Explore every episode of the podcast Empirisch denken — damit wir wissen, was wir tun

Signifikanz sagt uns, ob ein Ergebnis statistisch auffällig ist.

Effektstärke sagt uns, wie groß ein Effekt ist.

Das ist ein entscheidender Unterschied.

Heute geht es um den Beta-Fehler.

Wir übersehen einen Effekt, obwohl er tatsächlich existiert.

Ein signifikantes Ergebnis wird oft so gelesen, als sei es wichtig.

Aber das ist ein Missverständnis.

Heute geht es um Stratifizierung.

Stratifizierung bedeutet:

Eine Stichprobe besteht aus unterschiedlichen Schichten oder Gruppen.

Das erinnert an ein Kamel und ein Dromedar.

Von vorne sehen beide vielleicht ähnlich aus.

Aber von der Seite erkennt man:

Das eine Tier hat einen Höcker.Das andere zwei.

Lineare Regression ist kein automatisches Analysewerkzeug.

Sie verlangt eine passende abhängige Variable, sinnvolle Prädiktoren, ausreichende Daten und ein theoretisch begründetes Modell.

Der erste Blick gilt R-Quadrat.

Wie viel Varianz des Kriteriums erklärt das Modell?

Dann folgt die Modellsignifikanz.

Leistet das Modell insgesamt einen statistisch bedeutsamen Erklärungsbeitrag?

Manchmal liefern unterschiedliche Programme oder Verfahren sehr ähnliche Regressionskoeffizienten.

Aber die p-Werte unterscheiden sich.

Ein gutes Modell erklärt nicht nur viel.

Es erklärt ausreichend viel mit angemessener Komplexität.

Residuen sind die Teile des Kriteriums, die vom Modell nicht erklärt werden.

Jüngere und ältere Menschen sind nicht einfach dieselben Personen zu unterschiedlichen Zeitpunkten.

Sie gehören oft zu unterschiedlichen Generationen.

Und ist der Zusammenhang linear oder gekrümmt?

RSA erweitert das Interaktionsmodell um quadratische Terme:

X Quadrat und Z Quadrat.

Dadurch lassen sich nichtlineare Muster abbilden.

Mathematisch hängt das mit der quadrierten Differenz zwischen X und Z zusammen.

Alignment bedeutet Passung.

Zwei Faktoren sind ähnlich ausgerichtet.

Zum Beispiel:

Ein Unternehmen investiert stark in digitale Technologien und hat zugleich eine starke unternehmerische Orientierung.

Oder:

Ein Unternehmen investiert wenig und verfolgt auch keine starke unternehmerische Orientierung.

In beiden Fällen besteht eine Art Symmetrie.

Misalignment bedeutet dagegen fehlende Passung.

Bildung hat einen positiven Effekt auf Gehalt.
Alter hat ebenfalls einen positiven Effekt auf Gehalt.

Die Hypothese lautet:

"Bildung lohnt sich, weil sie zu höherem Gehalt führt."

Die wichtigste Lehre bleibt:

Quantitative Ergebnisse verlangen immer nach qualitativer Interpretation.

Heute geht es um zwei unterschiedliche Denkbewegungen.

Judea Pearl unterscheidet zwischen den Effekten von Ursachen und den Ursachen von Effekten.

Heute geht es um die Frage:

Wann ist etwas eigentlich eine Ursache?

In vielen Fällen suchen wir nach einer einzelnen Ursache.

Aber soziale und wirtschaftliche Wirklichkeit funktioniert selten monokausal.

In der letzten Folge ging es um Ursachen als Teil von Kombinationen.

Heute geht es um die Struktur kausaler Modelle.

Wenn wir drei Variablen betrachten, zum Beispiel X, Y und Z, können unterschiedliche Abhängigkeitsstrukturen entstehen.

Heute geht es um eine grundsätzliche Frage:

Was bedeutet es eigentlich, kausale Beziehungen zu überprüfen?

Ein Regressionskoeffizient ist keine feste Eigenschaft. Er entsteht immer im Kontext des gesamten Modells.

