Daten sprechen nicht für sich selbst, erst vor dem Hintergrund ihrer Geschichte (Datengenerierender Prozess) können korrekte Schlussfolgerungen gezogen werden. Durch Elemente der Kausalen Inferenz können scheinbar paradoxe Phänomene, aber auch Verzerrungen in Daten, erklärt werden. In diesem Einstiegskurs werden die Grundlagen der Kausalen Inferenz anhand von Kausalen Diagrammen erklärt.

• Potential Outcome und Counterfactual
• Kausale Effekte und Verzerrungen
• Directed Acyclic Graphs als Mittel zur Beschreibung des datengenerierenden Prozesses
• Unterschiedliche Ebenen der Datenanwendung und ihre Voraussetzungen

Bei Abschluss des Kurses sind Sie in der Lage...

• die Voraussetzungen für kausale Schlüsse zu benennen,
• die grundlegenden Bestandteile der graphischen Modellierung des datengenerierenden Prozesses aufzuzeigen,
• Quellen von Bias in einfachen Beispielen zu identifizieren,
• eigene Beispiele für die unterschiedlichen Ebenen der Datenanwendungen zu entwickeln,
• gründlich über Korrelation und Kausalität nachzudenken.

Keine

Dieser Kurs wurde mit Unterstützung von Tabea Griesenbeck (wissenschaftliche Mitarbeit) und Lucie Liu (Editing, Postproduktion) erstellt.