1 analyse konstruierter daten … mit effectlite ref.: marie grahl, victoria paul, katja peilke

36
1 Analyse Analyse konstruierter konstruierter Daten Daten mit EffectLite mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke Ref.: Marie Grahl, Victoria Paul, Katja Peilke Sl.ico

Upload: clemens-rosenberg

Post on 06-Apr-2016

216 views

Category:

Documents


1 download

TRANSCRIPT

Page 1: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

11

Analyse konstruierterAnalyse konstruierterDaten Daten

helliphellipmit EffectLitemit EffectLite

Ref Marie Grahl Victoria Paul Katja PeilkeRef Marie Grahl Victoria Paul Katja Peilke

Slico

22

GliederungGliederung

11 Unser DatensatzUnser Datensatz22 Unser ModellUnser Modell

PfaddiagrammPfaddiagramm ModellgleichungModellgleichung Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Spezifikation der ModellparameterSpezifikation der Modellparameter

33

11 Unser DatensatzUnser Datensatz

Treatment ndash VariableTreatment ndash Variable

XX00 Kontrollgruppe Kontrollgruppe

XX 1 1 Psychotherapie Psychotherapie

XX2 2 HausarztHausarzt

Potentielle KovariatenPotentielle Kovariaten

Z1-6 Z1-6 Neediness Neediness

Z7 Z7 Geschlecht Geschlecht (0 = m 1 = w)(0 = m 1 = w)

Outcome VariablenOutcome Variablen

YY11

YY22

YY33

drei parallele Tests jeweils drei parallele Tests jeweils nach dem Treatment nach dem Treatment gemessengemessen

44

Deskriptive DatenDeskriptive Daten

NN

Maumlnnlich 0Maumlnnlich 0 35123512

Weiblich 1Weiblich 1 14881488

XX0 0 KontrollgruppeKontrollgruppe 12511251

XX 1 1 PsychotherapiePsychotherapie 25082508

XX2 2 HausarztHausarzt 12411241

GESAMTGESAMT 50005000

MeanMean SDSD

YY11 98819881 1441214412

YY22 98869886 1443014430

YY33 98849884 1444214442

55

Deskriptive DatenDeskriptive Daten

Neediness Treatment Crosstabulation

Count

35 435 34 504153 712 133 998199 591 236 1026281 414 289 984376 280 344 1000207 76 205 488

1251 2508 1241 5000

123456

Neediness

Total

0 1 2Treatment

Total

Neediness Gender Crosstabulation

Count

504 0 504998 0 998

1026 0 1026984 0 984

0 1000 10000 488 488

3512 1488 5000

123456

Neediness

Total

0 1Gender

Total

Treatment Gender Crosstabulation

Count

668 583 12512152 356 2508692 549 1241

3512 1488 5000

012

Treatment

Total

0 1Gender

Total

66

77

Neediness und Neediness und BehandlungswahrscheinlichkeitBehandlungswahrscheinlichkeit

Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund warum der PFE nicht dem ACE entspricht (Gesamtpopulation)warum der PFE nicht dem ACE entspricht (Gesamtpopulation)

NeedinessNeedinessZZ

GeschlechtGeschlecht P(XP(X11| Z = z)| Z = z) P(XP(X22| Z = z) | Z = z)

11 00 085714 = 085714 = 12141214 007143 = 007143 = 114114

22 00 071429 = 071429 = 10141014 014286 = 014286 = 214214

33 00 057143 = 057143 = 814814 021429 = 021429 = 314314

44 00 042857 = 042857 = 614614 028571 = 028571 = 414414

55 11 028571 = 028571 = 414414 035714 = 035714 = 514514

66 11 014286 = 014286 = 214214 042857 = 042857 = 614614

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 2: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

22

GliederungGliederung

11 Unser DatensatzUnser Datensatz22 Unser ModellUnser Modell

PfaddiagrammPfaddiagramm ModellgleichungModellgleichung Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Spezifikation der ModellparameterSpezifikation der Modellparameter