Indirekte Effekte ohne sichtbaren Gesamteffekt sind nicht unmöglich. Aber sie brauchen besonders starke theoretische und methodische Begründung.

Mediation macht Mechanismen sichtbar. Aber sie ersetzt keine saubere kausale Begründung.

Man nimmt dieselben Daten.Man prüft dasselbe Modell.Und man sollte zu denselben Ergebnissen kommen.

Eine gute Prognose beweist nicht automatisch eine gute Methode.
Aber eine schlechte Prognose zwingt uns, die Methode genauer zu prüfen.

Einschränkungen verschwinden.
Unsicherheit wird geglättet.
Und irgendwann wirkt eine schwache Aussage wie eine Tatsache.

Gute Forschung braucht Transparenz.

Repräsentativität ist kein Etikett. Sie ist eine methodische Aussage über Auswahl, Population und Übertragbarkeit.

Interaktionen zeigen, dass soziale Wirklichkeit selten einfache Wenn-dann-Logik ist. Viele Effekte hängen von Bedingungen ab.

Zufriedenheit schützt nicht automatisch vor Kündigung. Ihre Wirkung hängt davon ab, in welchem psychologischen Zustand sich Beschäftigte befinden.

Arbeitszufriedenheit ist kein einfacher Zustand. Sie entsteht aus Erwartungen, Erfahrungen, Bewertungen und Kontext.

Texte können Daten sein. Aber Häufigkeit ersetzt keine Interpretation.

Messung ist nie neutral. Sie setzt fest, welcher Ausschnitt eines Konstrukts sichtbar wird.

Daten entstehen nicht nur durch Fragen. Sie entstehen durch die gesamte Befragungssituation.

Ein Fragebogen liefert also nicht automatisch objektive Daten.

Ein Fragebogen sammelt nicht einfach Wahrheit.
Er erzeugt Antworten unter bestimmten Bedingungen.

Begriffe sind keine Nebensache.
Sie bestimmen, was wir sehen, was wir messen und welche Schlüsse wir ziehen können.

Erst wenn wir wissen, dass ein Effekt plausibel kausal ist, können wir sinnvoll fragen, wie, warum und für wen er wirkt.

Bei gutem Wetter verkaufen Händler mehr Eis.

Gleichzeitig verlangen sie bei gutem Wetter möglicherweise höhere Preise.

Wenn man nur Preis und Verkaufsmenge betrachtet, könnte es so aussehen, als würden höhere Preise zu mehr Verkäufen führen.

Das wäre paradox.

Die zentrale Botschaft lautet: Kontrollvariablen sind keine Dekoration.
Sie sind begründete Antworten auf konkrete Identifikationsprobleme.

Overfitting bedeutet: Das Modell passt sehr gut zu den vorhandenen Daten, aber schlecht zu neuen Daten.

Es lernt dann nicht nur die Struktur, sondern auch das Rauschen.

Bei Regressionsmodellen müssen wir immer zuerst fragen:

Was ist das Ziel?

Will ich vorhersagen?
Will ich einen Effekt identifizieren?
Oder will ich einen Mechanismus erklären?

Kausalität bedeutet: Eine Ursache bewirkt eine Wirkung.

Das klingt einfach. Ist es aber nicht.

Kaum ein Begriff wird so häufig verwendet. Und kaum ein Begriff bleibt dabei so oft unklar.

Heute geht es um Karl Popper — und um die Frage, warum Wissenschaft ohne Kritik nicht funktioniert.

Heute fragen wir: Was ist eigentlich eine wissenschaftliche Hypothese?

Forschende wollen meist nicht nur wissen, dass etwas geschieht. Sie wollen verstehen, warum und wie es geschieht.

Heute geht es um eine Frage, die oft unterschätzt wird: Was genau untersuchen wir eigentlich?

Heute geht es um ein Kernproblem empirischer Forschung: falsch positive Befunde.

Auch ein korrekter Test ist kein endgültiger Beweis.

Können verschiedene Menschen denselben Gegenstand wirklich gleich beobachten?

Heute geht es um die Frage: Wann dürfen wir einem Forschungsergebnis eigentlich vertrauen?