📊 statistics

Lord's 'paradox' explained: the 50-year warning on the use of 'change scores' in observational data

Diese Arbeit löst Lords 50 Jahre altes Paradoxon auf, indem sie zeigt, dass weder Vergleiche von Veränderungswerten noch Baseline-adjustierte Follow-up-Vergleiche verlässlich kausale Effekte in Beobachtungsdaten schätzen können, da beide durch unterschiedliche Biases beeinträchtigt sind, wodurch die kritische Notwendigkeit wohldefinierter Forschungsfragen und fortgeschrittener Methoden der kausalen Inferenz wie g-Methoden hervorgehoben wird.

Ursprüngliche Autoren: Peter W. G. Tennant, Georgia D. Tomova, Eleanor J. Murray, Kellyn F. Arnold, Matthew P. Fox, Mark S. Gilthorpe

Veröffentlicht 2026-01-27

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Peter W. G. Tennant, Georgia D. Tomova, Eleanor J. Murray, Kellyn F. Arnold, Matthew P. Fox, Mark S. Gilthorpe

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Rätsel: Zwei Statistiker, zwei Antworten

Stellen Sie sich vor, eine Universität möchte wissen, ob das Essen in der Mensa dazu führt, dass Studenten zunehmen, oder ob Jungen und Mädchen unterschiedlich viel Gewicht zunehmen. Sie wiegen alle im September (zu Beginn des Semesters) und erneut im Juni (am Ende des Semesters).

Sie engagieren zwei Statistiker, um die Daten zu analysen.

Statistiker A betrachtet die Differenz des Gewichts. Er sieht, dass Jungen und Mädchen im September im Durchschnitt gleich viel wogen und im Juni ebenfalls gleich viel wogen. Seine Schlussfolgerung: „Es hat sich nichts geändert. Die Ernährung und das Geschlecht spielen keine Rolle.“
Statistiker B betrachtet das Endgewicht, passt dieses jedoch an das Gewicht an, das die Studenten zu Beginn hatten. Er sieht, dass Studenten, die mit dem gleichen Gewicht starteten, am Ende schwerer waren als die Mädchen. Seine Schlussfolgerung: „Jungen nahmen signifikant mehr Gewicht zu als Mädchen, selbst wenn sie bei gleicher Ausgangsgröße starteten.“

Dies ist Lord's Paradox. Wie können zwei kluge Menschen dieselben Zahlen betrachten und zu völlig gegensätzlichen Schlussfolgerungen kommen?

Die Lösung der Arbeit: Es ist kein Paradoxon, es ist eine Falle

Die Autoren dieser Arbeit argumentieren, dass dies kein magisches Mysterium ist. Es ist eigentlich ein Warnsignal. Beide Statistiker verwenden Methoden, die bei Beobachtungsdaten (Daten, bei denen Menschen nicht zufällig Gruppen zugeordnet werden, wie etwa Jungen vs. Mädchen) fehlerhaft sind.

Die Arbeit erklärt, dass „Veränderung“ ein kniffliger Begriff ist. Um Veränderung zu verstehen, stellen Sie sich vor, eine Variable (wie das Gewicht) verändert sich aus drei verschiedenen Gründen:

Der „Gewohnheits“-Faktor (endogene Veränderung): Dinge, die automatisch passieren, weil man dort gestartet ist, wo man war. Wenn man bereits schwer ist, bleibt man vielleicht natürlich schwer oder nimmt einfach nur durch die bloße Existenz etwas zu.
Der „Rauschen“-Faktor (zufällige Veränderung): Zufällige Schwankungen, wie das Wiegen auf einer wackeligen Waage oder eine schlechte Nacht mit wenig Schlaf.
Der „Echte“ Faktor (exogene Veränderung): Der tatsächliche Effekt von etwas Neuem, wie der Diät oder der Exposition, die wir untersuchen.

Das Ziel: Wir wollen den „Echten“ Faktor messen. Wir wollen wissen: Hat die Diät tatsächlich die Gewichtsveränderung verursacht, unabhängig davon, wie schwer sie zu Beginn waren?

Warum Statistiker A scheiterte (Die „Differenz-Score“-Falle)

Statistiker A verwendete einen Differenz-Score (Change Score). Dies ist so etwas wie die Berechnung: Endgewicht - Startgewicht.

