🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
range_restriction
Varianzeinschränkung liegt vor, wenn die Variabilität einer oder mehrerer Variablen künstlich reduziert ist, typischerweise durch Stichprobenauswahl, Trunkierung oder Zensierung. Wenn der Wertebereich einer Variable eingeschränkt ist, werden Korrelationen mit anderen Variablen abgeschwächt — sie erscheinen schwächer als in der Gesamtpopulation. Dies kann zu falschen Schlussfolgerungen über die Stärke oder sogar Existenz von Zusammenhängen führen.
Ein Unternehmen untersucht, ob SAT-Ergebnisse die Arbeitsleistung vorhersagen, betrachtet aber nur aktuelle Mitarbeitende, die alle hohe SAT-Werte hatten. Der eingeschränkte Wertebereich lässt die Korrelation mit der Leistung nahe null erscheinen, was das Unternehmen zu dem Schluss verleitet, SAT-Werte seien nutzlos — obwohl der Zusammenhang im gesamten Bewerberpool erheblich ist.
Eine Musikhochschule möchte wissen, ob die Ergebnisse des Aufnahmetests die späteren Studienleistungen vorhersagen. Da nur die besten 5 % der Bewerber zugelassen werden, ist die Varianz im Testergebnis extrem gering – die Korrelation zwischen Aufnahmetest und Studienleistung erscheint nahezu null, obwohl der Test in der Gesamtbevölkerung der Bewerber durchaus prädiktiv wäre.
Ein Sportwissenschaftler untersucht bei Profifußballern, ob die Sprintgeschwindigkeit den Torerfolg vorhersagt. Da alle Profis bereits eine sehr hohe Sprintgeschwindigkeit besitzen, ist die Varianz in dieser Variable minimal. Der scheinbar fehlende Zusammenhang führt dazu, dass der Verein Schnelligkeit bei der Talentsichtung vernachlässigt – obwohl sie auf Amateurniveau ein starker Prädiktor ist.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Wurde die Stichprobe auf eine Weise ausgewählt oder gefiltert, die die Variabilität einer Schlüsselvariable reduziert?
Typ: binaryIst der Wertebereich in der Stichprobe enger als der Bereich in der Gesamtpopulation?
Typ: binarySchwächt der eingeschränkte Bereich die beobachteten Korrelationen im Vergleich zur Gesamtpopulation?
Typ: binaryWerden Schlussfolgerungen über Zusammenhänge gezogen, ohne für den eingeschränkten Bereich zu korrigieren?
Typ: binaryVarianzeinschränkung liegt vor, wenn die Variabilität einer oder mehrerer Variablen künstlich reduziert ist, typischerweise durch Stichprobenauswahl, Trunkierung oder Zensierung. Wenn der Wertebereich einer Variable eingeschränkt ist, werden Korrelationen mit anderen Variablen abgeschwächt — sie erscheinen schwächer als in der Gesamtpopulation. Dies kann zu falschen Schlussfolgerungen über die Stärke oder sogar Existenz von Zusammenhängen führen.
Selektionsprozesse, die Extremwerte herausfiltern, sind verbreitet und bleiben oft unbemerkt. Forschende erkennen möglicherweise nicht, dass ihre Stichprobe hinsichtlich der Untersuchungsvariable vorselektiert wurde, und die resultierenden schwachen Korrelationen werden als bare Münze genommen statt als Artefakte der Einschränkung erkannt.
Identifizieren Sie, ob die Stichprobenauswahl den Wertebereich von Schlüsselvariablen reduziert hat. Wenden Sie statistische Korrekturen für Varianzeinschränkung an (z. B. Thorndikes Korrekturformeln). Beschaffen Sie nach Möglichkeit Daten aus der gesamten, uneingeschränkten Population. Berichten Sie den Wertebereich und vergleichen Sie ihn mit dem erwarteten Populationsbereich.
Häufig in der Personalauswahlforschung, bei Studien zu Hochschulzulassungen und in klinischen Populationen, in denen nur Patienten oberhalb einer diagnostischen Schwelle eingeschlossen werden.
Measurement error in predictor variables biases effect estimates toward zero.
A measurement instrument cannot distinguish differences at the upper extreme of the scale.
A measurement instrument cannot distinguish differences at the lower extreme of the scale.
The statistical error of drawing conclusions from a dataset that has been filtered by a survival or success criterion, without accounting for the filtered-out cases. The surviving sample is systematically different from the full population, and conclusions drawn from it are biased.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.