Home Studium Workshops / Konferenzen Videos Forschung Dienstleistungen Team
Impressum / Kontakt
deutschsprachige Version 
Besucher seit 27.02.2014:
ganze Website: 261965
Besucher seit 11.10.2016:
aktuelle Seite: 1998
Causal Effects EAM Fachgruppe Methoden und Evaluation (DGPs)

Kurse: Kursinformationen

de  Methoden der Evaluationsforschung I

Kursleitung: Prof. Dr. Rolf Steyer

Wintersemester 2016/2017, 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 herunterladbaren 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., Nagel, W. (in preparation). Probabilistic Foundations of the Empirical Sciences: Probability and Conditional Expectation.

Zur Live-Übertragung


Download der prüfungsrelervante/Vorlesungsrelevante Literatur (nur für Studenten der Vorlesungen)



Datum Thema Video Präsentation (PDF) und sonstiges Material
17.10.2016
  1. Überblick über die Methodenlehre im Masterprogramm
  2. Warum Kausalitätstheorie
  3. Das Simpson-Paradox
  4. 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
  1. Fortsetzung des Beispiels zur nonorthogonalen Varianzanalyse
  2. Direkte Effekte in einem randomisierten Experiment
  3. Das Zufallsexperiment mit Joe und Ann mit Selbstselektion
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
07.11.2016
  1. Fortsetzung des Joe-Ann Beispiels
  2. Definition des atomaren kausalen Treatmenteffekts im Beispiel
  3. Definition des durchschnittlichen kausalen Treatmenteffekts im Beispiel
  4. Joe-Ann Beispiel mit randomisierter Zuweisung zum Treatment
  5. Joe-Ann Beispiel mit Homogenität der Personen
  6. Unverfälschtheit (bedingt und unbedingt) am Beispiel
  7. Zwei hinreichende Bedingungen für Unverfälschtheit am Beispiel
Video (Stream)

Video (Download; VLC Player)
Tafelbilder
14.11.2016
  1. Einige Beispiele für Single-units trials
  2. Filtration von Sigma-Algebren
  3. Vorgeordnetheitsrelation zwischen Ereignissen, Ereignismengen und Zufallsvariablen
  4. Die globale potentielle Störvariable
  5. True-Outcomevariable
  6. Atomare-Effektvariable
  7. Durchschnittlicher Treatmenteffekt
  8. Bedingte Effektfunktion
  9. Unverfälschtheit der bedingten Erwartungswerte E(Y|X=x)
  10. 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
  1. Wiederholung der Grundbegriffe der Theorie kausaler Effekte
  2. Unverfälschheit der bedingten Erwartung EX=x(Y|Z)
  3. Implikationen der Unverfälschtheit für die Identifikation der bedingten und durchschnittlichen totalen Treatmenteffekte
  4. Konstruktion eines Beispiels für die Unverfälschtheit mit Hilfe des Causal Effect Explorers
  5. Bedingte Unabhängigkeit als hinreichende Bedingung für die Unverfälschtheit
  6. Konstruktion eines Beispiels für die bedingte Unabhängigkeit mit Hilfe des Causal Effect Explorers
  7. Vollständigkeitsbedingung als hinreichende Bedingung für die Unverfälschtheit
  8. 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
  1. Anwendung der Kausalitätsbedingungen auf das Nonortho-Beispiel
  2. Möglichkeiten zur Überprüfung der Kausalitätsbedingungen im Nonortho-Beispiel
  3. Hypothesen über kausale Effekte beim Nonortho-Beispiel
  4. Bedingte Erwartung und g-Funktionen
  5. Hypothesen über kausale Effekte in Termini der g-Funktionen
  6. Parametrisierung der bedingte Erwartung und der g-Funktionen
  7. Hypothesen über kausale Effekte in Termini der Gamma-Parameter
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
05.12.2016
  1. Analyse des saturierten Modells für die Nonortho-Daten
  2. Interpretation der Ergebnisse im Sinne von bedingten Treatment-Effekten
  3. Prüfung der Hypothese: Es gibt keine Treatment-Effekte
  4. Prüfung der Hypothese: Es gibt keine Interaktion zwischen X und Z (die Treatment-Effekte hängen nicht von der Ausprägung von Z ab).
  5. Zweifaktorielle (nonorthogonale) Varianzanalyse mit den Quadratsummen vom Typ I, II und III.
  6. Welche Hypothesen werden mit diesen drei Verfahren geprüft?
Video (Stream)

