedingten und durchschnittlichen Effekten: Erwartungswerte, g-Funktionen und Parameter der g-Funktionen
  2. Klauer-Datensatz und dessen Analyse mit einer qualitativen und einer quantitativen Kovariaten
  3. Erklärung der Parametrisierung
  4. 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
  1. EffectLiteR-Analyse der Klauerdaten mit latenter Kovariate und latenter Outcome-Variable
  2. Modell essentiell tau-äquivalenter Variablen
  3. Identifikation des Regressionssteigungskoeffizienten bei diesem Modell
  4. Kovarianzstruktur des verwendeten Messmodells
  5. Skalierung der latenten Variablen und deren Vergleich zum analogen Modell mit manifesten Variablen
  6. Vergleich der Effektgrößen im Vergleich zum analogen Modell mit manifesten Variablen
  7. Modelltest beim Modell mit latenten Variablen
  8. Berechnung der Freiheitsgrade bei einem solchen Modell
 Video (Stream)

Video (Download; VLC Player) 		Datensatz

Tafelbild 01
Tafelbild 02
Tafelbild 03
11.12.2017
  1. Methodenfaktor in der EffectLiteR-Analyse mit latenter Kovariate und latenter Outcome-Variable
  2. Grundidee eines kausalen Effekts
  3. Definition eines kausalen totalen Effekts auf der Personenebene
  4. 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
  1. Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x) und E(Y|X=x, Z=z)
  2. Zwei hinreichende Bedingungen für die Unverfälschtheit E(Y|X=x) und von E(Y|X=x, Z=z)
  3. Tabelle mit der Menge der möglichen Ergebnisse des betrachteten Zufallsexperiments
  4. Die betrachteten Zufallsvariablen in diesem Zufallsexperiment
  5. Berechnung von bedingten Wahrscheinlichkeiten P(Y=1|X=x) und P(Y=1|X=x, Z=z)
  6. Datengenerierung mit dem CausalEffectsXplorer
 Video (Stream)

Video (Download; VLC Player) 		Tafelbilder
08.01.2018
  1. Datengenerierung mit dem CausalEffectsXplorer
  2. Analyse der erzeugten Daten mit EffectLiteR
  3. Berechnung der Schätzungen der bedingten Erwartungswerte E(Y|X=x, Z=z) aus den geschätzten γ-Parametern
  4. Schätzungen der Z-bedingten Effekte
  5. Vergleich der Formeln für den bedingten Erwartungswert E(Y|X=x) und den Erwartungswert E(τ_x)
  6. Vergleich der Formeln für den bedingten Erwartungswert E(Y|X=x, Z=z) und den bedingten Erwartungswert E(τ_x|Z=z).
  7. Hinreichende Bedingungen für die Gleichung E(Y|X=x) = E(τ_x) , die Definition der Unverfälschtheit von E(Y|X=x)
  8. 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).
  9. 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
  1. Grundbegriffe der Theorie kausaler totaler Effekte
  2. Der betrachtete Typ eines Zufallsexperiments
  3. Die relevanten Zufallsvariablen U, Z, X, Y
  4. Die Wahrscheinlichkeiten P(U=u)
  5. Die bedingten Wahrscheinlichkeiten P(X=x|U=u)
  6. Die bedingten Erwartungswerte E(Y|X=x, U=u)
  7. Die True-Outcome-Variablen τ_x = E(Y|X=x, U)
  8. Die individuellen totalen Effekte δ_x0 = E(Y|X=x, U=u) - E(Y|X=0, U=u)
  9. Die bedingten Wahrscheinlichkeiten P(U=u|X=x)
  10. Die Annahmen bei Verwendung des CEX
  11. Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x) und der bedingten Erwartung E(Y|X)
  12. Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x, Z=z) und der bedingten Erwartung E(Y|X, Z)
  13. Erwartungswert der True-Outcome-Variablen τ_x
  14. Durchschnittlicher totaler Effekt ACE_x0
  15. Bedingter totaler Effekt CTE_x0(v) für einen Wert v einer Kovariaten V
  16. Bedingte Effektfunktion CTE_x0(V) für eine Kovariate V
  17. Berechnung der bedingten Erwartungswerte E(Y|X=x) im CEX
  18. 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
  1. Baseline bias und Effektbias
  2. Bedingte Effekte gegeben ein Wert der Treatmentvariable
  3. Kausalitätsbedingungen: hinreichende Bedingungen für die Unverfälschtheit
  4. Unabhängigkeit von X und U und deren Herstellung durch Randomisierung
  5. Z-bedingte Unabhängigkeit von X und U und deren Herstellung durch Randomisierung und Z-bedingte Randomisierung sowie durch Kovariatenselektion
  6. Unit-treatment Homogeneität
  7. Bedingte Unit-treatment Homogeneität und Kovariatenselektion
 Video (Stream)

Video (Download; VLC Player) 		Tafelbild
29.01.2018
  1. Weitere Kausalitätsbedingungen
  2. Strong ignorability (Z-bedingte Unabhängigkeit X und U)
  3. Weak ignorability (Z, X)-bedingte regressive Unabhängigkeit Y und U)
  4. Unconfoundedness
  5. Zufallsexperiment als empirisches Phänomen, das in der Wahrscheinlichkeitstheorie und Statistik betrachtet wird
  6. Empirische Überprüfung der Z-bedingten Unabhängigkeit von X und U
 Video (Stream)

Video (Download; VLC Player) 		Materialien
05.02.2018
  1. Zusammenfassung der gesamten Vorlesung
  2. Fragen der Studenten
 Video (Stream)

Video (Download; VLC Player) 		Tafelbilder