Clicked Gallery

Was bedeutet es, für eine Variable zu kontrollieren?

Markiert in einem echten Lehrbuchabsatz. Erklärt von Clicked.

Im Satz verwendet

University Course Reader · STEM

After controlling for age and income, the gap between the two regions shrank from 20% to 4%, the authors reported.

Der Leser markierte einen Begriff — im Artikel oder im Paper-PDF. Clicked machte den Statistikbegriff „controlling for“ leicht verständlich:

In drei Stufen erklärt

Gleiche Fakten, anderer Vibe — Slang-Modus 😎

Die Clicked-Methode

●○○

Overview

Für eine Variable zu kontrollieren heißt, zwei Gruppen nur innerhalb passender Schichten eines dritten Faktors zu vergleichen und die Schichten dann so zusammenzusetzen, als hätten beide Gruppen dieselbe Mischung dieses Faktors. Der Faktor ist einer, der das Ergebnis von sich aus treibt, etwa das Alter bei Sterberaten. 2024 verzeichnete die CDC 977 Todesfälle pro 100.000 Menschen in Florida und 614 in Utah, also sieht Floridas Rate 59 % höher aus. Florida hat eine der ältesten Bevölkerungen der USA und Utah eine der jüngsten, und ältere Menschen sterben überall mit höheren Raten, also ist ein Großteil dieser Lücke eine Lücke im Alter. Vergleiche jede Altersgruppe mit derselben Altersgruppe, gib dann beiden Staaten eine Standard-Altersmischung, und die Raten werden 644 für Florida und 715 für Utah. Dieses zweite Paar ist, was „altersadjustiert“ bedeutet: Niemand wurde entfernt, beide Staaten bekamen dieselben Alter. Die Methode erreicht nur die Faktoren, die jemand gemessen hat. Erst die Schichten abgleichen, dann beiden Seiten dieselbe Mischung geben.
●○○

Overview

Für eine Variable zu kontrollieren ist, wie du zwei Gruppen vergleichst, wenn ein drittes Ding den Wettbewerb heimlich manipuliert. Du stellst die Gruppen Schicht für Schicht nach diesem dritten Ding auf, vergleichst Schicht mit Schicht, gibst dann beiden Gruppen dieselbe Mischung aus Schichten und liest je eine Zahl ab. Nimm die Sterberaten der CDC von 2024: Florida 977 pro 100.000, Utah 614, also sieht Florida 59 % tödlicher aus. Nur ist Florida einer der ältesten Staaten nach Alter und Utah einer der jüngsten, und hohes Alter ist das größte Sterberisiko, egal wo du wohnst. Gib beiden Staaten dieselben Alter, und es steht Florida 644, Utah 715, also liegt Utah jetzt 11 % vorn. Mehr heißt „altersadjustiert“ nicht. Niemand wurde gelöscht, die Alter wurden gleichgestellt. Ein Haken, und zwar ein großer: Du kannst nur für die Dinge adjustieren, die sich jemand zu messen gemüht hat. Gleiche Schichten, gleiche Mischung, dann vergleichen. 😎

Die Kurzfassung — oft reicht sie schon.