33

11 Unser DatensatzUnser Datensatz

Treatment ndash VariableTreatment ndash Variable

XX00 Kontrollgruppe Kontrollgruppe

XX 1 1 Psychotherapie Psychotherapie

XX2 2 HausarztHausarzt

Potentielle KovariatenPotentielle Kovariaten

Z1-6 Z1-6 Neediness Neediness

Z7 Z7 Geschlecht Geschlecht (0 = m 1 = w)(0 = m 1 = w)

Outcome VariablenOutcome Variablen

YY11

YY22

YY33

drei parallele Tests jeweils drei parallele Tests jeweils nach dem Treatment nach dem Treatment gemessengemessen

44

Deskriptive DatenDeskriptive Daten

NN

Maumlnnlich 0Maumlnnlich 0 35123512

Weiblich 1Weiblich 1 14881488

XX0 0 KontrollgruppeKontrollgruppe 12511251

XX 1 1 PsychotherapiePsychotherapie 25082508

XX2 2 HausarztHausarzt 12411241

GESAMTGESAMT 50005000

MeanMean SDSD

YY11 98819881 1441214412

YY22 98869886 1443014430

YY33 98849884 1444214442

55

Deskriptive DatenDeskriptive Daten

Neediness Treatment Crosstabulation

Count

35 435 34 504153 712 133 998199 591 236 1026281 414 289 984376 280 344 1000207 76 205 488

1251 2508 1241 5000

123456

Neediness

Total

0 1 2Treatment

Total

Neediness Gender Crosstabulation

Count

504 0 504998 0 998

1026 0 1026984 0 984

0 1000 10000 488 488

3512 1488 5000

123456

Neediness

Total

0 1Gender

Total

Treatment Gender Crosstabulation

Count

668 583 12512152 356 2508692 549 1241

3512 1488 5000

012

Treatment

Total

0 1Gender

Total

66

77

Neediness und Neediness und BehandlungswahrscheinlichkeitBehandlungswahrscheinlichkeit

Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund warum der PFE nicht dem ACE entspricht (Gesamtpopulation)warum der PFE nicht dem ACE entspricht (Gesamtpopulation)

NeedinessNeedinessZZ

GeschlechtGeschlecht P(XP(X11| Z = z)| Z = z) P(XP(X22| Z = z) | Z = z)

11 00 085714 = 085714 = 12141214 007143 = 007143 = 114114

22 00 071429 = 071429 = 10141014 014286 = 014286 = 214214

33 00 057143 = 057143 = 814814 021429 = 021429 = 314314

44 00 042857 = 042857 = 614614 028571 = 028571 = 414414

55 11 028571 = 028571 = 414414 035714 = 035714 = 514514

66 11 014286 = 014286 = 214214 042857 = 042857 = 614614

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 3: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

33

11 Unser DatensatzUnser Datensatz

Treatment ndash VariableTreatment ndash Variable

XX00 Kontrollgruppe Kontrollgruppe

XX 1 1 Psychotherapie Psychotherapie

XX2 2 HausarztHausarzt

Potentielle KovariatenPotentielle Kovariaten

Z1-6 Z1-6 Neediness Neediness

Z7 Z7 Geschlecht Geschlecht (0 = m 1 = w)(0 = m 1 = w)

Outcome VariablenOutcome Variablen

YY11

YY22

YY33

drei parallele Tests jeweils drei parallele Tests jeweils nach dem Treatment nach dem Treatment gemessengemessen

44

Deskriptive DatenDeskriptive Daten

NN

Maumlnnlich 0Maumlnnlich 0 35123512

Weiblich 1Weiblich 1 14881488

XX0 0 KontrollgruppeKontrollgruppe 12511251

XX 1 1 PsychotherapiePsychotherapie 25082508

XX2 2 HausarztHausarzt 12411241

GESAMTGESAMT 50005000

MeanMean SDSD

YY11 98819881 1441214412

YY22 98869886 1443014430

YY33 98849884 1444214442

55

Deskriptive DatenDeskriptive Daten

Neediness Treatment Crosstabulation

Count

35 435 34 504153 712 133 998199 591 236 1026281 414 289 984376 280 344 1000207 76 205 488

