Kausaldiagramme nutzen: Störfaktoren nicht nach Bauchgefühl auswählen

1. Effektfrage und zeitliche Reihenfolge festlegen

Bevor du Kontrollvariablen auswählst, beschreibe, welche Beziehung dich interessiert: ein beobachteter Zusammenhang oder ein bestimmter kausaler Effekt? Ein gerichteter azyklischer Graph, kurz DAG, kann angenommene Ursache-Wirkungs-Beziehungen sichtbar machen. Greenland, Pearl und Robins erläutern solche Diagramme als Darstellung kausaler Annahmen. Die Pfeile sind keine automatisch aus Korrelationen gewonnenen Befunde. Notiere die Variablen, ihre Zeitpunkte und die fachliche Begründung vermuteter Beziehungen. Auch ein fehlender Pfeil enthält eine Annahme. Zeichne deshalb nicht nur, was bequem messbar ist, sondern auch relevante möglicherweise unbeobachtete Ursachen.

Unser erfundener Lernfall fragt nach dem Effekt zusätzlicher Lernzeit auf ein späteres Prüfungsergebnis. Vorwissen könnte sowohl Lernzeit als auch Ergebnis beeinflussen. Zeichne diese Annahme getrennt vom möglichen Effekt der Lernzeit und schreibe hinter jeden Pfeil eine Begründung oder offene Frage. Ein Diagramm, das nur Lernzeit und Ergebnis enthält, löst die Vorwissensfrage nicht. Lege außerdem fest, welche Population und welcher Zeitpunkt gemeint sind. Die spätere Selbsteinschätzung der Leistung darf nicht ohne Prüfung wie eine vor der Lernphase vorhandene Ursache behandelt werden. Zeitliche Ordnung begrenzt plausible Erklärungen.

Weiterführend: Greenland, Pearl und Robins (1999): Causal diagrams for epidemiologic research, Originalpublikation auf Hochschulhost

2. Gemeinsame Ursache, Vermittler und Collider unterscheiden

Eine gemeinsame Ursache von Exposition und Ergebnis kann einen nichtkausalen Zusammenhang beitragen. Ein Vermittler liegt dagegen auf einem angenommenen Wirkungsweg. Ein Collider ist eine gemeinsame Wirkung zweier Variablen; eine Bedingung auf ihn kann zusätzliche Zusammenhänge erzeugen. Rohrer erklärt, weshalb die mechanische Kontrolle möglichst vieler Variablen deshalb problematisch ist. Für einen Gesamteffekt kann das Kontrollieren eines Vermittlers einen Teil des interessierenden Wirkungswegs entfernen. Für andere Effektfragen sind zusätzliche Voraussetzungen nötig. Verwende diese Rollen nicht als feste Eigenschaften eines Variablennamens: Sie entstehen im jeweiligen Diagramm und unter der konkreten Frage.

Ergänze im Lernfall eine mögliche Lernstrategie nach Beginn der zusätzlichen Lernzeit. Wenn diese zwischen Lernzeit und Ergebnis vermittelt, wäre ihre Behandlung anders als die des vorher vorhandenen Vorwissens. Eine Auswahl ausschließlich vollständiger Antworten könnte außerdem vom Aufwand und weiteren Eigenschaften abhängen. Prüfe solche Auswahlmechanismen ausdrücklich. Lege eine eigene Rollentabelle an: Variable, Zeitpunkt, angenommene Beziehungen, mögliche Rolle und Konsequenz für die Analysefrage. Markiere Unsicherheit statt jedes Merkmal sofort eindeutig zu etikettieren. Ein inhaltlich plausibler Alternativgraph ist wertvoller als eine selbstsicher wirkende Liste angeblich immer notwendiger Kontrollvariablen.

Weiterführend: Rohrer (2018): Thinking clearly about correlations and causation, Originalpublikation auf UBC-Host

3. Kontrollentscheidung am gesamten Graphen prüfen

Die drei einfachen Rollen sind ein Einstieg, keine vollständige Auswahlformel für komplexe Graphen. Prüfe mögliche Pfade zwischen Exposition und Ergebnis und begründe, welche Bedingungen sie öffnen oder schließen würden. Eine Variablenliste ohne Graph kann dabei Zusammenhänge übersehen. Verwechsle zeitliches Vorherliegen nicht mit ausreichender Begründung: Nicht jedes früh gemessene Merkmal muss kontrolliert werden. Verwechsle ebenso einen kleinen p-Wert in einer Voranalyse nicht mit der fachlichen Rolle eines Störfaktors. Die Entscheidung soll von der Effektfrage und Annahmen ausgehen, nicht vom gewünschten Ergebnis einer späteren Regression.

Erstelle zwei plausible Varianten, wenn eine Beziehung ungeklärt ist. Notiere, wie sich die Kontrollentscheidung zwischen ihnen verändert und welche Information zur Unterscheidung beitragen könnte. Nicht gemessene wichtige Ursachen sind eine Aussagegrenze, keine durch ein zusätzliches beliebiges Merkmal automatisch gelöste Lücke. Ein Diagramm garantiert auch keine passende Messung, ausreichende Daten oder korrekt spezifizierte Analyse. Besprich den Graphen mit methodisch qualifizierter Betreuung, besonders bei zeitveränderlichen Variablen oder direkten Effekten. Dokumentiere danach die tatsächlich verwendete Entscheidung und ihre Voraussetzungen, statt das Diagramm erst nach der Analyse passend zum bevorzugten Modell zu zeichnen.

4. Annahmen und Aussagegrenzen transparent berichten

Bewahre die datierte Graphfassung, Rollentabelle und Begründung der Kontrollauswahl zusammen auf. Im Bericht soll erkennbar bleiben, welche Beziehungen vorausgesetzt, welche Variablen gemessen und welche Grenzen nicht aufgelöst wurden. Wenn du lediglich einen Zusammenhang beschreibst, mache daraus durch das Wort kontrolliert keinen bewiesenen Effekt. Wenn du eine kausale Analyse verfolgst, benenne ihre identifizierenden Annahmen und den relevanten Untersuchungsrahmen. Überprüfe alle Bezeichnungen zwischen Graph, Datenbeschreibung und Auswertung. Ein umbenanntes Merkmal oder eine andere Messzeit kann die ursprünglich gemeinte Rolle verändern und muss nachvollziehbar behandelt werden.

Das Tool Methoden finden kann aus Fragestellung und Rahmenbedingungen Hinweise auf geeignete Untersuchungsansätze vorbereiten. Gib das Erkenntnisziel und vorhandene Daten zutreffend an. Ein generierter Methodenvorschlag ersetzt keine Prüfung des DAG und berechnet nicht automatisch ein gültiges Adjustierungsset. Nutze die Hinweise für die fachliche Rücksprache und übertrage begründete Entscheidungen in deinen Analyseplan. Der fertige Arbeitsschritt ist ein verständlicher Annahmengraph mit dokumentierten offenen Punkten und Konsequenzen. Er schafft bessere Voraussetzungen für eine kritische Analyse, garantiert aber weder unverzerrte Effektschätzung noch die Richtigkeit deiner kausalen Annahmen.