●●○

Detail

Für eine Variable zu kontrollieren bedeutet, zwei Gruppen innerhalb passender Schichten eines dritten Faktors zu vergleichen und die Schichten dann mit einer gemeinsamen Mischung wieder zusammenzusetzen, sodass dieser Faktor den Unterschied nicht erklären kann. Der dritte Faktor ist eine Störvariable (etwas, das sowohl das Verglichene als auch das Ergebnis treibt), und Kontrolle ist die Reparatur, die nach der Datenerhebung angewandt wird. Die Zahlen der CDC für 2024: Florida verzeichnete 977 Todesfälle pro 100.000 Menschen und Utah 614, und altersadjustiert liegt Florida bei 644 und Utah bei 715. Die Rechnung hinter dem zweiten Paar läuft so, in zwei Schichten. Sagen wir, in einem Staat sterben die Menschen unter 65 mit 2 pro 1.000 im Jahr und die über 65 mit 40 pro 1.000, und 40 % seiner Menschen sind über 65. Seine rohe Rate ist 0,6 × 2 plus 0,4 × 40, also 17,2 pro 1.000. Ein zweiter Staat hat etwas schlechtere Schichten, 2,5 und 45, aber nur 10 % über 65, also ist seine rohe Rate 0,9 × 2,5 plus 0,1 × 45, also 6,75. Roh sieht der erste Staat zweieinhalbmal so tödlich aus, obwohl er in beiden Schichten sicherer ist. Jetzt gib beiden dieselbe Mischung, sagen wir 20 % über 65. Der erste Staat wird 0,8 × 2 plus 0,2 × 40, also 9,6. Der zweite wird 0,8 × 2,5 plus 0,2 × 45, also 11. Die gemeinsame Mischung ist eine Konvention: Die CDC nutzt die US-Bevölkerung von 2000 für jeden Staat und jedes Jahr. Kontrolle ist keine Kontrollgruppe, und sie ist kein kontrolliertes Experiment, bei dem der Faktor festgehalten wird, bevor die Daten existieren. Sie scheitert auf zwei Arten. Sie erreicht nur Faktoren, die jemand gemessen hat, also bleibt ein Faktor, den niemand aufgeschrieben hat, im Vergleich. Und für etwas zu kontrollieren, das die Ursache selbst hervorbringt, entfernt einen Teil des Effekts. Frag, ob Salz Herzinfarkte verursacht, und kontrolliere dabei für den Blutdruck, und der Weg über den Blutdruck, über den Salz seinen Schaden anrichtet, wird abgezogen. Wenn ein kontrollierter Vergleich in die Gegenrichtung des rohen zeigt, wie bei Florida und Utah, heißt diese Umkehrung Simpson-Paradoxon. Arbeiten, die für zehn Faktoren zugleich kontrollieren, tun dasselbe mit einem Modell namens Regression.
●●○

Detail

Für eine Variable zu kontrollieren ist, zwei Gruppen zu vergleichen und dabei einen dritten Faktor auf beiden Seiten gleich zu zwingen, nachdem die Zahlen da sind. Dieser dritte Faktor ist, was Statistiker eine Störvariable nennen (er drückt auf das Ergebnis und unterscheidet sich zwischen deinen Gruppen), und Kontrolle ist die Reparatur, die du mit Rechnungen anwendest, wenn die Daten schon existieren. Hier die Rechnung, zwei Schichten auf einmal. Stadt A: Leute unter 65 sterben mit 3 pro 1.000, Leute über 65 mit 50, und 50 % der Stadt sind über 65. Rohe Rate: 0,5 × 3 plus 0,5 × 50, also 26,5. Stadt B: 4 und 60, schlechter in beiden Schichten, aber nur 15 % über 65. Rohe Rate: 0,85 × 4 plus 0,15 × 60, also 12,4. Nach den rohen Zahlen scheint A doppelt so tödlich wie B, obwohl A in jeder Schicht sicherer ist, weil A älter ist. Dann gib beiden Städten dieselbe Altersmischung, nimm 30 % über 65. A: 0,7 × 3 plus 0,3 × 50, also 17,1. B: 0,7 × 4 plus 0,3 × 60, also 20,8. B ist schlechter, was die ganze Zeit wahr war. Die 30 % sind eine Konvention, und die echte in der US-Sterbestatistik ist die Altersmischung des ganzen Landes im Jahr 2000, angewandt auf jeden Staat. Nicht zu verwechseln mit einer Kontrollgruppe oder einem kontrollierten Experiment, bei dem du den Faktor festlegst, bevor du irgendetwas sammelst. Es beißt an zwei Stellen. Es funktioniert nur bei Faktoren, die du gemessen hast, also ist alles, was niemand aufgeschrieben hat, noch drin. Und du kannst für das Falsche kontrollieren: Prüf, ob Salz zu Herzinfarkten führt, und kontrolliere für den Blutdruck, und du hast die Route gelöscht, die Salz tatsächlich nimmt, also sieht Salz unschuldig aus. Wenn die adjustierten Zahlen in die andere Richtung zeigen als die rohen, so wie bei Florida und Utah, hat dieser Umschwung einen Namen, Simpson-Paradoxon. Und die Studien, die für ein Dutzend Faktoren auf einmal „kontrolliert“ haben, nutzten ein Modell, Regression, das dieselbe Rechnung für das ganze Dutzend in einem Durchgang macht. 😎

Mehr? Ein Klick geht tiefer.