Die Analogie: Stellen Sie sich vor, Sie wollen sehen, wie sehr eine Pflanze gewachsen ist. Sie messen die Pflanze am Anfang und am Ende und ziehen dann den Anfangswert vom Endwert ab.

Das Problem: Wenn die „Exposition“ (wie das Geschlecht „Junge“) das Ausgangsgewicht beeinflusst hat, versagt diese Methode.
Die Erklärung der Arbeit: Wenn man das Startgewicht abzieht, zieht man versehentlich den Effekt der Exposition selbst ab. Wenn das „Junge-Sein“ dazu führt, dass man schwerer startet, und man dieses Startgewicht abzieht, hebt man im Grunde das zu Messende selbst auf („annulliert“ es).
Das Ergebnis: Statistiker A erhielt ein Ergebnis von „null Veränderung“, weil die Mathematik den realen Effekt herausgerechnet hat. Die Arbeit sagt, dass diese Methode in Beobachtungsstudien gefährlich ist, da sie oft die Wahrheit verbirgt oder sogar das falsche Ergebnis liefert (wie zum Beispiel zu behaupten, ein Medikament wirke, obwohl es das nicht tut, oder umgekehrt).

Warum auch Statistiker B fehlerhaft war (Die „Anpassungs“-Falle)

Statistiker B verwendete ANCOVA (Folgebeobachtung unter Berücksichtigung der Baseline). Dies ist so etwas wie zu sagen: „Lassen Sie uns Jungen und Mädchen vergleichen, aber nur, wenn sie mit exakt demselben Gewicht gestartet sind.“

Die Analogie: Stellen Sie sich vor, Sie wollen sehen, ob ein neuer Dünger wirkt. Sie betrachten zwei Pflanzen, die gleich groß sind. Aber Ihr Lineal ist leicht verbogen (Messfehler).

Das Problem: Im echten Leben sind unsere Messungen des „Startgewichts“ nicht perfekt. Sie enthalten „Rauschen“ (wie die wackelige Waage).
Die Erklärung der Arbeit: Wenn man versucht, einen Startwert anzupassen, der leicht fehlerhaft ist, wird die Mathematik kompliziert. Es neigt dazu, den Effekt zu überschätzen. Es sieht so aus, als hätten die Jungen mehr Gewicht zugenommen, als sie tatsächlich taten, weil das „Rauschen“ in der Startmessung die Anpassung verfälscht hat.
Das Ergebnis: Statistiker B fand einen großen Unterschied, aber die Arbeit legt nahe, dass dieser Unterschied übertrieben sein könnte, da Messfehler und andere verborgene Faktoren (wie die körperliche Aktivität) nicht berücksichtigt wurden.

Das Urteil: Eine 50-jährige Warnung

Die Arbeit kommt zu dem Schluss, dass keine der beiden Methoden perfekt für Beobachtungsdaten ist.

Differenz-Scores (Change Scores) (Statistiker A) neigen dazu, den Effekt zu unterschätzen oder zu verbergen, insbesondere wenn die Exposition den Ausgangspunkt beeinflusst.
Anpassungsmethoden (Statistiker B) neigen dazu, den Effekt aufgrund von Messfehlern und verborgenen Störfaktoren zu überschätzen.

Das „perfekte“ Szenario:
Die Arbeit stellt fest, dass, wenn dies eine randomisierte kontrollierte Studie wäre (wie eine Arzneimittelstudie, bei der Menschen zufällig Gruppen zugeteilt werden), beide Methoden gut funktionieren würden und dasselbe Ergebnis liefern würden. Das Paradoxon tritt nur in „beobachtenden“ Settings auf, in denen Gruppen (wie Jungen vs. Mädchen) bereits existieren und bereits vorbestehende Unterschiede aufweisen.

Das Fazit für alle

Die wichtigste Lektion dieses 50 Jahre alten Rätsels ist: Seien Sie sehr vorsichtig bei der Analyse von „Veränderungen“ in realen Daten.

Definieren Sie Ihre Frage klar: Was genau versuchen Sie zu messen?
Vertrauen Sie nicht auf einfache Subtraktion: Nur die Differenz zwischen „Vorher“ und „Nachher“ zu nehmen, ist oft irreführend, wenn die Gruppen unterschiedlich gestartet sind.
Vertrauen Sie nicht auf einfache Anpassungen: Ein einfacher „Abgleich“ des Startpunkts ist kein magisches Heilmittel, wenn Ihre Messungen unvollkommen sind oder wenn verborgene Faktoren (wie die Gewohnheit beim Sport) die Ergebnisse beeinflussen.

