Home Workshops / Konferenzen Videos Forschung Dienstleistungen Team
Impressum / Kontakt
deutschsprachige Version 
Besucher seit 27.02.2014:
ganze Website: 332600
Besucher seit 03.04.2017:
aktuelle Seite: 465
Causal Effects EAM Fachgruppe Methoden und Evaluation (DGPs)

Kurse: Kursinformationen

de  Anwendungsseminar: Evaluationsdesigns und Analysemethoden

Kursleitung: Prof. Dr. Rolf Steyer

Sommersemester 2017, Seminar, Sprache: Deutsch

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.

 
Datum Thema Video Material
05.04.2017
  1. Überblick zur Thematik und zum Aufbau des Seminars
  2. Joe-Ann Beispiel mit Selbstselektion
  3. Zufallsexperiment
  4. Ergebnisse und Ereignisse
  5. Wahrscheinlichkeiten und bedingte Wahrscheinlichkeiten
  6. Treatment- und personenbedingte Wahrscheinlichkeiten
  7. Treatment-bedingte Wahrscheinlichkeiten
  8. Das Simpson-Paradox und seine Erklärung
Video (Stream)

Video (Download; VLC Player)
Folien

Tafelbilder
12.04.2017
  1. Fortführung des Joe-Ann-Beispiels mit Selbstselektion
  2. True-Outcome-Variablen
  3. Grundidee eines kausalen Effekts nach J. St. Mill
  4. Spezifikation der atomaren Effektvariablen im Beispiel
  5. Durchschnittlicher kausaler (totaler) Treatmenteffekt im Beispiel
  6. U-adjustierter Erwartungswert der Outcomevariablen in der Treatment-Bedingung x
  7. U-adjustierte X-bedingte Erwartung von Y
  8. Joe-Ann-Beispiel mit randomisierter Zuweisung der Person zur einer der Treatment-Bedingungen
  9. Joe-Ann-Beispiel mit homogenen Personen (X-bedingte regressive Unabhängigkeit der Outcomevariablen von U)
Video (Stream)

Video (Download; VLC Player)
Tafelbilder
19.04.2017
  1. Der Kern der Theorie kausaler totaler Effekte
  2. Unverfälschtheit von E(Y|X=x, Z)
  3. Implikationen der Unverfälschtheit zur Identifikation kausaler totaler Effekte
  4. Zwei hinreichende Bedingungen für die Unverfälschtheit von E(Y|X=x, Z)
  5. Erste Schritte zur Analyse der Klauer-Daten zur Schätzung kausaler totaler Treatmenteffekte
Video (Stream)

Video (Download; VLC Player)
Folien
Materialien

Tafelbild 01
Tafelbild 02
26.04.2017
  1. Fortführung der Analyse des Klauer-Datensatzes nach bedingten und durchschnittlichen kausalen Treatmenteffekten
  2. Schätzung und Speicherung der (X=x)-partiellen Z-bedingten Erwartungen E(Y|X=x, Z) von Y mit Vor- (Z) und Nachtest (Y) des progressiven Matrizentests.
  3. Schätzung der Z-bedingten Effekte für alle Probanden
  4. Schätzung des durchschnittlichen Treatmenteffekts als Mittelwert der Z-bedingten Effekte
  5. Schätzung der bedingten Erwartung E(Y|X, Z) und deren Zusammenhang mit den (X=x)-partiellen Z-bedingten Erwartungen E(Y|X=x, Z)
  6. Prüfung der Hypothese g1(Z) = 0: Es gibt gar keine Treatment-Effekte (R-quadrat-Differenzentest)
  7. Prüfung der Hypothese g1(Z) = konstant: Es gibt keine Interaktion zwischen X und Z
  8. Prüfung der Hypothese E(g1(Z)) = 0: Der durchschnittliche Treatmenteffekt ist null.
  9. Herkömmlicher Test: Die mittlere Veränderung zwischen Vor- und Nachtest ist in beiden Gruppen gleich.
Video (Stream)

Video (Download; VLC Player)
Materialien

Tafelbild 01
Tafelbild 02
03.05.2017
  1. Differenzwertanalyse in Prä-Post-Designs: Welche Effekte werden dort geschätzt und getestet?
  2. Was ist dagegen der durchschnittliche Effekt des Treatments in einem Prä-Post-Design?
  3. Analytische Herangehensweise an diese Frage und deren Beantwortung durch Daten-Simulation.
Video (Stream)

Video (Download; VLC Player)
Materialien

Tafelbilder
10.05.2017
  1. Analyse des Klauer-Datensatzes mit zwei quantitativen Kovariaten
  2. Wie soll man mit Ausreißern umgehen?
  3. Prüfung der Linearität der g-Funktionen
  4. Formulierungen verschiedener Nullhypothesen in termini der g-Funktionen und deren Parameter
  5. Hinreichende Bedingung für durchschnittliche Effekte gleich null.
Video (Stream)

Video (Download; VLC Player)
Materialien

Tafelbild
17.05.2017
  1. Plots, die von EffectLiteR geliefert werden
  2. Interpretation bedingter Effekte und erwartete Werte in einer Treatmentbedingung bei gegebenen Ausprägungen der Kovariaten
  3. Re-aggregation bedingter Effekte
  4. Adjustierte Mittelwerte
  5. (X=x)-bedingte Erwartungswerte eines Treatments verglichen mit einer Referenzbedingung und ihre Interpretation
Video (Stream)

Video (Download; VLC Player)
Tafelbilder
24.05.2017
  1. EffectLiteR-Analyse der Klauer-Daten mit einer qualitativen und zwei quantitativen Kovariaten
  2. Parametrisierung des Modells und deren Grundidee
  3. Interpretation des Outputs incl. der Plots
  4. Bildung und Prüfung neuer Parameter aus den vorhandenen
Video (Stream)

Video (Download; VLC Player)
Datensatz

Tafelbilder
31.05.2017
  1. Überprüfung der Kausalitätsbedingungen für die bedingte Erwartung E(Y|X, Z)
  2. Illustrierung der Vorgehensweise auch Klauer-Datensatz
Video (Stream)

Video (Download; VLC Player)
SPSS-Output

Tafelbilder
07.06.2017
  1. Schritte bei der Analyse kausaler Effekte
  2. Bedingungen, unter denen die Verwendung einer latenten Kovariaten notwendig ist
  3. Einige Prinzipien bei der Analyse latenter Variablen
Video (Stream)

Video (Download; VLC Player)
Tafelbild 01
Tafelbild 02
14.06.2017
  1. Spezifikation eines EffectLite-Modells mit einer latenten Kovariaten und einer latenten Outcome-Variablen
  2. Identifikation der theoretischen Parameter in diesem Modell
  3. Implikationen des Modells für die Kovarianzen der manifesten Variablen
  4. Ergebnis-Interpretation
  5. Modelltest
  6. Methodenfaktor
Video (Stream)

Video (Download; VLC Player)
Tafelbilder
21.06.2017
  1. EffectLite-Analyse mit latenter Kovariate und latenter Outcome-Variable
  2. Wechsel der Skalen bei der Analyse von Testhälften und deren Implikation für die Effektstärke
  3. Modelltest für eine solche Analyse
  4. EffectLite-Analyse mit latenter Kovariate , latenter Outcome-Variable und Methodenfaktor
  5. Daten-Screening in einem Datensatz einer Referatgruppe
Video (Stream)

Video (Download; VLC Player)
SPSS-Datensatz

Tafelbild