Datum |
Thema |
Video |
Material |
17.10.2016 |
- Überblick über die Methodenlehre im Masterprogramm
- Warum Kausalitätstheorie
- Das Simpson-Paradox
- Das Beispiel zur nonorthogonalen Varianzanalyse
|
Video (Stream)
Video (Download; VLC Player)
|
Probability and Causality (bis Kapitel 1)
Probability and Conditional Expectation (bis Kapitel 10)
Tafelbilder
|
24.10.2016 |
- Fortsetzung des Beispiels zur nonorthogonalen Varianzanalyse
- Direkte Effekte in einem randomisierten Experiment
- Das Zufallsexperiment mit Joe und Ann mit Selbstselektion
|
Video (Stream)
Video (Download; VLC Player)
|
Folien
Tafelbilder
|
07.11.2016 |
- Fortsetzung des Joe-Ann Beispiels
- Definition des atomaren kausalen Treatmenteffekts im Beispiel
- Definition des durchschnittlichen kausalen Treatmenteffekts im Beispiel
- Joe-Ann Beispiel mit randomisierter Zuweisung zum Treatment
- Joe-Ann Beispiel mit Homogenität der Personen
- Unverfälschtheit (bedingt und unbedingt) am Beispiel
- Zwei hinreichende Bedingungen für Unverfälschtheit am Beispiel
|
Video (Stream)
Video (Download; VLC Player)
|
Tafelbilder
|
14.11.2016 |
- Einige Beispiele für Single-units trials
- Filtration von Sigma-Algebren
- Vorgeordnetheitsrelation zwischen Ereignissen, Ereignismengen und Zufallsvariablen
- Die globale potentielle Störvariable
- True-Outcomevariable
- Atomare-Effektvariable
- Durchschnittlicher Treatmenteffekt
- Bedingte Effektfunktion
- Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x)
- Unverfälschtheit der Z-bedingten Erwartungen EX=x(Y|Z)
|
Video (Stream)
Video (Download; VLC Player)
|
Folien
Probability and Causality (bis Kapitel 5)
Tafelbilder
|
21.11.2016 |
- Wiederholung der Grundbegriffe der Theorie kausaler Effekte
- Unverfälschheit der bedingten Erwartung EX=x(Y|Z)
- Implikationen der Unverfälschtheit für die Identifikation der bedingten und durchschnittlichen totalen Treatmenteffekte
- Konstruktion eines Beispiels für die Unverfälschtheit mit Hilfe des Causal Effect Explorers
- Bedingte Unabhängigkeit als hinreichende Bedingung für die Unverfälschtheit
- Konstruktion eines Beispiels für die bedingte Unabhängigkeit mit Hilfe des Causal Effect Explorers
- Vollständigkeitsbedingung als hinreichende Bedingung für die Unverfälschtheit
- Konstruktion eines Beispiels für die Vollständigkeitsbedingung mit Hilfe des Causal Effect Explorers
|
Video (Stream)
Video (Download; VLC Player)
|
Folien
Causal Effects Explorer
Tafelbild 01
Tafelbild 02
|
28.11.2016 |
- Anwendung der Kausalitätsbedingungen auf das Nonortho-Beispiel
- Möglichkeiten zur Überprüfung der Kausalitätsbedingungen im Nonortho-Beispiel
- Hypothesen über kausale Effekte beim Nonortho-Beispiel
- Bedingte Erwartung und g-Funktionen
- Hypothesen über kausale Effekte in Termini der g-Funktionen
- Parametrisierung der bedingte Erwartung und der g-Funktionen
- Hypothesen über kausale Effekte in Termini der Gamma-Parameter
|
Video (Stream)
Video (Download; VLC Player)
|
Folien
Tafelbilder
|
05.12.2016 |
- Analyse des saturierten Modells für die Nonortho-Daten
- Interpretation der Ergebnisse im Sinne von bedingten Treatment-Effekten
- Prüfung der Hypothese: Es gibt keine Treatment-Effekte
- Prüfung der Hypothese: Es gibt keine Interaktion zwischen X und Z (die Treatment-Effekte hängen nicht von der Ausprägung von Z ab).
- Zweifaktorielle (nonorthogonale) Varianzanalyse mit den Quadratsummen vom Typ I, II und III.
- Welche Hypothesen werden mit diesen drei Verfahren geprüft?
|
Video (Stream)
Video (Download; VLC Player)
|
Materialien
Tafelbilder
|
12.12.2016 |
- Schätzung der bedingten Treatment-Effekte im Nonortho-Beispiel für jede einzelne Person
- Reaggregation der bedingten Treatment-Effekte (Schätzung von E[g1(Z)] und E[g2(Z)] sowie E[g1(Z)|X=x] und E[g2(Z)|X=x])
- Wie kann ich EffectLiteR auf meinen PC bringen?