1251 2508 1241 5000

123456

Neediness

Total

0 1 2Treatment

Total

Neediness Gender Crosstabulation

Count

504 0 504998 0 998

1026 0 1026984 0 984

0 1000 10000 488 488

3512 1488 5000

123456

Neediness

Total

0 1Gender

Total

Treatment Gender Crosstabulation

Count

668 583 12512152 356 2508692 549 1241

3512 1488 5000

012

Treatment

Total

0 1Gender

Total

66

77

Neediness und Neediness und BehandlungswahrscheinlichkeitBehandlungswahrscheinlichkeit

Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund warum der PFE nicht dem ACE entspricht (Gesamtpopulation)warum der PFE nicht dem ACE entspricht (Gesamtpopulation)

NeedinessNeedinessZZ

GeschlechtGeschlecht P(XP(X11| Z = z)| Z = z) P(XP(X22| Z = z) | Z = z)

11 00 085714 = 085714 = 12141214 007143 = 007143 = 114114

22 00 071429 = 071429 = 10141014 014286 = 014286 = 214214

33 00 057143 = 057143 = 814814 021429 = 021429 = 314314

44 00 042857 = 042857 = 614614 028571 = 028571 = 414414

55 11 028571 = 028571 = 414414 035714 = 035714 = 514514

66 11 014286 = 014286 = 214214 042857 = 042857 = 614614

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 4: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

44

Deskriptive DatenDeskriptive Daten

NN

Maumlnnlich 0Maumlnnlich 0 35123512

Weiblich 1Weiblich 1 14881488

XX0 0 KontrollgruppeKontrollgruppe 12511251

XX 1 1 PsychotherapiePsychotherapie 25082508

XX2 2 HausarztHausarzt 12411241

GESAMTGESAMT 50005000

MeanMean SDSD

YY11 98819881 1441214412

YY22 98869886 1443014430

YY33 98849884 1444214442

55

Deskriptive DatenDeskriptive Daten

Neediness Treatment Crosstabulation

Count

35 435 34 504153 712 133 998199 591 236 1026281 414 289 984376 280 344 1000207 76 205 488

1251 2508 1241 5000

123456

Neediness

Total

0 1 2Treatment

Total

Neediness Gender Crosstabulation

Count

504 0 504998 0 998

1026 0 1026984 0 984

0 1000 10000 488 488

3512 1488 5000

123456

Neediness

Total

0 1Gender

Total

Treatment Gender Crosstabulation

Count

668 583 12512152 356 2508692 549 1241

3512 1488 5000

012

Treatment

Total

0 1Gender

Total

66

77

Neediness und Neediness und BehandlungswahrscheinlichkeitBehandlungswahrscheinlichkeit

Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund warum der PFE nicht dem ACE entspricht (Gesamtpopulation)warum der PFE nicht dem ACE entspricht (Gesamtpopulation)

NeedinessNeedinessZZ

GeschlechtGeschlecht P(XP(X11| Z = z)| Z = z) P(XP(X22| Z = z) | Z = z)

11 00 085714 = 085714 = 12141214 007143 = 007143 = 114114

22 00 071429 = 071429 = 10141014 014286 = 014286 = 214214

33 00 057143 = 057143 = 814814 021429 = 021429 = 314314

44 00 042857 = 042857 = 614614 028571 = 028571 = 414414

55 11 028571 = 028571 = 414414 035714 = 035714 = 514514

66 11 014286 = 014286 = 214214 042857 = 042857 = 614614

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 5: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

55

Deskriptive DatenDeskriptive Daten

Neediness Treatment Crosstabulation

Count

35 435 34 504153 712 133 998199 591 236 1026281 414 289 984376 280 344 1000207 76 205 488

1251 2508 1241 5000

123456

Neediness

Total

0 1 2Treatment

Total

Neediness Gender Crosstabulation

Count

504 0 504998 0 998

1026 0 1026984 0 984

0 1000 10000 488 488

3512 1488 5000

123456

Neediness

Total

0 1Gender

Total

Treatment Gender Crosstabulation

Count

668 583 12512152 356 2508692 549 1241

3512 1488 5000

012

Treatment

Total

0 1Gender

Total

66

77

Neediness und Neediness und BehandlungswahrscheinlichkeitBehandlungswahrscheinlichkeit

Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund warum der PFE nicht dem ACE entspricht (Gesamtpopulation)warum der PFE nicht dem ACE entspricht (Gesamtpopulation)

