Kontrolle von zeitvarianten Confounding im longitudinalen Fixed-Effects-Modell: Ein Ansatz mit latenten Variablen

Fixed-Effects-Regressionsmodelle werden häufig in Längsschnittstudien verwendet, um kausale Effekte zu schätzen und dabei unbeobachtete zeitinvariante Confounder zu kontrollieren. Allerdings bleiben unbeobachtete zeitvariable Confounder potenziell problematisch, und die Identifizierung und Messung solcher Confounder kann ressourcenintensiv und kostspielig sein. Wir schlagen das Modell zur zeitvariablen Confounding-Strukturgleichungsmodell (TVC-SEM) vor, ein einfaches longitudinales Modell, das auf früheren „gemeinsamen Faktoren“-Modellen aufbaut und als Robustheitstest für die Annahme dienen kann, dass kein unobserviertes zeitvariantes Confounding im Fixed-Effects-Ansatz vorliegt. Wir postulieren ein Modell mit einer latenten autoregressiven Variablen Z_it, die den kombinierten Einfluss sowohl zeitinvarianter als auch zeitvariabler Unbeobachtbarer darstellt und die mit den unabhängigen und abhängigen Variablen über die Zeit verbunden ist. Durch Monte-Carlo-Simulationen und Analysen von Daten aus den Early Childhood Longitudinal Studies Kindergarten-Kohorte (ECLS-K) und dem Rural Substance Abuse and Violence Project (RSVP) zeigen wir, dass TVC-SEM unter den meisten Bedingungen weniger verzerrte Schätzungen liefert als mehrere Varianten des traditionellen Fixed-Effects-Modells. Unser vorgeschlagener Ansatz bietet angewandten Forschern eine praktische Überprüfung, um zu beurteilen, inwieweit die Fixed-Effects-Annahme von keinem zeitvariablen Confounding Verzerrungen in der Schätzung kausaler Effekte hervorrufen kann.