🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
berksons_paradox
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.
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.
In einer Dating-App beobachten Nutzer, dass attraktive Personen oft unzuverlässig und weniger attraktive Personen besonders verlässlich zu sein scheinen. Tatsächlich entsteht dieser Eindruck, weil man nur mit Personen interagiert, die man gematcht hat – also solche, die entweder attraktiv oder besonders sympathisch wirkten, was eine künstliche negative Korrelation erzeugt.
Ein Filmkritiker bemerkt, dass in den Blockbustern, die er sich ansieht, aufwendige Spezialeffekte meist mit schwachen Drehbüchern einhergehen. Er schlussfolgert, Budget fresse Kreativität. In Wirklichkeit schaut er nur Filme, die es in die Kinos geschafft haben – diese wurden oft wegen starker Effekte ODER wegen eines guten Skripts ausgewählt, was beide Merkmale im selektierten Sample negativ korrelieren lässt.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Wurde die Stichprobe basierend auf einem Kriterium ausgewählt, das von beiden Variablen beeinflusst wird?
Typ: binaryKönnte die beobachtete Korrelation ein reines Artefakt des Auswahlprozesses sein?
Typ: binaryGilt der Zusammenhang auch in der Allgemeinbevölkerung, nicht nur in der speziellen Gruppe?
Typ: binaryWird auf einen Collider (gemeinsamen Effekt) konditioniert, was einen Scheinzusammenhang erzeugt?
Typ: binaryBerksons 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.
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.
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.
Berksons Paradoxon tritt oft in Krankenhausstudien, bei Dating-Pools (Attraktivität vs. Charakter bei „verfügbaren“ Partnern) und bei Universitätszulassungen auf.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.