NeedinessNeedinessZZ

GeschlechtGeschlecht P(XP(X11| Z = z)| Z = z) P(XP(X22| Z = z) | Z = z)

11 00 085714 = 085714 = 12141214 007143 = 007143 = 114114

22 00 071429 = 071429 = 10141014 014286 = 014286 = 214214

33 00 057143 = 057143 = 814814 021429 = 021429 = 314314

44 00 042857 = 042857 = 614614 028571 = 028571 = 414414

55 11 028571 = 028571 = 414414 035714 = 035714 = 514514

66 11 014286 = 014286 = 214214 042857 = 042857 = 614614

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 6: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

66

77

Neediness und Neediness und BehandlungswahrscheinlichkeitBehandlungswahrscheinlichkeit

Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund warum der PFE nicht dem ACE entspricht (Gesamtpopulation)warum der PFE nicht dem ACE entspricht (Gesamtpopulation)

NeedinessNeedinessZZ

GeschlechtGeschlecht P(XP(X11| Z = z)| Z = z) P(XP(X22| Z = z) | Z = z)

11 00 085714 = 085714 = 12141214 007143 = 007143 = 114114

22 00 071429 = 071429 = 10141014 014286 = 014286 = 214214

33 00 057143 = 057143 = 814814 021429 = 021429 = 314314

44 00 042857 = 042857 = 614614 028571 = 028571 = 414414

55 11 028571 = 028571 = 414414 035714 = 035714 = 514514

66 11 014286 = 014286 = 214214 042857 = 042857 = 614614

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 7: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

77

Neediness und Neediness und BehandlungswahrscheinlichkeitBehandlungswahrscheinlichkeit

Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund Unterschiedliche Behandlungswahrscheinlichkeiten sind der Grund warum der PFE nicht dem ACE entspricht (Gesamtpopulation)warum der PFE nicht dem ACE entspricht (Gesamtpopulation)

NeedinessNeedinessZZ

GeschlechtGeschlecht P(XP(X11| Z = z)| Z = z) P(XP(X22| Z = z) | Z = z)

11 00 085714 = 085714 = 12141214 007143 = 007143 = 114114

22 00 071429 = 071429 = 10141014 014286 = 014286 = 214214

33 00 057143 = 057143 = 814814 021429 = 021429 = 314314

44 00 042857 = 042857 = 614614 028571 = 028571 = 414414

55 11 028571 = 028571 = 414414 035714 = 035714 = 514514

66 11 014286 = 014286 = 214214 042857 = 042857 = 614614

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 8: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

88

Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Ungleiche Behandlungwahrscheinlichkeiten in Abhaumlngigkeit von der Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung Beduumlrftigkeit der Person impliziert dass die allgemeine Gleichung fuumlr den bedingten Erwartungswerthellipfuumlr den bedingten Erwartungswerthellip

E(Y|X=x) = sumE(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u|X=x)P(U=u|X=x) Differenzen sind PFErsquosDifferenzen sind PFErsquos

nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert nicht der Gleichung fuumlr den kausal unverfaumllschten Erwartungsert entsprichtentspricht

CUECUE(Y|X=x) = sum(Y|X=x) = sumu u E(Y|X=xU=u) E(Y|X=xU=u) middot middot P(U=u)P(U=u) Differenzen sind ACErsquosDifferenzen sind ACErsquos

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 9: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

99

11 SchrittSchritt Pruumlfen der Modelle der KTT fuumlr Outcome Pruumlfen der Modelle der KTT fuumlr Outcome -- Variablen YVariablen Y1 1 Y Y2 2 Y Y3 3

22 Schritt Schritt Bildung von fuumlnf Indikatorvariablen fuumlr die Bildung von fuumlnf Indikatorvariablen fuumlr die sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo sechsstufige Kovariate Z bdquoBeduumlrftigkeitldquo

33 SchrittSchritt Aufstellen der Modellgleichung und Aufstellen der Modellgleichung und Parametrisieren der Funktionen von ZParametrisieren der Funktionen von Z

44 Schritt Schritt Aufstellen eines Pfaddiagramms fuumlr das Aufstellen eines Pfaddiagramms fuumlr das Gesamtmodell Gesamtmodell

55 SchrittSchritt Spezifikation der Modellparameter Spezifikation der Modellparameter

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 10: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1010