Die Arbeit bietet keine einzelne „Wunderwaffe“ für alle Situationen an, warnt aber Wissenschaftler davor, dass die zwei gängigsten Wege, Veränderung zu betrachten, oft in entgegengesetzte Richtungen verzerrt sind, was zu dem verwirrenden „Paradoxon“ führt, das wir in Lords Beispiel sehen.

Technische Zusammenfassung: Lords „Paradoxon“ erklärt: Die 50-jährige Warnung vor der Verwendung von „Differenzwerten“ in Beobachtungsdaten

Problemstellung
Frederick Lords 1967 formuliertes Dilemma, bekannt als Lords „Paradoxon“, verdeutlicht ein anhaltendes Problem in der beobachtenden Datenwissenschaft: Zwei scheinbar vernünftige statistische Ansätze zur Schätzung des Effekts einer Exposition auf die „Veränderung“ eines Ergebnisses können radikal unterschiedliche und manchmal sogar zeicheninkonsistente Ergebnisse liefern. Der erste Ansatz (Ansatz 1) vergleicht mittlere Differenzwerte (die Differenz zwischen dem Follow-up-Ergebnis und dem Baseline-Ergebnis, $\Delta Y = Y_1 - Y_0$ ) zwischen Expositionsgruppen. Der zweite Ansatz (Ansatz 2) vergleicht die Follow-up-Ergebnisse zwischen Gruppen unter Berücksichtigung des Baseline-Ergebnisses (z. B. die Analyse der Kovarianz, ANCOVA). Während in der Literatur lange debattiert wurde, ob diese Methoden unterschiedliche Fragen beantworten oder ob eine der beiden überlegen ist, argumentiert dieses Paper, dass das Paradoxon daraus entsteht, dass beide Methoden anfällig für distinkte, entgegengesetzte Bias-Effekte sind, wenn sie auf Beobachtungsdaten angewendet werden, in denen die Exposition nicht randomisiert ist.

Methodik und konzeptioneller Rahmen
Die Autoren lösen das Paradoxon, indem sie die Definition von „Veränderung“ dekonstruieren und die kausalen Pfade abbilden, die in longitudinalen Daten involviert sind. Sie schlagen vor, dass die Veränderung einer Variable über die Zeit ( $Y_1 - Y_0$ ) durch drei distinkte Komponenten getrieben wird:

Endogene Veränderung: Autokorrelation aus dem Baseline-Moment ( $Y_0$ ), welche vorbestimmte Prozesse repräsentiert.
Zufällige Veränderung: Transiente Zufallsvariation, einschließlich klassischer Messfehler.
Exogene Veränderung: Nicht-zufällige, nicht-endogene Veränderung ( $C_Y$ ), die potenziell durch Baseline-Variablen modifizierbar ist.

Die Autoren postulieren, dass der wahre Ziel-Estimand in den meisten kausalen Fragestellungen der Effekt einer Exposition ( $X$ ) auf die exogene Veränderung ist. Sie nutzen gerichtete azyklische Graphen (Directed Acyclic Graphs, DAGs), um zu illustrieren, wie die Beziehung zwischen der Exposition und dem Baseline-Ergebnis ( $Y_0$ ) den angemessenen Estimand bestimmt. Speziell wenn $X$ zu $Y_0$ führt (wie in Lords ursprünglichem Beispiel, in dem das Geschlecht das Ausgangsgewicht beeinflusst), ist das Ziel der kontrollierte direkte Effekt von $X$ auf $Y_1$ bei fixen Werten von $Y_0$ .

Um die Mechanik des Bias zu demonstrieren, leiten die Autoren die mathematische Beziehung zwischen den beiden Ansätzen ab. Sie zeigen, dass eine Differenzwert-Analyse effektiv einen Term $[1 - \beta_1]Y_0$ vom Follow-up-Ergebnis subtrahiert. In Beobachtungsszenarien, in denen $X$ mit $Y_0$ assoziiert ist, führt diese Subtraktion zu einem Bias, sofern nicht strikte Annahmen (parallele Trends und keine Antizipation) erfüllt sind. Im Gegensatz dazu versucht der Ansatz des Follow-ups unter Berücksichtigung der Baseline (ANCOVA), die exogene Veränderung zu isolieren, indem eine lineare Funktion von $Y_0$ subtrahiert wird. Dieser Ansatz ist jedoch anfällig für Bias, wenn $Y_0$ ungenau gemessen wird (was zu Regressionsdilution und inflierten Schätzungen führt) oder wenn die Beziehung nichtlinear ist.

