Tutorial 8: Kausale Inferenz

⇤ Zurück zur Startseite

Casual Inference.

Lernziele

  • Verständnis der Kausalität und Identifizierung von Confoundern.
  • Erstellung von kausalen Graphen.

Einleitung

In diesem Tutorial geht es um Kausale Inferenz und Confounder.

Kausale Inferenz und Confounder

  1. Laden Sie den Datensatz (https://statistik.julianhinz.com/tutorials/tutorial8/data.csv), der simulierte Daten zu Gehalt, Bildung und Leistungseinsatz enthält.
  2. Stellen Sie eine These auf über die Beziehung der Daten und illustrieren diese in einem kausalen Graphen.
  3. Testen Sie nun diese Theorie. Welche Variable ist ein Confounder? Wie haben Sie diese Variable identifiziert?
  4. Nun bekommen Sie den Code zur Simulation der Daten. Simulieren Sie die Daten erneut, sodass der Confounder sich ändert.

Kausale Graphen

Sie beobachten die folgenden Zusammenhänge:

  • Kriminalität und Anzahl von Kirchen.
  • Bewegung und Fitness.
  • Bio-Lebensmittel und Autismus-Diagnose.
  • Sitzgurte und das Überleben bei Autounfällen.

Bilden Sie die kausalen Graphen. Gibt es Confounder?

Kausale Effekte

Gegeben sind die folgenden wahren Daten:

Stadt Arbeitslosigkeit ohne Maßnahme Arbeitslosigkeit mit Maßnahme
Bielefeld 5.2 4.2
Berlin 6.3 5.3
Budapest 4.3 3.3
Barcelona 8.1 7.1
Bologna 5.2 4.2
Bremen 4 3
Bordeaux 7.5 6.5
Brüssel 3.4 2.4
  • Bestimmen Sie hier den wahren kausalen Effekt der Politikmaßnahme auf die Arbeitslosigkeit für jede Stadt.
  • Was ist der durchschnittliche kausale Effekt?
  • Schätzen Sie den Effekt der Politikmaßnahme auf die Arbeitslosigkeit basierend auf zufälliger Zuweisung. Warum weicht dieser Effekt von dem vorherigen ab? Wir sammeln ihre Ergebnisse und berechnen den durchschnittlichen kausalen Effekt, den Sie geschätzt haben.
  • Nun sind Sie die perfekte Politikerin/der perfekte Politiker und Sie wollen die Arbeitslosigkeit insbesondere in den Städten mit einer hohen Arbeitslosigkeit reduzieren (5%). Welche Städte würden Sie auswählen? Wie ändern sich die Effekte? Was bedeutet das für Menschen in der Wissenschaft, die Politikmaßnahmen evaluieren wollen?
  • Erweitern Sie die Daten um weitere Städte und berechnen Sie den Effekt der Politikmaßnahme erneut unter zufalliger Zuweisung.

⇤ Zurück zur Startseite