simpson-paradox-vorzeichenwechsel-schoice
Question
Das Kapitel erwähnt, dass sich beim Adjustieren (Kontrollieren) von Prädiktoren manchmal sogar die Vorzeichen der Regressionsgewichte umkehren können (z. B. wird der Effekt von bedrooms auf price negativ, sobald man livingArea kontrolliert). Wie wird dieses Phänomen im Kapitel bezeichnet, und was unterscheidet es vom “normalen” Verschwinden einer Scheinkorrelation durch Konfundierung?
Answerlist
- Man spricht von einem Simpson-Paradox: Anders als beim “normalen” Auflösen einer Scheinkorrelation (bei der der Effekt beim Adjustieren einfach auf ungefähr Null schrumpft) dreht sich hier das Vorzeichen des Effekts komplett um.
- Man spricht von einem Simpson-Paradox, wenn sich beim Adjustieren gar nichts an den Koeffizienten ändert.
- Ein Simpson-Paradox liegt vor, wenn ein Modell schlicht nicht konvergiert.
- Ein Simpson-Paradox tritt ausschließlich bei experimentellen (randomisierten) Studien auf, niemals bei Beobachtungsstudien.
- Ein Simpson-Paradox bedeutet, dass die Stichprobengröße zu klein für eine verlässliche Schätzung war.
Solution
Löst sich eine Scheinkorrelation beim Adjustieren einfach auf (der Effekt schrumpft gegen Null), ist das “normale” Konfundierung. Drehen sich hingegen die Vorzeichen der Zusammenhänge nach dem Adjustieren um (aus positiv wird negativ oder umgekehrt), spricht man laut Kapitel von einem Simpson-Paradox – genau das passiert im Beispiel: Ohne Kontrolle von livingArea ist der Effekt von bedrooms auf price positiv, mit Kontrolle wird er negativ. Die erste Option ist korrekt.
Warum die Distraktoren falsch sind:
- Die zweite Option beschreibt das Gegenteil: Bleiben die Koeffizienten beim Adjustieren unverändert, deutet das eher auf keine relevante Konfundierung/kein Simpson-Paradox hin – das Kapitel betont ja gerade, dass sich das Vorzeichen (nicht “nichts”) ändert.
- Die dritte Option verwechselt ein statistisches Konvergenzproblem (ein technisches Berechnungsproblem, z. B. bei MCMC) mit dem inhaltlichen Phänomen des Vorzeichenwechsels – beide haben nichts miteinander zu tun.
- Die vierte Option ist falsch: Das Beispiel im Kapitel (Saratoga-Hauspreise) ist eine Beobachtungsstudie; ein Simpson-Paradox ist gerade ein typisches Risiko bei Beobachtungsdaten mit unkontrollierten Konfundierern, nicht bei sauber randomisierten Experimenten.
- Die fünfte Option nennt einen im Kapitel nicht erwähnten, sachlich unpassenden Grund – ein Simpson-Paradox ist ein strukturelles (durch das Kausalmodell bedingtes) Phänomen, keine bloße Frage der Stichprobengröße.
Aufgabenname: simpson-paradox-vorzeichenwechsel-schoice
Answerlist
- Wahr
- Falsch
- Falsch
- Falsch
- Falsch
Meta-information
exname: simpson-paradox-vorzeichenwechsel-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: kausalinferenz