Video (Download; VLC Player)
Materialien

Tafelbilder
12.12.2016
  1. Schätzung der bedingten Treatment-Effekte im Nonortho-Beispiel für jede einzelne Person
  2. 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])
  3. Wie kann ich EffectLiteR auf meinen PC bringen?
  4. Analyse der Nonortho-Daten mit EffectLiteR
  5. Interpretation aller Ergebnisse dieser Analyse
Video (Stream)

Video (Download; VLC Player)
Materialien

Tafelbild 01
Tafelbild 02
19.12.2016
  1. Analyse bedingter und durchschnittlicher Effekte mit einer quantitativen Kovariaten mit EffectLiteR (Klauer-Datensatz und Kirchmann-Datensatz)
  2. Schätzung eines neuen Parameters der aus bereits vorhandenen berechnet werden kann (mit Standardfehler und Signifikanztest)
  3. 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
  1. Interpretation des Outputs von EffectLiteR für den Klauer-Datensatz mit einer kategorialen und einer kontinuierlichen Kovariaten
  2. Effekte gegeben die Werte der Treatmentvariablen
  3. Effekte gegeben die Werte der kategorialen Kovariate
  4. Effekte gegeben die Werte der kategorialen und der metrischen Kovariate
  5. Bedingte Erwartungen der Outcomevariablen gegeben die metrische Kovariate in den Zellen des Designs (Kombinationen von Werte von X und K)
  6. Re-aggreation der bedingte Effekte gegeben eine der beiden Kovariaten
  7. 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
  8. 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
  1. Grundbegriffe der Klassischen Testtheorie
  2. Das Modell essentielle tau-äquivalenter Variablen
  3. Warum und wann sollten wir latente statt manifeste Variablen als Outcome-Variablen betrachten?
  4. Warum und wann sollten wir latente statt manifeste Variablen als Kovariaten betrachten?
  5. 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
  1. EffectLiteR-Analyse der Klauer-Daten mit latenter Kovariate und latenter Outcome-Variable
  2. Einbeziehung eines Methodenfaktors als weitere latente Kovariate
Video (Stream)

Video (Download; VLC Player)
Tafelbild 01
Tafelbild 02
23.01.2017
  1. Einbettung der Analyse bedingter und durchschnittlicher Effekte in die Theorie kausaler Effekte
  2. Unverfälschtheit der bedingten Erwartungen EX=x(Y|Z)
  3. Kausalitätsbedingungen als hinreichende Bedingungen für Unverfälschtheit
  4. Empirische Überprüfung der Kausalitätsbedingungen am Klauer-Datensatz
Video (Stream)

Video (Download; VLC Player)
SPSS-Output

Tafelbilder
30.01.2017 Rückblick
  1. Wozu die Theorie kausaler Effekte?
  2. Grundideen der Theorie kausaler totaler Effekte
  3. Unverfälschtheit und zwei ihrer hinreichenden Bedingungen (Kausalitätsbedingungen)
  4. Analyse bedingter und durchschnittlicher kausaler totaler Effekte
  5. Verwendung von qualitativen und quantitativen Kovariaten
  6. Verwendung von latenten Kovariaten und latenten Outcome-Variablen
  7. Empirische Überprüfung der Kausalitätsbedingungen

Vorschau
  1. Präzisierung der Grundbegriffe
  2. Wozu brauchen wir auch direkte und indirekte kausale Effekte?
  3. Definition bedingter und durchschnittlicher direkter und indirekter Effekte
  4. Propensity als Kovariate
  5. Analyse von Veränderungswerten
Video (Stream)

Video (Download; VLC Player)
Tafelbild 01
Tafelbild 02