Hallo, könnte jemand erklären, was der Unterschied zwischen Moderatorvariable und Confounder ist?
Am besten anhand eines Beispiels🥺
2 Antworten
Beide haben Einfluss auf das Ergebnis der Untersuchung, sie unterscheiden sich daher nicht in der Wirkung sondern dadurch, wie sie bei der Untersuchung behandelt/ berücksichtigt wurden.
Die Moderatorvariable steht oft im Zielkorridor der Untersuchung, ist also im Fokus. Bei einem bestimmten Medikament fielen die Wirkungsstudien sehr unterschiedlich aus, wobei bei statistischen Überprüfungen die ethnische Zugehörigkeit der Probanden eine Rolle zu spielen schien. Genauere Untersuchungen haben dann gezeigt, dass in der afroamerikanischen Bevölkerung eine Genvariante dominierte, bei der das Medikament wirkungslos war, während Weiße und Latino-amerikaner andere Varianten aufwiesen, bei denen das Medikament die erwartete Wirkung zeigte. Hier war die Gen-Variante in der ursprünglichen Untersuchung also ein Condfounder, eine nicht berücksichtige Störgröße.
Danach wurden alle verfügbaren Studien mit ihren Rohdaten in einer Metaanalyse bezüglich der ethnischen Zugehörigkeit (jetzt Moderationsvariable) untersucht und der Effekt eindrücklich bestätigt. Durch die Veränderung des Untersuchungsfokuses wurde also aus dem Confounder der neue Untersuchungsgegenstand.
Confounder beeinflussen dein Ergebnis, ohne dass du davor von dem Einfluss etwas gewusst hast. Wenn du die Confounder erfasst hast, kannst du sie per stratifizierter Auswertung identifizieren und anschließend durch statistische Gewichtung ihren Effekt eliminieren. Die Confounder stören deine Untersuchung, stehen aber nicht selbst im Mittelpunkt der Untersuchung.
Beispiel: Es gab eine große Untersuchung zu schädlichkeit von 3-Schicht-Arbeit (in der Chemischen Industrie). Verglichen wurden 3-Schicht-Arbeiter aus der Produktion (überwiegend Männlich, Durchschnittsalter 44 Jahre, Raucheranteil >80%) mit Büroarbeiter (Gleitzeit/Tagschicht) des gleichen Betriebes (70% weiblich, Durchschnittsalter 36 Jahre, Raucheranteil <20%). Zielgrößen waren Herzinfarkt und Schlaganfall). Die Rohdaten belgten die Schädlichkeit der 3-schichtigen Arbeit nachdrücklich und hochsignifikant. Aber Adjustiert für Geschlecht, Alter und Raucherstatus waren die Schichtarbeiter sogar gesünder als die Tagschichtler. Das überrascht nicht wirklich, weil Schichtarbeiter dort jährlich einen Checkup erhielten und bei Auffälligkeiten mit Blutdruck, Diabetes etc. aus dem Schichtdienst genommen wurden (sog. Healthy-Worker-Effekt). Die Confounder Geschlecht, Alter und Rauchen waren so dominant, dass die die eigentliche Moderatorvariable (Schichtarbeit) im Einfluss bei weitem Übertrafen.
Also, die beiden sind Dinge aus der Statistik und Forschungsmethodik.
Es dreht sich, im spezifischeren, um die Beziehung die zwei abhängige- und unabhängige Variablen (zwischeneinander) haben können.
Der Aspekt der Moderatorvariable beeinflusst dabei vor allem die Stärke und die Richtung dieser Beziehungen. Man kann also sagen, dass hier die (Rahmen-) Bedingungen der Beziehung festgelegt werden.
Ein Beispiel für dieses Interaktionsmodell könnte sein:
Angenommen, du untersuchst den Zusammenhang zwischen Stress (unabhängige Variable) und Leistung (abhängige Variable) bei der Arbeit. Die Beziehung könnte jedoch durch die Variable soziale Unterstützung moderiert werden.
Das bedeutet, dass der Zusammenhang zwischen Stress und Leistung, möglicherweise (bedingt durch die genannte Variable: (Soziale Unterstützung)) schwächer oder stärker ausfälllt. In diesem Fall ist die soziale Unterstützung eine Moderatorvariable.
Der Confounder (auch Störvariable genannt) jedoch stellt eine Variable dar die mit abhängigen und unabhängigen Variablen korreliert. Es kann also auch die Schlussfolgerung beeinträchtigt werden.
Was sie genau macht ist, dass sie zu z.B. irreführenden Interpretationen führen kann.
Ein Beispiel dafür wäre:
Angenommen, du untersuchst den Zusammenhang zwischen dem Konsum von Eiscreme (unabhängige Variable) und dem Anstieg der Badeunfälle (abhängige Variable). Wenn du nicht auf die Temperatur als Confounder achtest, könnte es zu einer falschen Schlussfolgerung kommen.
In heißen Sommermonaten steigt sowohl der Eiscreme-Konsum als auch die Anzahl der Badeunfälle.
Die Temperatur ist in dem Fall also eine Confounder Variable, die die Beziehung zwischen Eiscreme-Konsum und Badeunfällen stört.
Zusammenfassend beeinflusst ein Moderator die Stärke oder Richtung einer Beziehung, während ein Confounder eine Verzerrung in der Beziehung verursachen kann, wenn er nicht kontrolliert wird.