●●●

Analogy

Für eine Variable zu kontrollieren bedeutet, zwei Dinge innerhalb passender Bedingungen zu vergleichen und dann mit einer festen Mischung zusammenzusetzen, und der Verbrauchsaufkleber auf einem Neuwagen ist genau das, per Vorschrift. Ein Auto schafft vielleicht 25 Meilen pro Gallone in der Stadt und 40 auf der Autobahn. Teste zwei Autos mit dem Fahrprofil, das ihre Tester gerade so hatten, und das meist auf Autobahnen gefahrene gewinnt für nichts. Also misst das Etikett jedes Auto unter beiden Bedingungen und kombiniert sie mit einer Mischung für alle: 55 % Stadt und 45 % Autobahn, die Regel der EPA für jeden Aufkleber. Die kombinierte Zahl ist der Verbrauch des Autos, kontrolliert für die Art der Straße, und die kombinierten Zahlen zweier Autos lassen sich vergleichen, weil keines die leichteren Straßen bekommen hat. Die kombinierte Zahl ist keine Vorhersage für deinen eigenen Tank, denn deine Straßenmischung ist nicht 55/45. Sie ist ein fairer Vergleich, und das ist alles, was Kontrolle je liefert. Hier bricht das Bild: Kontrolliere beim Vergleich zweier Autos für die Größe des Motors, und du hast genau das weggekürzt, was eines von ihnen durstiger macht, und das ist der Fehler, für etwas zu kontrollieren, das die Ursache hervorbringt.
●●●

Analogy

Für eine Variable zu kontrollieren heißt, auszugleichen, was zwei Gruppen unfair trennt, bevor du sie vergleichst, und deine Stromrechnung macht das jeden Monat. Verglichen mit der ganzen Straße siehst du furchtbar aus: 900 kWh gegen einen Straßendurchschnitt von 700, also 29 % drüber. Der Versorger vergleicht dich nicht mit der Straße. Er vergleicht dich mit Haushalten deiner Größe mit derselben Heizung, und die liegen im Durchschnitt bei 1.000, also bist du 10 % drunter. Dieselbe Zählerablesung, zwei Urteile. Das zweite hat für Hausgröße und Heizung kontrolliert, denn der Straßendurchschnitt war in Wahrheit ein Vergleich von Hausgrößen, und du wohnst in einem großen. Der Haken: Das freundlichere Urteil hat die Messlatte verändert, nicht deinen Verbrauch, also ist die Rechnung dieselbe. Wo es auseinanderfällt: Würde der Versorger dich auch noch mit Haushalten vergleichen, die die Heizung gleich viele Stunden laufen lassen, würde er für genau das kontrollieren, was deinen Verbrauch nach oben treibt, und alle kämen durchschnittlich heraus. 😎

Neues Konzept? Ein Alltagsbeispiel macht’s greifbar — neue Analogien auf Knopfdruck.

KI-Erklärungen können Fehler enthalten · Keine professionelle Beratung

Formale Definition — Derselbe Begriff, wie er sonst erklärt wird

Für eine Variable kontrollieren (statistische Adjustierung) bezeichnet das analytische Entfernen des Einflusses einer Kovariate aus einem Vergleich, sodass der geschätzte Zusammenhang zwischen Exposition und Ergebnis nicht auf Unterschiede in dieser Kovariate zwischen den Gruppen zurückführbar ist. Die einfachste Form ist die Schichtung (Stratifizierung): Der Vergleich wird innerhalb von Schichten der Kovariate vorgenommen, und die schichtspezifischen Ergebnisse werden mit einem gemeinsamen Satz von Gewichten kombiniert. Die direkte Standardisierung wendet die schichtspezifischen Raten jeder Gruppe auf eine Standardbevölkerung an; die altersadjustierten Sterberaten der USA nutzen die US-Standardbevölkerung von 2000 (CDC/NCHS: Florida 2024 rohe Rate 977,2 und altersadjustierte Rate 643,5 pro 100.000; Utah 613,6 und 715,0). Die multivariable Regression verallgemeinert das Verfahren auf mehrere Kovariaten zugleich. Adjustierung erfasst nur gemessene Confounder, und die Adjustierung für einen Mediator (eine Variable auf dem Kausalpfad) oder einen Collider führt Verzerrung ein, statt sie zu entfernen (Überadjustierung). Sie ist zu unterscheiden von einem kontrollierten Experiment, in dem Kovariaten auf der Designstufe konstant gehalten oder durch Randomisierung ausgeglichen werden.

Soll Clicked Begriffe wie „controlling for“ direkt in deinem Browser erklären – auch in PDFs?

Zu Chrome hinzufügen — Kostenlos

50 kostenlose Erklärungen · Keine Kreditkarte nötig