saturiertes-modell-schwaeche-schoice

kausalinferenz
paper
Published

July 10, 2026

Question

Das Kausalmodell km2 (mit einer Wirkkette livingArea \(\rightarrow\) bedrooms \(\rightarrow\) price sowie einem direkten Pfeil livingArea \(\rightarrow\) price) postuliert keine einzige Unabhängigkeit zwischen den Variablen – alle sind miteinander assoziiert. Warum bezeichnet das Kapitel ein solches “saturiertes” Modell als “empirisch schwach”?

Answerlist

  • Ein saturiertes Modell behauptet lediglich, dass irgendeine Korrelation zwischen den Variablen besteht (irgendein Wert zwischen \(-1\) und \(+1\), nur nicht exakt Null) – eine derart unspezifische Behauptung lässt sich kaum durch Daten widerlegen (falsifizieren) und ist daher wissenschaftlich wenig aussagekräftig.
  • Ein saturiertes Modell ist empirisch schwach, weil es niemals zu den Daten passt.
  • Ein saturiertes Modell ist schwach, weil es in R technisch nicht berechnet werden kann.
  • Saturierte Modelle sind grundsätzlich falsch und sollten niemals verwendet werden.
  • Ein saturiertes Modell ist deshalb schwach, weil es weniger Parameter enthält als andere Modelle.

Solution

Das Kapitel erläutert am Beispiel: Ein Modell, das nur behauptet “irgendeine Korrelation zwischen \(-1\) und \(+1\) (nur nicht exakt Null)” zu finden, macht eine sehr schwache, kaum falsifizierbare Aussage – fast jedes beliebige Datenmuster wäre mit dieser Behauptung vereinbar. Das macht ein solches Modell wissenschaftlich wenig informativ, auch wenn es “zu den Daten passt”. Die erste Option ist korrekt.

Warum die Distraktoren falsch sind:

  • Die zweite Option widerspricht dem Kapitel direkt: “km2 passt zu den Daten, aber wir sind nicht gerade beeindruckt vom Modell” – das Problem ist nicht mangelnde Passung, sondern mangelnde inhaltliche Aussagekraft trotz Passung.
  • Die dritte Option ist eine im Kapitel nicht erwähnte, sachlich falsche technische Behauptung – ein saturiertes Modell (alle Variablen korreliert) lässt sich problemlos mit stan_glm() o.ä. berechnen.
  • Die vierte Option übertreibt: Das Kapitel bezeichnet ein saturiertes Modell nicht als “falsch”, sondern als wissenschaftlich wenig aussagekräftig, weil es kaum falsifizierbar ist – das ist ein Unterschied zwischen “falsch” und “wenig informativ”.
  • Die fünfte Option ist inhaltlich falsch begründet: Die Schwäche liegt nicht an einer bestimmten Parameterzahl, sondern daran, dass das Modell keine überprüfbaren Unabhängigkeitsbehauptungen (Nullkorrelationen) macht, die es widerlegbar machen würden.

Aufgabenname: saturiertes-modell-schwaeche-schoice

Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

Meta-information

exname: saturiertes-modell-schwaeche-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: kausalinferenz