Skip to content

GCRI · Labs

Kausale Inferenz für Pilotprojekte

Kausale Inferenz trennt, was eine Intervention bewirkt, von dem, was sie lediglich begleitet. In Labore und Pilotvorhaben prägt sie das Design: Randomisierung, wo es möglich ist, glaubwürdige Vergleiche, wo nicht, und in beiden Fällen ausdrückliche Annahmen. So wird aus einem Pilotvorhaben die Evidenz dafür, dass eine Innovation wirkt, für wen und unter welchen Bedingungen.

02Antrag

Was Kausalinferenz und Wirkungsevaluation hier leistet.

Kausale Inferenz und Wirkungsevaluation entwickeln Methoden, um zu bestimmen, ob und wie Interventionen oder Expositionen Ergebnisse verursachen. Sie trennen echte Wirkungen von Korrelation. In Forschung und Evidenz, Methoden und Modellierung sowie Innovation zeigt kausale Inferenz, welche Maßnahmen zur risikominderung tatsächlich wirken. Sie unterstützt die Zuweisung von Ressourcen zu Interventionen mit nachgewiesener Wirkung über verbundene Risiken hinweg. Die maßgebliche Beschreibung findet sich auf die STEM Commons.

Randomisierte Pilotprojekte und schrittweise Einführung

Where an innovation reaches sites in sequence, the order is randomised so early and late sites form a comparison, with the design and analysis registered beforehand.

Quasi-experimental programme evaluation

Difference-in-differences, regression discontinuity or synthetic control designs estimate effects where randomisation was not possible, with placebo tests to probe their assumptions.

Transporting effects from pilot to scale

Causal diagrams state which features of the pilot site an effect depends on, so planners can judge whether a new site shares them before expecting the same result.

03Monitoring

Wirkungsevaluation.

Die Ansicht, die ein Team nutzen würde, um diese Methode zu verfolgen: ihre Messgrößen, Zustände und Entscheidungen. Namen sind Beispiele, Werte sind illustrativ.

Wirkungsevaluierung

Labs · Kausale Inferenz für Pilotvorhaben · Lauf R-7061

Parallel trends holdGCRI · Labs

Ereignisstudie

Methodenkarte

Methode
Kausale Inferenz und Wirkungsevaluation
Entwurf
Differenz-von-Differenzen
Einheiten
196
Kennzeichnung
MODELLIERT

Robustheitsprüfungen

Hauptspezifikation0.06Ja
Frühe Anwender ausschließen0.26Ja
Synthetische Kontrolle0.12Ja
Impact evaluation: the screen’s structure, terms and states for Labs.Example names and illustrative values; a design, not a record or a live system.
04Daten

Was die Methode verwendet.

Datensätze und Aufzeichnungen, die Kausalinferenz und Wirkungsevaluation auf dieser Plattform verwenden, mit der jeweiligen Rolle und der Kennzeichnung ihrer Werte. Die Quellen sind im dem Quellenregister.

DatenRolleKennzeichnung
Ergebnisdaten aus Versuchen und PilotprojektenEffektschätzungBEOBACHTET
VerwaltungsdatenErgebnisse und Kovariaten für VergleichsgruppenVeröffentlichte Statistiken
Registrierte VoranalysepläneFixing estimands and testsDEKLARIERT
Site characteristic surveysHeterogenität und ÜbertragbarkeitBERICHTET
05Methoden und Evidenz

Wie kausale Inferenz für Pilotvorhaben modelliert, gemessen und getestet wird.

Das Modell, seine Annahmen, seine Daten und seine Unsicherheit in der Form, in der eine Wissenschaftlerin oder ein Ingenieur sie prüfen würde. Die Strukturen folgen veröffentlichten Methoden. Die dargestellten Werte sind illustrativ, keine Befunde.

Modell, Gleichungen und Annahmen

The model structure used for causal inference for pilots, the assumptions it makes and how each is tested.

Risiko des Elements iRi = f(Hi, Ei, Vi, Ci)Gefahr, Exposition, Verwundbarkeit und Bewältigungskapazität
Erwarteter jährlicher SchadenEAL = ∑k pk · Lkover events k with annual probability pk
Gekoppelte Systemext+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
AnnahmeWarum es entstehtWie es geprüft wird
Gefahr und Exposition sind innerhalb eines Ereignisses unabhängigHält das Schadensintegral berechenbarMit einer Copula-Anpassung an gemeinsamen Aufzeichnungen vergleichen
Kopplungen sind nahe dem Arbeitspunkt linearLässt Schocks sich über A ausbreitenÜber den linearen Bereich hinaus stören und vergleichen
Vulnerabilitätskurven lassen sich zwischen Orten übertragenLokale Kurven sind selten verfügbarAnhand beobachteter Schäden validieren, wo es sie gibt
Eingaben
versionierte Datensätze mit Herkunftsnachweis
Ergebnisse
Verteilungen, nie einzelne Zahlen
Code
mit Modellkarte und Tests veröffentlicht
Reproduktion
gleiche Daten, Code, Umgebung und Seed
Standardformulierungen für Risiko und Zustandsraum; die aufgeführten Annahmen sind für die Methode typisch und zur Prüfung benannt, keine Ergebnisse.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Validierung

Wie Ergebnisse geprüft werden.

Identifikationsannahmen werden durch Placebotests, Falsifikationsprüfungen und Sensitivitätsanalyseüberprüft. Replikation in unterschiedlichen Kontexten prüft die externe Validität.

