*Wissenschaftliches Programm*   *Liste der Vortragenden*

Sektion 5
Dienstag, 19.09.2000, 16.00–16.20 Uhr, POT 361

Unkonfundiertheit und kausale Unverfälschtheit in Regressionsmodellen

Rolf Steyer, FSU Jena

Wir betrachten Regressionsmodelle mit diskreten Beobachtungseinheiten und einer diskreten experimentellen Variablen. In diesem Rahmen werden die Rubin’schen individuellen und durchschnittlichen kausalen Effekte sowie kausale Unverfälschtheit bedingter Erwartungswerte E(Y |X = x) und ihrer Differenzen als stochastische Begriffe neu definiert. Es wird gezeigt, dass eine Hypothese über kausale Unverfälschtheit außerhalb des randomisierten Experiments nicht empirisch überprüfbar ist. Daher untersuchen wir ein strengeres Kausalitätskriterium, das wir Unkonfundiertheit nennen. Unseres Wissens nach ist dies die schwächste empirisch testbare Bedingung, die kausale Unverfälschtheit der bedingten Erwartungswerte E(Y |X = x) impliziert. Unkonfundiertheit gilt immer in randomisierten Experimenten, aber sie kann durchaus auch in nichtrandomisierten Studien gelten. Wir leiten Theoreme über hinreichende und notwendige Bedingungen für Unkonfundiertheit ab. Diese letzteren dienen als Grundlage, wenn es darum geht, die schwächste empirisch testbare hinreichende Bedingung für kausale Unverfälschtheit zu testen.

Der Vortrag basiert auf einer gemeinsamen Arbeit mit Siegfried Gabler, Alina A. von Davier und Christof Nachtigall.

Keywords: Kausalität; Konfundierung; Regressionsmodelle; Randomisierung; Rubin’s Kausalitätstheorie