Vernachlässigung von Störvariablen (Confounding Variable Neglect) — Wenn Zahlen lügen

Kennst du das? Eine Studie stellt fest, dass Kaffeetrinker häufiger an Lungenkrebs erkranken, und folgert, dass Kaffee Krebs verursacht.

Auch bekannt als: Omitted Variable Bias, Third Variable Problem, Uncontrolled Confounding, Drittvariablenproblem

Was passiert hier eigentlich?

Vernachlässigung von Störvariablen tritt auf, wenn eine Studie eine Variable nicht berücksichtigt, die sowohl mit der Ursache als auch mit dem Ergebnis zusammenhängt. Dies führt zu verzerrten Schätzungen des kausalen Zusammenhangs. Solche Versäumnisse können eine schädliche Behandlung nützlich erscheinen lassen oder eine wirksame Behandlung als wertlos tarnen.

Beobachtungsdaten zeigen nur Assoziationen. Ohne die Kontrolle von Confoundern ist der beobachtete Zusammenhang eine Mischung aus echtem Effekt und Scheineffekt der Störvariable. Das Publikum unterscheidet diese oft nicht.

Real Talk: Das siehst du jeden Tag

Eine Studie stellt fest, dass Kaffeetrinker häufiger an Lungenkrebs erkranken, und folgert, dass Kaffee Krebs verursacht. Die Störvariable ist das Rauchen: Kaffeetrinker in der untersuchten Gruppe rauchen deutlich häufiger, und Rauchen ist die eigentliche Ursache für den Krebs.

Confounding ist die zentrale Herausforderung in der Epidemiologie und Sozialforschung, wo randomisierte Experimente oft unethisch oder unmöglich sind.

Dein BS-Detektor

Nutze Randomisierung, um Confounder auszuschließen, oder wende statistische Kontrollen an (Regression, Matching). Erstelle kausale Diagramme (DAGs), um potenzielle Störvariablen vorab zu identifizieren.

• ✓ 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