Berksons Paradoxon (Berkson's Paradox) — Wenn Logik sich verkleidet

Berksons Paradoxon tritt auf, wenn die Konditionierung auf einen Collider (eine Variable, die von zwei unabhängigen Ursachen beeinflusst wird) eine scheinbare negative Korrelation zwischen diesen Ursachen erzeugt. Wenn man eine Stichprobe nach einem Kriterium auswählt, das von beiden Variablen abhängt, führt man künstlich eine Beziehung ein, die in der Grundgesamtheit nicht existiert.

Auch bekannt als: Collider Bias, Berkson's Bias, Selection-distortion effect, Explain-away effect

Wie es funktioniert

Selektionsbias ist für jemanden, der nur die ausgewählte Stichprobe analysiert, oft unsichtbar. Die Daten zeigen die Korrelation innerhalb der Stichprobe tatsächlich an; der Fehler liegt im Sampling-Prozess selbst.

Ein klassisches Beispiel

Unter Krankenhauspatienten wird eine negative Korrelation zwischen Diabetes und Knochenbrüchen beobachtet. Das bedeutet nicht, dass Diabetes Brüche verhindert. Vielmehr sind Menschen im Krankenhaus, WEIL sie Diabetes ODER einen Bruch haben. Die Beschränkung auf Krankenhausinsassen erzeugt die Illusion einer inversen Beziehung.

Wo man das in der Praxis findet

Berksons Paradoxon tritt oft in Krankenhausstudien, bei Dating-Pools (Attraktivität vs. Charakter bei „verfügbaren“ Partnern) und bei Universitätszulassungen auf.

Wie man es erkennt und kontert

Prüfe, ob die Stichprobe nach einer Variable gefiltert wurde, die ein Collider sein könnte. Zeichne ein kausales Diagramm und prüfe, ob das Kontrollieren für eine gemeinsame Folgevariable einen Scheineffekt erzeugt.

Das Fazit

Berksons Paradoxon (Berkson's Paradox) gehört zu den Denkfehlern, die auf den ersten Blick völlig logisch klingen. Genau das macht sie gefährlich — sie tragen das Kostüm valider Argumentation, während sie eine fehlerhafte Schlussfolgerung einschmuggeln. Die beste Verteidigung? Langsamer werden und fragen: Folgt diese Schlussfolgerung tatsächlich aus diesen Prämissen?