🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
suppression_effect
Ein Suppressionseffekt tritt auf, wenn eine dritte Variable in einem Regressionsmodell die Stärke einer bestehenden Assoziation erhöht oder eine zuvor versteckte Assoziation aufdeckt, indem sie irrelevante Varianz im Prädiktor absorbiert. Dies ist das Gegenteil von Konfundierung.
Verbale Testergebnisse und akademische Leistung korrelieren schwach. Wenn Angst als Kontrollvariable hinzugefügt wird, steigt die Korrelation erheblich, weil Angst die Varianz in den verbalen Testergebnissen erfasste, die für akademische Fähigkeit irrelevant war.
In einer Studie über Mitarbeiterproduktivität scheint die Anzahl der Arbeitsstunden kaum mit dem Output zu korrelieren. Erst wenn Ablenkung am Arbeitsplatz als Kontrollvariable einbezogen wird, zeigt sich ein starker positiver Zusammenhang zwischen Arbeitsstunden und Produktivität – weil Ablenkung sowohl Stunden als auch Output gleichzeitig verzerrt hatte.
Forscher untersuchen den Zusammenhang zwischen sportlicher Aktivität und Schulnoten bei Jugendlichen und finden kaum eine Korrelation. Sobald Schlafqualität als Kontrollvariable ins Modell aufgenommen wird, wird der positive Effekt von Sport auf die Noten deutlich sichtbar, da schlechter Schlaf sowohl Sport als auch Schulleistung negativ beeinflusst und den wahren Effekt maskiert hatte.
Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:
Verändert sich die Korrelation zwischen zwei Variablen erheblich, wenn eine dritte Variable in das Modell aufgenommen wird?
Typ: binaryErhöht das Hinzufügen einer Kontrollvariable (statt zu senken) eine geschätzte Assoziation?
Typ: binaryIst die Suppressor-Variable mit einem Prädiktor korreliert, aber nicht mit dem Ergebnis?
Typ: binaryKönnte die Suppressor-Variable irrelevante Varianz im Prädiktor absorbieren und die Prädiktor-Ergebnis-Beziehung schärfen?
Typ: binaryEin Suppressionseffekt tritt auf, wenn eine dritte Variable in einem Regressionsmodell die Stärke einer bestehenden Assoziation erhöht oder eine zuvor versteckte Assoziation aufdeckt, indem sie irrelevante Varianz im Prädiktor absorbiert. Dies ist das Gegenteil von Konfundierung.
Prädiktoren enthalten oft Messfehler oder Varianz aufgrund irrelevanter Konstrukte. Eine Suppressor-Variable korreliert mit der 'Rausch'-Komponente des Prädiktors, aber nicht mit dem Ergebnis.
Wenn das Hinzufügen von Kontrollvariablen eine Assoziation erhöht, die Korrelationen aller Variablen untersuchen. Suppressionseffekte von Collider-Bias unterscheiden.
Suppressionseffekte erscheinen in der Pädagogischen Psychologie, wo die Kontrolle von Prüfungsangst stärkere Begabungs-Leistungs-Zusammenhänge aufdeckt.
Nutze diese Tools, um diesen Aspekt zu erkennen, zu analysieren oder zu trainieren.