Analyse Heterogener Behandlungseffekte auf Basis von Modellen für Paneldaten

• Antragsteller: Dr. Christian Gische
• Fachliche Zuordnung: Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 554620660

In den letzten Jahrzehnten wurden formale Methoden vorgeschlagen, die es unter bestimmten Bedingungen ermöglichen, aus Beobachtungsdaten Ursache-Wirkungs-Beziehungen abzuleiten. Zu den bekanntesten Kausalmodellen gehören Graphen-basierte Kausalmodelle und das Neyman-Rubin Kausalmodell. Panel-Designs sind für die kausale Inferenz von besonderem Interesse, da sie die zeitliche Abfolge von Ursache-Wirkungs-Beziehungen berücksichtigen und Rückschlüsse auf personenspezifische Behandlungseffekte ermöglichen. Die Literatur in den Verhaltenswissenschaften und der Psychologie liefert wichtige erste Erkenntnisse in Bezug auf drei zentrale Herausforderungen bei der kausalen Inferenz aus Paneldaten: unbeobachtete gemeinsame Ursachen, unbeobachtete Personenheterogenität und die Unterscheidung von kausalen Effekten innerhalb und zwischen Personen. Die meisten dieser Erkenntnisse beschränken sich jedoch auf lineare und additive Paneldatenmodelle. Diese Modelle bilden die komplexen Mechanismen, die dem menschlichen Verhalten zugrunde liegen, jedoch häufig nur unzureichende ab. So können beispielsweise Situationen, in denen sich Behandlungseffekte zwischen Personen unterscheiden, nicht ausreichend abgebildet werden. In diesem Projekt untersuchen wir die Klasse nichtlinearer und nichtadditiver Panelmodelle, mit einem besonderen Fokus auf die Potenziale für kausale Schlussfolgerungen. Diese Modelle ermöglichen es eine Vielzahl komplexer Kausalmechanismen, die im menschlichen Verhalten allgegenwärtig sind, angemessen einzubeziehen. So können beispielsweise (unbeobachtete) Heterogenität von Personen und Effekten, Interaktionen zwischen verschiedenen Ebenen und moderierte Mediation im Modell einbezogen und analysiert werden. Das übergeordnete Ziel des Projekts ist es, Forschenden flexible Werkzeuge zur Verfügung zu stellen, um personenspezifische kausale Effekte bei Vorhandensein unbeobachteter gemeinsamer Ursachen und Effektheterogenität abzuleiten. Um dieses Ziel zu erreichen, werde ich nach einem sechs Arbeitspakete umfassenden Plan vorgehen. Zunächst werden relevante kausale Effekte definiert (Arbeitspaket 1) und ich zeige, dass diese Effekte identifiziert sind (Arbeitspaket 2). Des Weiteren leite ich effiziente Schätzer für kausale Effekte ab (Arbeitspaket 3), welche in einem benutzerfreundlichen R-Paket mit dem Titel „causalSEM“ implementiert werden (Arbeitspaket 4). Um die vorgeschlagenen Methoden Forschenden mit unterschiedlichem Vorwissen auf dem Gebiet der quantitativen Verfahren zugänglich zu machen, diskutiere ich die dem Modell zugrunde liegenden kausalen Annahmen anschaulich und gut verständlich (Arbeitspaket 5). Zudem illustriere ich das Verfahren anhand einer empirischen Anwendung, die in einem leicht zugänglichen Stil verfasst ist (Arbeitspaket 6). Um Reproduzierbarkeit und Transparenz zu gewährleisten, veröffentlichen wir unsere Ergebnisse in internationalen Fachzeitschriften, die einen kostenlosen Online-Zugang gewährleisten.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Professor Dr. Manuel Voelkle