26  Question

Schlüsselwörter

Aufgaben, Statistik, Prognose, Modellierung, R, Datenanalyse, Regression

Das Kapitel unterscheidet drei “epistemologische Zielrichtungen” einer Forschungsfrage: deskriptiv, prognostisch und kausal. Welche Zuordnung ist korrekt?

26.1 Answerlist

  • Bei deskriptiven Fragen können Regressionskoeffizienten direkt (aber nicht-kausal) interpretiert werden; bei prognostischen Fragen sind die vorhergesagten Werte relevant, nicht die Koeffizienten; bei kausalen Fragen dürfen die Koeffizienten nur auf Basis eines Kausalmodells (DAG) oder eines guten Experiments interpretiert werden.
  • Bei allen drei Zielrichtungen (deskriptiv, prognostisch, kausal) sind Regressionskoeffizienten immer automatisch kausal zu interpretieren.
  • Prognostische Fragestellungen erfordern zwingend ein vollständiges Kausalmodell, deskriptive Fragestellungen hingegen nicht.
  • Deskriptive Forschungsfragen sind grundsätzlich unwissenschaftlich und sollten vermieden werden.
  • Kausale Forschungsfragen benötigen niemals ein Kausalmodell, da die Statistik allein ausreicht, um Kausaleffekte zu identifizieren.

27 Solution

Laut Kapitel: Bei deskriptiven Fragen sind die Koeffizienten direkt interpretierbar, aber ohne kausale Deutung. Bei prognostischen Fragen (Vorhersage) spielen die Koeffizienten selbst keine große Rolle – entscheidend sind die vorhergesagten Werte \(\hat{y}_i\) (z. B. auf Basis der PPV); Kausalaussagen sind hier weder möglich noch von Interesse. Bei kausalen Fragen dürfen die Koeffizienten nur unter Rückgriff auf ein Kausalmodell (DAG) oder ein sauber durchgeführtes Experiment interpretiert werden. Die erste Option ist korrekt.

Warum die Distraktoren falsch sind:

  • Die zweite Option widerspricht der zentralen Botschaft des gesamten Kapitels: Gerade bei deskriptiven und prognostischen Fragen ist eine automatische kausale Interpretation nicht zulässig.
  • Die dritte Option vertauscht die Anforderungen: Laut Kapitel benötigen gerade kausale (nicht prognostische) Fragestellungen ein Kausalmodell – bei rein prognostischen Fragen sind Kausalaussagen weder nötig noch von Interesse.
  • Die vierte Option ist eine im Kapitel nicht getroffene, abwertende Fehlcharakterisierung – deskriptive Forschungsfragen sind vollkommen legitim, solange man ihre Ergebnisse nicht fälschlich kausal interpretiert.
  • Die fünfte Option widerspricht der zentralen Warnung des gesamten Kapitels (und des vorherigen Kapitels zur Konfundierung): Statistische Modellierung allein reicht gerade nicht aus, um Kausaleffekte zu identifizieren – dafür ist zusätzlich Kenntnis des (korrekten) Kausalmodells nötig.

27.1 Answerlist

  • Wahr
  • Falsch
  • Falsch
  • Falsch
  • Falsch

28 Meta-information

exname: epistemologische-zielrichtung-schoice extype: schoice exsolution: 10000 exshuffle: 5 excategory: kausalinferenz