Auswahl und Kontrolle von Drittvariablen bei der Bestimmung kausaler Zusammenhänge - illustriert mit Directed Acyclic Graphs (DAGs)

Abstract

Von einem korrelativen Zusammenhang zwischen zwei Variablen kann man nicht unmittelbar auf einen ursächlichen (kausalen) Zusammenhang zwischen ihnen schließen. Dieses Wissen hat sich in der Wissenschaft und inzwischen vermehrt auch im Alltag etabliert. Neben dem Problem der zeitlichen Abfolge von Ursache und Wirkung geht es hierbei insbesondere um das Problem von Drittvariablen. Die typische Strategie in der (nicht-experimentellen) Kausalanalyse besteht darin, diese in geeigneter Form zu „kontrollieren“, um den interessierenden Zusammenhang zu bestimmen. Allerdings bleibt häufig unklar, welche (zusätzlichen) Variablen genau zu kontrollieren sind und warum.

Ein sehr intuitives und anwendungsfreundliches Hilfsmittel gerade zur Unterstützung einer entsprechenden inhaltlichen Diskussion stellt die grafische Illustration kausaler Verhältnisse dar. Neben den häufig verwendeten (Adhoc )Varianten gibt es inzwischen auch stärker formalisierte Konzepte. In jüngerer Zeit bekannt geworden sind insbesondere sogenannte Directed Acyclic Graphs (kurz DAGs) als grafische Repräsentationen kausaler Beziehungsgeflechte. Mit ihrer Hilfe lässt sich oft relativ einfach ablesen, welche Zusammenhänge im konkreten Anwendungsfall (auch indirekt) angenommen werden und welche Variablen demzufolge in der Datenanalyse zu berücksichtigen sind. Trotz ihrer Eingängigkeit haben solche grafischen Verfahren allerdings in der Praxis, zumindest im deutschen Sprachraum, nach wie vor eine vergleichsweise geringe Verbreitung, insbesondere jenseits des Fachgebiets der statistischen Kausalanalyse.

Diese Einführung zeigt exemplarisch die praktische Anwendung einer grafischen Darstellung von Kausalbeziehungen mittels DAGs. Der Schwerpunkt liegt dabei auf der Frage der korrekten Auswahl von Untersuchungsvariablen. Insbesondere wird dabei auch deutlich, dass nicht nur notwendige Kontrollen unterbleiben, sondern häufig auch „zu viele“ Variablen kontrolliert werden. Außerdem lassen sich damit die den unterschiedlichen Verfahren der Kausalanalyse zugrunde liegenden Strategien einfach veranschaulichen.