T-Test fuumlr abhaumlngige StichprobenT-Test fuumlr abhaumlngige Stichproben

Paired Samples Statistics

9881 5000 14412 2049886 5000 14430 2049881 5000 14412 2049884 5000 14442 2049886 5000 14430 2049884 5000 14442 204

Y1Y2

Pair1

Y1Y3

Pair2

Y2Y3

Pair3

Mean N Std DeviationStd Error

Mean

Paired Samples Correlations

5000 976 0005000 975 0005000 976 000

Y1 amp Y2Pair 1Y1 amp Y3Pair 2Y2 amp Y3Pair 3

N Correlation Sig

Paired Samples Test

-053 3190 045 -142 035 -1182 4999 237-032 3203 045 -121 057 -713 4999 476021 3131 044 -066 108 476 4999 634

Y1 - Y2Pair 1Y1 - Y3Pair 2Y2 - Y3Pair 3

Mean Std DeviationStd Error

Mean Lower Upper

95 ConfidenceInterval of the

Difference

Paired Differences

t df Sig (2-tailed)

Pruumlfung des Paralleltestmodells mit SPSS

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 11: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1111

ηηY Y als latente Variable fuumlr Y1-3als latente Variable fuumlr Y1-3

Pruumlfung des Paralleltestmodells mit Pruumlfung des Paralleltestmodells mit LISRELLISREL

ηY

Y1

Y2

Y3Chi-Quadrat = 444df = 4p-Wert = 034932RMSEA = 0005

504

504

504

20313

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 12: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1212

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell ohne KovariateModell ohne Kovariate

Slico

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 13: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1313

Testen der UnverfaumllschtheitTesten der Unverfaumllschtheit Unverfaumllschtheit Unverfaumllschtheit

impliziert durch impliziert durch Unkonfundiertheit der Unkonfundiertheit der

Treatment RegressionTreatment Regression

oder der oder der

Kovariaten-Treatment Kovariaten-Treatment RegressionRegression

E(Y|X)E(Y|X)

E(Y|X Z)E(Y|X Z)

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 14: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1414

Unkonfundiertheit impliziert hellipUnkonfundiertheit impliziert hellip Unverfaumllschtheit vonUnverfaumllschtheit von

E(Y|X)E(Y|X)E(Y|XZ)E(Y|XZ)E(Y|X=j)E(Y|X=j) EEX=jX=j(Y|Z)(Y|Z)PFEPFEjkjk PFEPFEjkjk(Z)(Z)

Durchschnittliche StabilitaumltDurchschnittliche StabilitaumltPFEPFEjkjk = E[PFE = E[PFEjkjk(W)](W)] PFEPFEjkjk(z) = E(z) = EZ=zZ=z[PFE[PFEjkZ=zjkZ=z(W)](W)]

Generalisierbarkeit auf SubpopulationenGeneralisierbarkeit auf SubpopulationenUnkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit Unkonfundiertheit von E(Y|X) impliziert Unkonfundiertheit von Evon EW=wW=w(Y|X)(Y|X)

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 15: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1515

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Treatment Regression -- der Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jX=j(Y) = E[E(Y) = E[EX=jX=j(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 16: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1616

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 17: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1717

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

Parametrisierung der g ndash FunktionenParametrisierung der g ndash Funktionen

gg00(Z)rarr (Z)rarr ((ββ0000 + + ββ 0101 middot Imiddot IZ=1Z=1 + + ββ0202 middot Imiddot IZ=2Z=2 + + ββ0303 middot Imiddot IZ=3Z=3 + + β β0404 middot Imiddot IZ=4Z=4 + + β β0505 middot Imiddot IZ=5Z=5) +) +

gg11(Z)rarr (Z)rarr ((ββ1010 + + ββ 1111 middot Imiddot IZ=1Z=1 + + ββ1212 middot Imiddot IZ=2Z=2 + + ββ1313 middot Imiddot IZ=3Z=3 + + β β1414 middot Imiddot IZ=4Z=4 + + β β1515 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=1 X=1 ++

gg22(Z)rarr (Z)rarr ((ββ2020 + + ββ 2121 middot Imiddot IZ=1Z=1 + + ββ2222 middot Imiddot IZ=2Z=2 + + ββ2323 middot Imiddot IZ=3Z=3 + + β β2424 middot Imiddot IZ=4Z=4 + + β β2525 middot Imiddot IZ=5Z=5) ) middot Imiddot IX=2X=2