Die Autoren validieren diese theoretischen Behauptungen durch simulierte Daten, die Lords ursprüngliches Szenario replizieren (Geschlecht, Ausgangsgewicht, Follow-up-Gewicht). Sie simulieren Szenarien mit und ohne transiente klassische Messfehler sowie zeitabhängige Konfundierung (körperliche Aktivität).

Kernergebnisse
Die Simulationsergebnisse und die theoretische Analyse führen zu folgenden Erkenntnissen:

Entgegengesetzte Biases: In Abwesenheit von Randomisierung produzieren die beiden Ansätze Schätzungen, die in entgegengesetzte Richtungen verzerrt sind. Differenzwert-Analysen neigen zu diluierten oder Null-Schätzungen (oder sogar Koeffizienten mit entgegengesetztem Vorzeichen), wenn die Exposition die Baseline-Variable verursacht oder von ihr verursacht wird. Analysen des Follow-ups unter Berücksichtigung der Baseline (ANCOVA) neigen zu inflatierten Schätzungen, wenn das Baseline-Ergebnis mit Messfehlern behaftet ist.
Die Rolle des Messfehlers: Eine ungenaue Messung des Baseline-Ergebnisses ist eine kritische Quelle für Bias beim ANCOVA-Ansatz. Die Autoren zeigen, dass die Verwendung mehrerer Messungen des Baseline-Werts diesen Bias reduzieren kann, ihn jedoch nicht vollständig eliminieren kann.
Zeitabhängige Konfundierung: Wenn eine zeitabhängige Konfundierung (z. B. körperliche Aktivität) existiert, die durch die Exposition verursacht wird und sowohl das Baseline- als auch das Follow-up-Ergebnis beeinflusst, versagt die einfache Konditionierung auf die Baseline. In solchen Fällen liefern Standard-ANCOVA- oder Differenzwertmodelle verzerrte Schätzungen, während g-Methoden (z. B. g-Computation) erforderlich sind, um den wahren kausalen Effekt zu rekonstruieren.
Äquivalenz unter spezifischen Bedingungen: Die Autoren stellen fest, dass Differenzwert-Analysen und Follow-up-Analysen unter Berücksichtigung der Baseline mathematisch äquivalent sind, wenn das Differenzwertmodell ebenfalls auf die Baseline konditioniert und dabei dieselben Annahmen gelten.

Bedeutung und Schlussfolgerungen
Das Paper kommt zu dem Schluss, dass Lords „Paradoxon“ keine statistische Kuriosität ist, sondern eine fundamentale Warnung hinsichtlich der Verwendung von Differenzwerten in Beobachtungsdaten darstellt. Die Autoren behaupten, dass keiner der beiden Ansätze universell „korrekt“ ist, um den Effekt einer Exposition auf die exogene Veränderung zu schätzen, ohne spezifische, oft nicht testbare Annahmen zu erfüllen.

Die primäre Bedeutung der Arbeit liegt in der Klärung, dass:

Differenzwerte im Allgemeinen ungeeignet für Beobachtungsdaten sind, in denen die Exposition das Baseline-Ergebnis beeinflusst (oder umgekehrt), da sie die exogene Veränderung aufgrund des inhärenten Bias im Subtraktionsterm nicht isolieren können.
ANCOVA kein Allheilmittel ist; es ist hochsensibel gegenüber Messfehlern in der Baseline-Variable und gegenüber zeitabhängiger Konfundierung.
Gut definierte Forschungsfragen essenziell sind. Forscher müssen klar definieren, ob sie an Gesamteffekten, direkten Effekten oder der exogenen Veränderung interessiert sind, und erkennen, dass Standard-„Veränderungsanalysen“ in nicht-randomisierten Settings oft daran scheitern, diese Ziele zu schätzen.

Die Autoren empfehlen, Differenzwert-Analysen primär für natürliche Experimente oder randomisierte Studien zu reservieren, bei denen die Exposition exogen ist. In Beobachtungsszenarien sollten Forscher gut definierte Kausalmodelle priorisieren, multiple Baseline-Messungen nutzen, um Messfehler zu mildern, und fortgeschrittene Methoden wie g-Methoden einsetzen, um zeitabhängige Konfundierung zu adressieren.