Berksons Paradoxon (Berkson's Paradox) — Wenn Zahlen lügen
Kennst du das? Unter Krankenhauspatienten wird eine negative Korrelation zwischen Diabetes und Knochenbrüchen beobachtet.
Auch bekannt als: Collider Bias, Berkson's Bias, Selection-distortion effect, Explain-away effect
Was passiert hier eigentlich?
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.
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.
Real Talk: Das siehst du jeden Tag
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.
Berksons Paradoxon tritt oft in Krankenhausstudien, bei Dating-Pools (Attraktivität vs. Charakter bei „verfügbaren“ Partnern) und bei Universitätszulassungen auf.
Dein BS-Detektor
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.
- ✓ Wer hat diese Daten gesammelt, und warum?
- ✓ Ist die Stichprobe groß genug und fair?
- ✓ Könnte es eine andere Erklärung geben?
Die Challenge
Wenn dir das nächste Mal jemand eine Statistik um die Ohren haut — in der Schule, online, in den Nachrichten — akzeptier sie nicht einfach. Frag: Was fehlt in diesem Bild?
Teil des TellDear Teen Book — criticalthinking.guide