Omitted Variable Bias — Wenn Logik sich verkleidet

Omitted Variable Bias tritt auf, wenn ein statistisches Modell eine relevante Variable auslässt, die sowohl mit der unabhängigen als auch mit der abhängigen Variable korreliert ist. Dadurch absorbiert der geschätzte Effekt der enthaltenen Variable den Einfluss der fehlenden, was zu verzerrten und inkonsistenten Koeffizientenschätzungen führt. Richtung und Ausmaß der Verzerrung hängen von den Korrelationen zwischen der ausgelassenen Variable und den anderen Variablen im Modell ab.

Auch bekannt als: Confounding bias, Unobserved heterogeneity, Verzerrung durch ausgelassene Variablen

Wie es funktioniert

Forschende sind sich möglicherweise nicht aller relevanten Variablen bewusst, oder Daten zu wichtigen Confoundern sind nicht verfügbar. Ohne explizite Kontrolle wird der Effekt der fehlenden Variable fälschlicherweise den enthaltenen Prädiktoren zugeschrieben.

Ein klassisches Beispiel

Eine Studie stellt eine starke Korrelation zwischen Eisverkäufen und Ertrinkungstoden fest und schließt daraus, dass Eis Ertrinken verursacht. Die ausgelassene Variable ist die Temperatur: Heißes Wetter steigert sowohl den Eiskonsum als auch das Schwimmen, was das Ertrinkungsrisiko erhöht.

Wo man das in der Praxis findet

Häufig in beobachtenden Gesundheitsstudien, in denen Lebensstilfaktoren schwer vollständig zu erfassen sind, und in der Wirtschaftsforschung, wo nicht beobachtbare individuelle Merkmale die Ergebnisse beeinflussen.

Wie man es erkennt und kontert

Nutzen Sie Domänenwissen, um potenzielle Confounder vor der Modellierung zu identifizieren. Setzen Sie Sensitivitätsanalysen ein, um zu testen, wie robust die Ergebnisse gegenüber nicht gemessenen Variablen sind. Erwägen Sie Instrumentalvariablen-Ansätze oder Fixed-Effects-Modelle, wenn wichtige Confounder nicht direkt messbar sind.

Das Fazit

Omitted Variable Bias 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?