PrüfenWie es gemacht wird
Balance- und VortrendprüfungenVergleichsgruppen werden vor der Behandlung auf Ähnlichkeit geprüft
Placebo- und FalsifikationstestsEffects are sought where none should exist
Sensitivity to unobserved confoundingDie Analysen geben an, wie stark ein verborgener Störfaktor sein müsste, um die Schlussfolgerung zu ändern
Replication across sitesEffekte werden in unabhängigen Kontexten neu geschätzt, bevor sie verallgemeinert werden

Unbeobachtete Störfaktoren und Spillover-Effekte können Schätzungen verzerren. In einem Kontext gefundene Effekte lassen sich möglicherweise nicht auf einen anderen übertragen.

07Verfahren

Wie der Prozess abläuft.

Process explorer · Process

Kausale Inferenz für Pilotprojekte: Berichterstattung nach PRISMA 2020 für Übersichtsarbeiten

10 steps4 stages

Verfahren

Kausale Inferenz für Pilotprojekte: Berichterstattung nach PRISMA 2020 für Übersichtsarbeiten

PRISMA 2020 ist eine Berichtsleitlinie für systematische Reviews; die Schritte folgen ihrer Checkliste, nicht einer vorgeschriebenen Abfolge, und kein Nexus-Dokument übernimmt sie.

  1. 01 Plan

    1. 01Registrierung und ProtokollNachweis · Das PrüfteamDie Leitlinie verlangt Angaben zur Registrierung, Zugang zum Protokoll und alle Änderungen.
    2. 02EignungskriterienNachweis · Das PrüfteamDie Leitlinie verlangt die Ein- und Ausschlusskriterien und wie Studien gruppiert wurden.
  2. 02 Finden und auswählen

    1. 03Suche: Quellen und StrategienSchritt · Das PrüfteamDie Leitlinie verlangt die Informationsquellen und die vollständigen Suchstrategien. Sie legt nicht fest, welche Quellen genutzt werden.
    2. 04Auswahl der StudienSchritt · Das PrüfteamDie Leitlinie verlangt, wie Studien als geeignet beurteilt wurden, einschließlich der Zahl der prüfenden Personen beim Screening. Sie legt die Zahl der prüfenden Personen nicht fest.
    3. 05FlussdiagrammEintragDas Flussdiagramm zeigt die Zahl der gefundenen Datensätze, die Zahl der eingeschlossenen Studien und die Gründe für den Ausschluss.
  3. 03 Analysieren

    1. 06DatenerhebungSchritt · Das PrüfteamDie Leitlinie verlangt, wie Daten aus Berichten erhoben wurden und welche Datenelemente gesucht wurden.
    2. 07VerzerrungsrisikoSchritt · Das PrüfteamDie Leitlinie verlangt die Methoden und Werkzeuge zur Bewertung des Verzerrungsrisikos.
    3. 08SyntheseModell · Das PrüfteamDie Leitlinie verlangt die Effektmaße und die Synthesemethoden. Sie schreibt keine Metaanalyse vor.
    4. 09Gewissheit der EvidenzSchritt · Das PrüfteamDie Leitlinie verlangt die Methoden zur Bewertung der Vertrauenswürdigkeit und berichtet das Ergebnis je Endpunkt. Sie nennt keine Bewertungsskala.
  4. 04 Bericht

    1. 10PrüfberichtEintragDie Leitlinie hilft Autorinnen und Autoren zu berichten, warum der Review durchgeführt wurde, was sie getan und was sie gefunden haben.

ReportsOutline of an externally published reporting guideline, not a Nexus process and not a record of operation. PRISMA 2020 mainly covers reviews of intervention effects. No Nexus page names it. Every programme is at service level R0.

09Treuhänderschaft

Wer die Methode pflegt.

Wirtschaftliche Entwicklung ist Sachwalter für Kausalinferenz und Wirkungsevaluation im Konsortium und prüft, wie sie plattformübergreifend angewendet werden.

11Fragen

Fragen und Antworten.

Wo liegen in diesem Fachgebiet die Grenzen von Kausalinferenz und Wirkungsevaluation?
Unbeobachtete Störfaktoren und Spillover-Effekte können Schätzungen verzerren. In einem Kontext gefundene Effekte lassen sich möglicherweise nicht auf einen anderen übertragen.
Wie werden Ergebnisse geprüft?
Identifikationsannahmen werden durch Placebotests, Falsifikationsprüfungen und Sensitivitätsanalysen untersucht. Replikation über verschiedene Kontexte hinweg prüft die externe Validität.
Sind die Werte auf dieser Seite echt?
The data names, roles and checks are real descriptions of practice. The canvas shows a design of the method’s use, not a run; no result is reported here.
Wo wird diese Methode sonst angewandt?
Das kanonische Methodenseite listet jede Plattform auf, die sie anwendet.
BerichteBeitragen

Evidenz von dieser Seite aus beitragen.

Reports ist die vierteljährliche Publikation des Konsortiums. Was Sie über dieses Thema wissen, kann in der nächsten Ausgabe zu Evidenz, einem Fall oder einer Korrektur werden, Ihnen zugeschrieben und unter CC BY 4.0 veröffentlicht, soweit es Ihr eigenes Werk ist.

GCRILaboreLabs-EvidenzMethoden und Technik
Labore

Bringen Sie eine Methode, einen Datensatz oder eine Frage mit.

Information und Anfragen sind heute offen. Eine Anfrage erhält ein Aktenzeichen und nennt den nächsten Schritt; Bewerbungen, Zahlungen, Rechenzuteilungen und Registrierungen öffnen erst, wenn Team, Bedingungen und Prüfkapazität bestehen.