Fuumlr Geschlecht ein IFuumlr Geschlecht ein IZ=6Z=6 und die Interaktionen dh die Produkte von I und die Interaktionen dh die Produkte von IZ=6Z=6 und und den anderen Indikatorvariablenden anderen Indikatorvariablen

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 18: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1818

Pfaddiagramm fuumlr das GesamtmodellPfaddiagramm fuumlr das Gesamtmodell

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β 01

fuumlr X = 0

β 02

β 03

β 04

β 05

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 19: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

1919

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β11

fuumlr X = 1

β02+β12

β03+β13

β04+β14

β05+β15

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 20: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2020

PfaddiagrammPfaddiagramm

Y1

Y2

Y3

ηY

ε

ε

ε

Z1

Z2

Z3

Z4

Z5

1

1

1

β01+β21

fuumlr X = 2

β02+β22

β03+β23

β04+β24

β05+β25

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 21: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2121

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit Kovariate bdquoBeduumlrftigkeitldquoModell mit Kovariate bdquoBeduumlrftigkeitldquo

Slico

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 22: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2222

mit Kovariate mit Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect E(g1) Effect E(g1) 1040610406

Stderror 0147Stderror 0147 EffectStderror 70838EffectStderror 70838 Effect size 0700 Effect size 0700

Group 2 - Control group 0Group 2 - Control group 0 Effect E(g2) Effect E(g2) 03540354 Stderror 0177Stderror 0177 EffectStderror 1997EffectStderror 1997 Effect size 0024Effect size 0024

ohne Kovariate ohne Kovariate

Group 1 - Control group 0Group 1 - Control group 0 Effect Effect -1804 -1804 Stderror 0494Stderror 0494 EffectSE -3654EffectSE -3654 Effect size -0121Effect size -0121

Group 2 - Control group 0Group 2 - Control group 0Effect Effect -0553 -0553 Stderror 0632Stderror 0632EffectSE -0875EffectSE -0875

Effect size -0037Effect size -0037

Detailed analysis of the effects Detailed analysis of the effects

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 23: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2323

ModellgleichungModellgleichung

==

((118845118845 - 5112- 5112 middot Imiddot IZ=1Z=1 -38246-38246 middot Imiddot IZ=2Z=2 - 29925- 29925 middot Imiddot IZ=3Z=3 - 26937- 26937 middot I middot IZ=4Z=4 - - 69186918 middot I middot IZ=5 Z=5 ))

++

((456 + 97456 + 97 middot I middot IZ=1 Z=1 + 3952+ 3952 middot I middot IZ=2Z=2 + 7649+ 7649 middot I middot IZ=3Z=3 + 11365+ 11365 middot I middot IZ=4Z=4 + 1383+ 1383 middot I middot IZ=5 Z=5 ) middot I) middot IX=1X=1 ++

((-7689 +15398-7689 +15398 middot I middot IZ=1 Z=1 + 5212+ 5212 middot I middot IZ=2Z=2 + 10398+ 10398 middot I middot IZ=3Z=3 + 0995+ 0995 middot I middot IZ=4Z=4 + 15650+ 15650 middot I middot IZ=5 Z=5 ) middot ) middot IIX=2X=2

Modellgleichung Modellgleichung E(Y|XZ) = gE(Y|XZ) = g00(Z) + g(Z) + g11(Z) (Z) middot Imiddot IX=1X=1 + g + g22(Z) middot I(Z) middot IX=2X=2

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 24: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2424

LISREL Pfaddiagramm X = 0 LISREL Pfaddiagramm X = 0

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 25: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2525

LISREL Pfaddiagramm X = 1LISREL Pfaddiagramm X = 1

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 26: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2626

LISREL Pfaddiagramm X = 2LISREL Pfaddiagramm X = 2

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 27: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2727

Falsifikation der Hypothese der Falsifikation der Hypothese der Unkonfundiertheit durch Falsifikation Unkonfundiertheit durch Falsifikation folgender Hypothesefolgender Hypothese

