Definition und Schätzung kausaler Effekte in Latent-State-Trait-Modellen (CaST)

• Antragsteller: Professor Tobias Koch, Ph.D.; Professor Dr. Manuel Voelkle
• Fachliche Zuordnung: Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 523691032

Die LST-Theorie (Latent State Trait) ist eine der einflussreichsten Theorien zur Untersuchung von Veränderungs- und Variabilitätsprozessen von psychologischen Merkmalen. LST-Modelle ermöglichen es Wissenschaftler:innen, Merkmalsveränderungen und Variabilitätsprozesse auf flexible und vielseitige Weise zu untersuchen. Zentrale, aber bislang ungelöste Fragen betreffen die Bedingungen, unter welchen LST-Modelle kausal interpretiert und aus Beobachtungsdaten geschätzt werden können. Das Projekt betrachtet die Frage der kausalen Inferenz in LST-Modellen aus drei Blickwinkeln: a) statistische versus kausale Modelle, b) zeitdiskrete versus zeitstetige Modelle) und c) stochastische versus graphbasierte (Steyer‘sche vs. Pearl’sche) Kausaltheorie. Der Beitrag des Projekts liegt in einer systematischen und umfassenden Untersuchung der Frage, wie kausale Effekte von zeitvariierenden Variablen, zeitstabilen Variablen sowie deren Interaktionen auf Merkmalsveränderungen und Variabilitätsparameter in zeitdiskrekten und zeitstetigen Latent-State-Trait-Modellen mit autoregressiven Effekten definiert und geschätzt werden können. Neben der theoretischen Weiterentwicklung werden die neu entwickelten LST-Modelle in Simulationsstudien und realen Datenanwendungen umfassend untersucht.

• DFG-Verfahren: Sachbeihilfen