Verzerrung durch ausgelassene Variablen

Was versteht man unter Verzerrung durch ausgelassene Variablen?

Von einer Verzerrung durch ausgelassene Variablen (englisch: Omitted Variable Bias, kurz OVB) spricht man, wenn ein Regressionsmodell eine oder mehrere relevante Einflussvariablen nicht enthält – und diese fehlenden Variablen gleichzeitig mit der vorhandenen erklärenden Variablen und der abhängigen Variablen zusammenhängen. In diesem Fall ist der geschätzte Regressionskoeffizient verzerrt, das heißt er gibt nicht mehr den wahren kausalen Effekt wieder.

Formal lässt sich das so beschreiben: Angenommen, das wahre Modell lautet:

Wird die Variable jedoch nicht ins Modell aufgenommen, schätzt man stattdessen nur:

Der geschätzte Koeffizient ist dann verzerrt, wenn mit korreliert ist. Die Richtung und Stärke der Verzerrung hängen davon ab, wie stark diese Korrelation ist und welchen eigenen Effekt auf hat.

Warum ist Verzerrung durch ausgelassene Variablen für statistische Analysen wichtig?

OVB ist eines der zentralen Probleme in der empirischen Forschung, weil es stille Fehler erzeugt: Das Modell rechnet und liefert Ergebnisse – aber die Schätzwerte sind systematisch falsch. Im Gegensatz zu zufälligen Fehlern, die sich im Durchschnitt aufheben, bleibt eine Verzerrung auch bei sehr großen Stichproben bestehen.

Besonders kritisch ist OVB, wenn man kausale Aussagen treffen möchte. Wer beispielsweise den Effekt eines Trainingsprogramms auf den Lohn untersucht, muss sicherstellen, dass wichtige Drittvariablen – wie Bildungsniveau, Berufserfahrung oder Motivation – entweder kontrolliert oder anderweitig berücksichtigt werden. Fehlen sie, ist unklar, ob der gemessene Effekt tatsächlich auf das Training zurückgeht oder auf diese nicht erfassten Faktoren.

Um OVB zu vermeiden oder zu reduzieren, gibt es verschiedene Strategien:

• Kontrollvariablen ins Modell aufnehmen, sofern sie messbar sind
• Instrumentalvariablen-Schätzung, wenn eine relevante Variable nicht beobachtet werden kann
• Paneldatenmodelle mit fixen Effekten, um zeitkonstante unbeobachtete Heterogenität auszuschalten
• Randomisierte Experimente, bei denen die Zuweisung zur Behandlung zufällig erfolgt und damit Drittvariablen keine Rolle spielen

Praxisbeispiel zu Verzerrung durch ausgelassene Variablen

Eine Forscherin möchte untersuchen, ob Kinder aus kleineren Schulklassen bessere Testergebnisse erzielen. Sie regressiert die Testpunkte auf die Klassengröße – und findet einen negativen Zusammenhang: Größere Klassen, schlechtere Ergebnisse.

Was sie jedoch nicht berücksichtigt: Der sozioökonomische Status der Schülerinnen und Schüler. In wohlhabenden Vierteln sind Klassen oft kleiner (mehr Ressourcen, mehr Schulen) – und die Kinder schneiden gleichzeitig besser ab, weil sie zu Hause mehr Unterstützung erhalten. Der sozioökonomische Status korreliert also sowohl mit der Klassengröße als auch mit den Testergebnissen.

Nimmt die Forscherin den sozioökonomischen Status als Kontrollvariable ins Modell auf, verringert sich der gemessene Effekt der Klassengröße deutlich – oder verschwindet sogar ganz. Das zeigt: Der ursprüngliche Koeffizient war verzerrt, weil eine wichtige Variable fehlte.