Confounding, Zufallsfehler und Bias: Häufige Fehlerquellen in Studien

Dieses Video gibt einen Überblick über drei wichtige Fehlerquellen, die in Studien zu falschen Ergebnissen führen können: Confounding, Zufallsfehler und Bias.

Пікірлер: 2

  • @punchline9131
    @punchline91313 жыл бұрын

    Aber was ist wenn ich zuerst den Effekt von Rauchen auf das Herzinfarkt-Risiko untersuche und dann feststelle, dass es hier einen Einfluss gibt. Ich gleichzeitig weiß, dass Raucher viel Kaffee trinken und ich danach die Variable "Kaffee-Trinken" als Kontrollvariable in das Modell übernehme, dann fällt der Effekt Rauchen auf das Herzinfarktrisiko doch aber auch weg, oder? Kaffee-Trinken wäre doch dann auch so eine Art Confounder, einfach weil Kaffee-Trinken und Rauchen korrelieren. Wie kann ich also dadurch wissen, ob nun das Rauchen oder Kaffee-trinken einen Effekt hat? Unabhängig davon, dass wir ja alle wissen, dass rauchen schädlich ist.

  • @marioberlusconi3261

    @marioberlusconi3261

    3 жыл бұрын

    Kurz und knapp: Du benötigst eine theoretische Grundlage hierfür, also ob Kaffeetrinken oder Rauchen das Herzinfarkt Risiko beeinflusst. Mittels einer Mediatoranalyse kannst du dann ermitteln, inwieweit der von dir postulierte Effekt über die Drittvariable erklärt wird. Das wäre keine Vorgehensweise.