- Analyse der Nonortho-Daten mit EffectLiteR
- Interpretation aller Ergebnisse dieser Analyse
|
Video (Stream)
Video (Download; VLC Player)
|
Materialien
Tafelbild 01
Tafelbild 02
|
19.12.2016 |
- Analyse bedingter und durchschnittlicher Effekte mit einer quantitativen Kovariaten mit EffectLiteR (Klauer-Datensatz und Kirchmann-Datensatz)
- Schätzung eines neuen Parameters der aus bereits vorhandenen berechnet werden kann (mit Standardfehler und Signifikanztest)
- Analyse bedingter und durchschnittlicher Effekte mit einer quantitativen Kovariaten und einer qualitativen Kovariaten mit EffectLiteR (Klauer-Datensatz). Output-Interpretation noch nicht fertig.
|
Video (Stream)
Video (Download; VLC Player)
|
Datensatz
Tafelbild 01
Tafelbild 02
|
02.01.2017 |
- Interpretation des Outputs von EffectLiteR für den Klauer-Datensatz mit einer kategorialen und einer kontinuierlichen Kovariaten
- Effekte gegeben die Werte der Treatmentvariablen
- Effekte gegeben die Werte der kategorialen Kovariate
- Effekte gegeben die Werte der kategorialen und der metrischen Kovariate
- Bedingte Erwartungen der Outcomevariablen gegeben die metrische Kovariate in den Zellen des Designs (Kombinationen von Werte von X und K)
- Re-aggreation der bedingte Effekte gegeben eine der beiden Kovariaten
- Prüfung der Hypothese E[g1(K,Z)|K=2] - (E[g1(K,Z)|K=0] + E[g1(K,Z)|K=1] + E[g1(K,Z)|K=3]) / 3 = 0
- EffectLiteR-Analyse des Klauer-Datensatzes mit einer kategorialen und mehreren kontinuierlichen Kovariaten
|
Video (Stream)
Video (Download; VLC Player)
|
Tafelbild 01
Tafelbild 02
|
09.01.2017 |
- Grundbegriffe der Klassischen Testtheorie
- Das Modell essentielle tau-äquivalenter Variablen
- Warum und wann sollten wir latente statt manifeste Variablen als Outcome-Variablen betrachten?
- Warum und wann sollten wir latente statt manifeste Variablen als Kovariaten betrachten?
- Eine erste EffectLite-Analyse mit latenten Variablen als Kovariate und als Outcome-Variable (Klauer-Datensatz).
|
Video (Stream)
Video (Download; VLC Player)
|
Tafelbilder
|
16.01.2017 |
- EffectLiteR-Analyse der Klauer-Daten mit latenter Kovariate und latenter Outcome-Variable
- Einbeziehung eines Methodenfaktors als weitere latente Kovariate
|
Video (Stream)
Video (Download; VLC Player)
|
Tafelbild 01
Tafelbild 02
|
23.01.2017 |
- Einbettung der Analyse bedingter und durchschnittlicher Effekte in die Theorie kausaler Effekte
- Unverfälschtheit der bedingten Erwartungen EX=x(Y|Z)
- Kausalitätsbedingungen als hinreichende Bedingungen für Unverfälschtheit
- Empirische Überprüfung der Kausalitätsbedingungen am Klauer-Datensatz
|
Video (Stream)
Video (Download; VLC Player)
|
SPSS-Output
Tafelbilder
|
30.01.2017 |
Rückblick
- Wozu die Theorie kausaler Effekte?
- Grundideen der Theorie kausaler totaler Effekte
- Unverfälschtheit und zwei ihrer hinreichenden Bedingungen (Kausalitätsbedingungen)
- Analyse bedingter und durchschnittlicher kausaler totaler Effekte
- Verwendung von qualitativen und quantitativen Kovariaten
- Verwendung von latenten Kovariaten und latenten Outcome-Variablen
- Empirische Überprüfung der Kausalitätsbedingungen
Vorschau
- Präzisierung der Grundbegriffe
- Wozu brauchen wir auch direkte und indirekte kausale Effekte?
- Definition bedingter und durchschnittlicher direkter und indirekter Effekte
- Propensity als Kovariate
- Analyse von Veränderungswerten
|
Video (Stream)
Video (Download; VLC Player)
|
Tafelbild 01
Tafelbild 02
|