E[EE[EX=jX=j(Y|W)] ndash E(Y|W)] ndash EX=jX=j(Y) = 0(Y) = 0

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

fuumlr alle Werte j = 0 1 hellip J

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 28: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2828

UnkonfundiertheitUnkonfundiertheit(3) E(3) EX=jX=j(Y) = E(Y) = EX=jX=j [E [EX=jX=j (Y|W)] (Y|W)] EffectLite OutputEffectLite Output

Group means of the outcome variable(s)Group means of the outcome variable(s) Group Outcome Mean Stddev Adjmean SE(Adjmean)Group Outcome Mean Stddev Adjmean SE(Adjmean) 0 Y 0 Y 99848 99848 14863 14863 9323393233 0244 0244 1 Y 1 Y 98044 98044 12624 12624 103639103639 0203 0203 2 Y 2 Y 99295 99295 16480 16480 93588 93588 0256 0256

93233 ndash 99848 = - 6615 ne 093233 ndash 99848 = - 6615 ne 0

95 Konfidenzintervall fuumlr 95 Konfidenzintervall fuumlr Bsp SEBsp SEY0Y0 = 14863 radic1251 = 0420 = 14863 radic1251 = 0420 Mean 99848 Mean 99848 plusmn 0420 plusmn 0420 196 196 [99025 10067] [99025 10067] adjustierten Mean 93233 adjustierten Mean 93233 plusmn 0244 plusmn 0244 196 196 [ 92755 93711] [ 92755 93711]

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 29: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

2929

Testen der UnkonfundiertheitTesten der Unkonfundiertheit- der Kovariaten ndash Treatment Regression -- der Kovariaten ndash Treatment Regression -

Nutzung der dritten FormulierungNutzung der dritten Formulierung Fuumlr jede Abbildung W = f(U) der beobachteten Fuumlr jede Abbildung W = f(U) der beobachteten

Unitvariable giltUnitvariable gilt

EEX=jZ=zX=jZ=z(Y) = E[E(Y) = E[EX=jZ=zX=jZ=z(Y|W)](Y|W)]

fuumlr alle Werte j = 0 1 hellip Jfuumlr alle Werte j = 0 1 hellip J

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 30: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

3030

Berechnung der BiasesBerechnung der BiasesBaseline biasBaseline biasjkjk = E( = E(ττkk|X=j) ndash E(|X=j) ndash E(ττkk|X=k)|X=k)

Effect biasEffect biasjkjk = = E(E(ττjkjk|X=j) ndash ACE|X=j) ndash ACEjkjk

E(E(ττ00|X=0) = |X=0) = Σ τΣ τ00(u) (u) middotP(U=u|X=0) = 101857middotP(U=u|X=0) = 101857E(E(ττ00|X=1) = |X=1) = Σ τΣ τ00(u) (u) middotP(U=u|X=1) = 85143middotP(U=u|X=1) = 85143E(E(ττ00|X=2) = |X=2) = Σ τΣ τ00(u) (u) middotP(U=u|X=2) = 101857middotP(U=u|X=2) = 101857

E(E(ττ1010|X=1) = |X=1) = Σ τΣ τ1010(u) (u) middotP(U=u|X=1) = 11238middotP(U=u|X=1) = 11238E(E(ττ2020|X=2) = |X=2) = Σ τΣ τ2020(u) (u) middotP(U=u|X=2) = -1238middotP(U=u|X=2) = -1238

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 31: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

3131

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 32: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

3232

E(E(ττ00|X=0) = 101 67|X=0) = 101 67E(E(ττ00|X=1) = 85 17 |X=1) = 85 17 E(E(ττ00|X=2) = 101 67|X=2) = 101 67

Baseline biasBaseline bias10 10 == E(E(ττ00|X=1) - |X=1) - E(E(ττ00|X=0) = -16714|X=0) = -16714

Baseline biasBaseline bias20 20 = E(= E(ττ00|X=2) - |X=2) - E(E(ττ00|X=0) = 0000|X=0) = 0000

Effect biasEffect bias10 10 = = E(E(ττ1010|X=j) ndash ACE|X=j) ndash ACE1010 = 11238 ndash 10 = 1238 = 11238 ndash 10 = 1238

