FAQ
© 2016 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute09.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-78636
URL: http://ediss.sub.uni-hamburg.de/volltexte/2016/7863/


Kausale Inferenz in quasi-experimentellen Designs unter Verwendung von propensity score-Methoden

Causal inference in observational studies using propensity score-methods

Garling, Marco

pdf-Format:
 Dokument 1.pdf (2.912 KB) 


Freie Schlagwörter (Deutsch): Kausale Inferenz , Observational Studies , Adjustierung , Propensity Score , Konfundierung
Freie Schlagwörter (Englisch): Causal inference , observational studies , adjustment, propensity score , confounding
Basisklassifikation: 77.03
Institut: Psychologie
DDC-Sachgruppe: Psychologie
Dokumentart: Dissertation
Hauptberichter: Spieß, Martin (Prof. Dr.)
Sprache: Deutsch
Tag der mündlichen Prüfung: 27.04.2016
Erstellungsjahr: 2016
Publikationsdatum: 03.05.2016
Kurzfassung auf Deutsch: Die Verwendung von Propensity Score-Methoden in Observational Studies ermöglicht sowohl die Identifikation als auch die konsistente Schätzung des interessierenden Effektes, der von einem applizierten Treatment ausgeht und sich im Verhältnis zu einer Kontrollbedinung, in der dieses Treatment nicht appliziert wird, einstellt.

Damit ist es unter Anwendung der Propensity Score-Methoden möglich, auch in Designs, in denen keine randomisierte Selektion der Versuchspersonen vorgenommen werden kann und in denen per se unterstellt werden muss, dass erhobene Kovariablen einerseits die Wahrscheinlichkeiten für die Selektion in das Treatment, andererseits die Response-Werte bedingen, den damit durch diese Kovariablen konfundierten Treatment-Effekt konsistent und ohne mögliche Störeinflüße der Kovariablen zu schätzen.

In vorliegender Arbeit werden zunächst anhand von mehreren Simulationsstudien empirisch erfassbare Unterschiede der Propensity Score-Methoden hinsichtlich der Güte der Schätzung des Treatment-Effektes untersucht. Des weiteren wird in den selben Simulationsszenarien empirisch aufgewiesen, dass eine konsistente und mit dem Propensity Score adjustierte Schätzung des Treatment-Effektes insbesondere an eine korrekte Spezifikation des Propensity Score-Modells, wenn parametrisch geschätzt, gebunden ist, so dass eine Robustheit der vorgeschlagenen Propensity Score-Verfahren hinsichtlich möglicher Fehlspezifikationen systematisch untersucht wird.

Ausgehend von diesen Befunden wird ein non-parametrisches Schätzverfahren für den in praxi unbekannten Propensity Score vorgeschlagen, das für die spezielle Klasse der stetigen Kovariablen mit log-konkaver Dichtefunktion anwendbar ist und vollständig datenadapativ den unbekannten Propensity Score schätzt. Anhand mehrerer Simulationsszenarien wird dieser Vorschlag hinsichtlich der Schätzung des interessierenden Treatment-Effektes untersucht und Szenarien, in denen die Annahmen, die diesem Schätzer zu Grunde liegen, verletzt sind, simuliert, um damit empirisch Rückschlüsse über die Robustheit des vorgeschlagenen Verfahrens ziehen zu können.

Die letzte Untersuchung der vorliegenden Dissertation richtet sich insbesondere nach der für die psychologische Forschung interessante Problemstellung der latenten Variablen, die in Observational Studies als mögliche Störvariablen wirken und sich nur messfehlerbelastet durch manifeste Indikatorvariablen erfassen lassen: Es wird zunächst theoretisch gezeigt, dass eine Adjustierung mit den Indikatorvariablen, insofern die Messfehler nicht konstant gehalten werden, zu einer Verzerrung bei der Schätzung des Treatment-Effektes führt (Attenuation Bias). Diesem Problem folgend liegt in dieser Dissertation ein Vorschlag zur Schätzung des Propensity Scores vor, der sich in dem Szenario anwenden lässt, in dem latente und nur messfehlerbelastet erhebare Kovariablen als Störvariablen wirken. Anhand mehrerer Simulationsstudien wird die Güte dieses Vorschlags hinsichtlich einer adjustierten Schätzung des Treatment-Effektes untersucht.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende