SAMENVATTING
ALLE
HOORCOLLEGES
Vak: Advanced Research Methods
Emma Caviet
1 oktober 2024
,Hoorcollege 1: Introduction to causal inference
Leerdoelen
- Leg de drie verschillende redenen uit om (statistische) verbanden te onderzoeken
- Leg de benadering van potentiële uitkomsten uit bij causale gevolgtrekking
- Pas deze benadering toe bij kritisch denken over causale effectschatting
- Definieer ‘causaal effect’
- Pas de concepten consistentie, positiviteit en exchangeability toe in
gerandomiseerde en observationele onderzoeken
Ontwikkelingen in kwantitatief onderzoek
1960-2010: Focus op statistische methoden
- Ontwikkeling van nieuwe technieken
- Verbeteringen in computers en software
- Standaardisatie van tests, focus op objectiviteit en repliceerbaarheid
- Nuttig en schadelijk
Sinds 2010: Statistiek is niet zo zwart-wit
- Causale theorie
- Welke (variabelen) moeten deel uitmaken van een kwantitatieve analyse?
- Statistiek gaat niet alleen over getallen
- Interpretatie: betekenis van resultaten hangt af van context (verdergaand dan p-
waarde < 0,05)
Waarom (statistische) verbanden onderzoeken?
1
,Er zijn verschillende manier waarop statistische associaties gebruikt kunnen worden.
1. Description: patroon van X naar Y
a. Bijvoorbeeld in 2024 waren er 150 HEPL studenten, afgelopen jaar waren dit
er 130. Dit is een patroon, afgelopen jaar minder en nu meer. Of bijvoorbeeld
coronagevallen vorig jaar en nu. Alle types met patronen zijn descriptive
statistics.
2. Prediction: Y given X
a. Je kunt het ook gebruiken om iets te voorspellen. Dus je wilt de uitkomst
voorspellen gebaseerd op bepaalde variabelen. Bijvoorbeeld of vrouwen
willen betalen voor een mammografie, waarbij als variabelen
karaktereigenschappen worden gebruikt. Zoals een Chinese vrouw, wonend
in de VS. Je focust je hier volledig op de uitkomst. Je wilt zo precies mogelijk
zijn.
3. Causal inference: Effect X on Y
a. Dit komt aan bod in deze lecture. Je bent niet voornamelijk geïnteresseerd in
de uitkomst, maar wat heeft invloed op de uitkomst. Je bent dus
geïnteresseerd in het effect van een variabele op de andere. Dus de grootte
van het effect, de relevantie en de richting van het effect. Je kunt causal
inference op 3 verschillende manieren doen:
i. Positivity
ii. Consistency
iii. Exchangeability
In dit vak wordt op causal inference gefocust, omdat we kritisch moeten zijn op wat we
lezen, zien en horen. Als we een beleidsrapport lezen, moeten we instaat zijn om kritisch
erover te denken. Is dit een valide conclusie, is dit een belangrijke conclusie, hebben ze alle
variabelen meegenomen die van invloed zijn, missen ze iets? Maar ook als je in het nieuws
kijkt, zie je allemaal causal claims die worden gemaakt, zoals:
Bijvoorbeeld: Viagra zou kunnen worden gebruikt om Alzheimer ziekte te behandelen. Of een
hond kan een medicijn zijn, maar is er dan wel goed onderzocht welke variabelen van invloed
zijn? Het is niet alleen de hond, maar er zitten mogelijk redenen bij dat je meer wandelt als je
een hond hebt en meer buiten komt.
2
, Voorbeeld van de foundation:
Een foundation beweert dat je een betere huid krijgt als je deze gebruikt. Reclame:
Proven clinical results: 70% less imperfections in 4 weeks.
True Match Minerals foundations tested
under dermatological control with 41 women.
Average reduction of the most visible imperfections linked to oily skin
Zou je deze dan nemen?
Nee, want het is een kleine sample-size (n = 41), studie is gedaan door een commercieel
bedrijf en er is geen controlegroep.
Maar is dit altijd een probleem?
- Kleine sample size
o Dat hangt af van de context. Als je een groep hebt van 41 en er gaat 1 iemand
dood, dan ben je blij dat je geen groep van 1.000 hebt en dat je dan riskeert
dat er meer levens zijn verloren. Het hoeft dus geen probleem te zijn, maar
het hangt af van waar je naar opzoek bent en wat je wilt
- Studie is gedaan door een commercieel bedrijf
o Het is niet verplicht, maar het is wel handig om het nog eens extra te checken
als het door bijvoorbeeld een commercieel bedrijf is gefinancierd. Hoe is dit
gedaan. Welke overeenkomst hebben de onderzoekers met het bedrijf.
Mogen ze ook negatieve bevindingen delen.
- Geen controlegroep
o Dit is een probleem! Want essentiële data mist. Je weet niet wat er met de
mensen was gebeurd als ze geen foundation hadden gebruikt. Als je ze de
foundation niet hadden gebruikt, misschien was hun huid dan ook over tijd
wel verbeterd. Zoals je ook vaak ziet met ziektes, die verbeteren over tijd.
o Potentiële regressie tot het gemiddelde: bijvoorbeeld als je heel lang bent als
ouder, dan kun je je kind ook lang verwachten, maar je zult zien dat het kind
waarschijnlijk een gemiddelde lengte zal hebben.
Bij causale gevolgtrekking:
We zijn niet geïnteresseerd in de uitkomst (Y) per se (d.w.z. 70% minder imperfecties).
We zijn geïnteresseerd in de rol van de behandeling (X) bij het bereiken van deze uitkomst
(d.w.z. zouden er zonder True Match Minerals-poeder minder huidimperfecties zijn
geweest?)
Conclusie:
we hebben die informatie niet
er kan geen causal claim worden gemaakt in de L’Oreal study
Dus, ze kunnen de claim eigenlijk niet maken.
3