Effect biasEffect bias20 20 = = E(E(ττ2020|X=j) ndash ACE|X=j) ndash ACE2020 = - 1238 ndash 0 = -1238 = - 1238 ndash 0 = -1238

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 33: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

3333

PFEPFE1010 = ACE = ACE1010 + baseline bias + baseline bias1010 + effect bias + effect bias1010

= 10 + (-16714) + = 10 + (-16714) + 1238 = - 5476 1238 = - 5476

PFEPFE2020 = ACE = ACE2020 + baseline bias + baseline bias2020 + effect bias + effect bias2020

= 0 + 0 + (= 0 + 0 + (-1238-1238) = -1238) = -1238

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 34: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

3434

Gewichtung der Outcome- Variable Gewichtung der Outcome- Variable YYww equiv Y equiv YmiddotWmiddotW

W W equiv sum Iequiv sum Ix=j x=j middot P(X=j)P(X=j|U)middot P(X=j)P(X=j|U)

E(YE(YWW|X=j) = E(|X=j) = E(ττjj) )

E(YE(YWW|X=j) - E(Y|X=j) - E(YWW|X=k) = ACE|X=k) = ACEjkjk

NachteilNachteil groszlige Standardfehler groszlige Standardfehler

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 35: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

3535

Berechnung mit EffectLiteBerechnung mit EffectLite

Modell mit gewichteten Modell mit gewichteten Outcome - Variablen Outcome - Variablen

Slico

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich
Page 36: 1 Analyse konstruierter Daten … mit EffectLite Ref.: Marie Grahl, Victoria Paul, Katja Peilke

3636

ModellvergleichModellvergleich Unser Modell (Modell 1)Unser Modell (Modell 1)

Treatment - Variable X Treatment - Variable X X X00 = Kontrollgruppe = Kontrollgruppe Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 latent Ladungen auf 1 latent Ladungen auf 1 Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 manifest stochastisch manifest stochastisch

Modell 2Modell 2 Annahme Annahme gleicher Outcome ndash Fehlervarianzengleicher Outcome ndash Fehlervarianzen uumlber alle X uumlber alle X

Modell 3Modell 3 Outcome - Variablen Y1-3 Outcome - Variablen Y1-3 manifestmanifest

Modell 4Modell 4 Kovariaten Neediness Kovariaten Neediness 2-62-6 manifest stochastisch manifest stochastisch

Modell 5Modell 5 Kovariate Kovariate GeschlechtGeschlecht manifest stochastisch manifest stochastisch

Modell 6 (nicht berechnet)Modell 6 (nicht berechnet) Kovariaten Neediness 1-5 Kovariaten Neediness 1-5 und und Geschlecht Geschlecht manifest stochastisch manifest stochastisch

  • Analyse konstruierter Daten hellipmit EffectLite
  • Gliederung
  • Unser Datensatz
  • Deskriptive Daten
  • Slide 5
  • Folie 6
  • Neediness und Behandlungswahrscheinlichkeit
  • Folie 8
  • Folie 9
  • T-Test fuumlr abhaumlngige Stichproben
  • ηY als latente Variable fuumlr Y1-3
  • Folie 12
  • Testen der Unverfaumllschtheit
  • Unkonfundiertheit impliziert hellip
  • Testen der Unkonfundiertheit - der Treatment Regression -
  • Folie 16
  • Modellgleichung E(Y|XZ) = g0(Z) + g1(Z) middot IX=1 + g2(Z) middot IX=2
  • Pfaddiagramm fuumlr das Gesamtmodell
  • Pfaddiagramm
  • Slide 20
  • Folie 21
  • Detailed analysis of the effects
  • Modellgleichung
  • LISREL Pfaddiagramm X = 0
  • LISREL Pfaddiagramm X = 1
  • LISREL Pfaddiagramm X = 2
  • Folie 27
  • Unkonfundiertheit
  • Testen der Unkonfundiertheit - der Kovariaten ndash Treatment Regression -
  • Berechnung der Biases
  • Folie 31
  • Folie 32
  • Folie 33
  • Gewichtung der Outcome- Variable Yw equiv YmiddotW
  • Folie 35
  • Modellvergleich