dag-bedingte-unabhaengigkeit-pruefen-schoice
Question
Ein DAG (z. B. bsp2) impliziert bestimmte bedingte Unabhängigkeiten zwischen Variablen, die man z. B. mit impliedConditionalIndependencies() aus dem R-Paket dagitty auflisten kann. Wozu ist das nützlich, wenn man doch (laut Kapitel) allein aus den Daten nicht bestimmen kann, welcher DAG der “richtige” ist?
Answerlist
- Auch wenn man aus den Daten nicht direkt beweisen kann, welcher DAG richtig ist, kann man prüfen, ob die vom DAG implizierten (bedingten) Unabhängigkeiten mit den beobachteten Daten übereinstimmen – widersprechen die Daten einer implizierten Unabhängigkeit, kann man den betreffenden DAG verwerfen.
- Implizierte Unabhängigkeiten sind rein theoretische Spielerei ohne jeden praktischen Nutzen für die Datenanalyse.
- Man kann mit implizierten Unabhängigkeiten stets beweisen, dass ein DAG der einzig korrekte ist.
- Implizierte Unabhängigkeiten sagen nur etwas über kausale Pfeile aus, niemals über beobachtbare statistische Zusammenhänge.
- Die implizierten Unabhängigkeiten eines DAGs ändern sich bei jeder neuen Stichprobe, sie sind keine feste Eigenschaft des DAGs.
Solution
Das Kapitel stellt fest: “Auch wenn die Daten nicht sagen können, welcher DAG der richtige ist, können wir zumindest lernen, welcher DAG falsch ist. Die vom Modell implizierten bedingten Unabhängigkeiten geben uns Möglichkeiten, zu prüfen, ob wir einen DAG verwerfen (ausschließen) können.” Man kann DAGs also nicht endgültig bestätigen, aber durchaus falsifizieren, wenn die Daten einer implizierten Unabhängigkeit widersprechen (ganz im Sinne von Poppers Falsifikationsprinzip aus einem früheren Kapitel). Die erste Option ist korrekt.
Warum die Distraktoren falsch sind:
- Die zweite Option widerspricht dem praktischen Nutzen, den das Kapitel explizit demonstriert (Berechnung und Prüfung der implizierten Unabhängigkeiten mit
dagitty) – es handelt sich um ein konkretes, anwendbares Prüfverfahren. - Die dritte Option überzeichnet die Möglichkeiten: Wie bei der DAG-Äquivalenzklasse gezeigt, können mehrere unterschiedliche DAGs dieselben Unabhängigkeitsimplikationen haben – ein “Bestehen” des Tests beweist also nicht, dass genau dieser DAG der einzig richtige ist, sondern nur, dass er nicht widerlegt wurde.
- Die vierte Option ist falsch: Implizierte (bedingte) Unabhängigkeiten sind gerade Aussagen über beobachtbare statistische (Un-)Abhängigkeiten (z. B. Korrelationen nahe Null unter bestimmten Kontrollbedingungen), die man direkt an den Daten überprüfen kann.
- Die fünfte Option verwechselt die implizierten Unabhängigkeiten (eine feste, aus der Struktur des DAGs ableitbare Eigenschaft) mit den tatsächlich in einer konkreten Stichprobe beobachteten Werten – Letztere können zwar variieren, die vom DAG implizierten (theoretischen) Unabhängigkeiten selbst ändern sich aber nicht von Stichprobe zu Stichprobe.
Aufgabenname: dag-bedingte-unabhaengigkeit-pruefen-schoice
Answerlist
- Wahr
- Falsch
- Falsch
- Falsch
- Falsch
Meta-information
exname: dag-bedingte-unabhaengigkeit-pruefen-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: kausalinferenz