Risikofaktoren, Störfaktoren und die Illusion statistischer Kontrolle

Wenn experimentelle Designs verfrüht, unpraktisch oder unmöglich sind, müssen Forscher auf statistische Methoden zurückgreifen, um potenziell störende Effekte zu korrigieren. Solche Verfahren sind jedoch recht fehleranfällig. Wir untersuchen mehrere Fehler, die häufig mit der Verwendung statischer Anpassungen auftreten. Der erste ist die Schlussfolgerung, dass ein Faktor kausal ist, weil er ein Ergebnis vorhersagt, selbst nach "statistischer Kontrolle" für andere Faktoren. Diese Schlussfolgerung ist fehlerhaft, wenn (wie üblich) eine solche Kontrolle die lineare Beitrag imperfect gemessener Variablen entfernt oder wenn einige Störfaktoren ungemessen bleiben. Der umgekehrte Trugschluss besteht darin, zu schließen, dass ein Faktor nicht kausal wichtig ist, weil seine Assoziation mit dem Ergebnis durch die Einbeziehung von Kovariaten im Anpassungsprozess abgeschwächt oder eliminiert wird. Diese Abschwächung könnte lediglich widerspiegeln, dass die Kovariaten, die als Störfaktoren behandelt werden, tatsächlich Mediatoren (Zwischenvariablen) sind und entscheidend für die kausale Kette vom Studienfaktor zum Studienergebnis sind. Weitere Probleme entstehen durch fehlerhafte Messungen des Studienfaktors oder des Ergebnisses oder weil diese Studienvariablen nur Stellvertreter für zugrunde liegende Konstrukte sind. Statistische Anpassungen erfüllen eine nützliche Funktion, können jedoch Beobachtungsstudien nicht in natürliche Experimente verwandeln und erfordern weit mehr subjektives Urteilsvermögen, als viele Benutzer erkennen.