VIII Experimentelle und quasi-experimentelle Designs
VIII Experimentelle und quasi-experimentelle Designs Varianzkontrolle für die abhängige Variable Bestimmung von Vergleichsgruppen Modus für die Auftei...
VIII Experimentelle und quasi-experimentelle Designs Varianzkontrolle für die abhängige Variable Bestimmung von Vergleichsgruppen Modus für die Aufteilung der Versuchspersonen Vergleichsgruppen bestimmen durch die unabhängige Variable
Aufteilung
vor
Erhebung
nach
Experimentelles Design - Survey
1
Zufall ex post factum
1
Vorexperimentelle Designs
Bsp: Klatscht fortwährend in die Hände „Ich vertreibe die Elefanten“ „Es sind doch keine da“ „Eben!“
Fehlende Kontrollgruppe XO Beobachtung nur für X - ohne Kontrollgruppe X O
Frage der Wirksamkeit des Stimulus nicht beantwortbar
Bsp.: Skiunfälle - Churer Zeitung: „Deutsche Skifahrer rasen, sie sind zu 55% an den Unfällen beteiligt - so die Statistik des Kantonsspitals“ Fiktiv Skiunfall ja nein
D
FL
andere
Summe
4950
40
3960
8950
550
10
440
1000
5500
50
4440
9950
Die Tabelle erklärt, wie die Daten vollständig aussehen könnten Zusätzliches Problem: Selektionsfehler 2
Etwa könnten deutsche Risikofahrer besonders gerne nach F fahren. Design falscher Vergleichswerte Bsp: Tempolimit verringert Unfallgefährdung? Unfälle
Tempo 100
Tempo 200
nein
?
?
ja
100
10
Vergleich mit der Manchester-Diskussion: Zusammenhang Bildung und Kriminalität XO Varianz der unabhängigen Variable = 0 falsche Vergleichswerte .... der abhängigen Variablen = 0
3
Vorher-Nachher-Design 0 1 X 02 In der Physik gut in SoWi: Reifungsprozesse! Wie hätte sich die untersuchte Gruppe ohne X „entwickelt“ Bsp: 01 Leistung vor einem Programm 02 nachher dazwischen Stimulus X Etwa: Spezielles Förderprogramm für schwächer Begabte im Alter von 5; zweite Messung im Alter von 6 Reifungsprozeß: Das Kind hätte sich vielleicht sowieso entwickelt
4
2
Experimentelle Designs
Eigenschaften Mindestens 2 experimentelle Gruppen Vp nach Zufall zugeteilt Unabhängige Variable vom Forscher festgelegt (Stimulus) Design mit Randomisierung R R R
| X 01 | 02
VG KG
Blind - doppelblind Manchmal: KG = andere Behandlung Denkmuster: Unterschied 01 - 02 ist Meßkriterium für Erfolg „signifikant“: dieser Unterschied liegt über der Schwelle der Zufallsschwankungen Randomisieren der Vpn neutralisiert Drittvariablen Insgesamt: Der beobachtete Unterschied kann durch Zufall nicht erklärt werden kann durch Drittvariable nicht erklärt werden ist auf die Behandlung - die unabhängige Variable - zurückzuführen.
5
Bsp: Effekt eines Berufsfortbildungsprogramms auf die Beschäftigungschance von Arbeitslosen Ohne R X
01 02
VG (Kurs) KG
Höhere Wiederbeschäftigung 01 in VG zeigt Erfolg des Programms? Selektionsfaktoren Z! Etwa: Motivation etc. X + Z
Korrelation (X, O) groß! + O
Mit R - Randomisierung zur Kontrolle von Drittvariablen R R
|X |
01 02
VG KG
Bsp: 80 Anmeldungen für den Kurs, zufällige Auswahl für die 50 vorhandenen Plätze
6
Fehlerquellen - durch Randomisierung nicht beseitigbar
1)
Mit Kurs X eine Variable Y konfundiert, die nicht durch R neutralisierbar Bsp: Y die Regelmäßigkeit des Tagesablaufs, die durch X bestimmt wird
2) 3) Reaktivität der Auswahl bzw. der Messung Bewußtsein „ausgewählt“, „wiss. Erforscht“ Entmutigt durch Nicht-Auswahl 4)
Schlechte Aufteilung durch Zufall Zufall spielt auch verrückt
7
Vermeidung spezieller Fehlerquellen
R R
| 01 | 03
X
02 04
vorher-nachher; VG KG
Lerneffekte durch Vorher-Messung? Design nach Solomon: R R R R
| 01 | 03 | |
X X
02 04 05 06
bei positivem kausalem Einfluß: zu erwarten: 02 >01 02 >04 05 >06 05 >03
8
Simultane Wirkung mehrerer Faktoren Bsp: Frontalunterricht gegen Gruppenunterricht; bei 3 verschiedenen Klassengrößen 2x3
Versuchsgruppen Gibt es Unterschiede in der Art des Unterrichts Gibt es Zusammenhänge: Etwa wirkt Gruppenunterricht nur in kleinen Klassen?
k x l - faktorielles Design Untersuchung der Wirkung verschiedener Programme Interaktionen
9
Vor- und Nachteile experimenteller Designs Vorteile: Stimulus wird VOR Wirkung produziert Randomisierung neutralisiert Drittvariable Nachteile: Generalisierbarkeit experimenteller Effekte Labor - soziales Leben? Reaktivität Aufwand Leistung von experim. Designs: Kontrolle von Störfaktoren
10
4
Quasi-Experimente und Evaluationsforschung
Quasi-Experimente . Experimente ohne Randomisierung Bei Evaluation von sozialen Maßnahmen oft Zufallsaufteilung nicht möglich Drittvariablen daher nicht neutralisiert Typen: Designs mit nicht gleichartiger KG Zeitreihenexperimente
11
Quasi-Experimente mit nicht gleichartiger KG 01 03
X
02 04
Maßnahmengruppe KG
Kriterium Im R-Design: hier:
02 gegen 04 0 2 - 01 gegen 04 - 03
Kontrolliert: Reifungseffekte zwischenzeitliches Geschehen Größerer Zuwachs in VG deutet auf Erfolg des Programms?
Probleme Nicht-Vergleichbarkeit der Gruppen etwa Selbstselektion Systematischer Ausfall von Probanden Bsp: es melden sich motivierte Kinder eher für das Förderprogramm Leistungsschwächere in VG brechen das Programm eher ab verzerren 02 nach oben
Abhilfe Matching (gruppen- oder paarweise) Kontrolle von Drittvariablen nachher durch statistische Verfahren Einflußvariablen durch Design oder durch Rechnung gleich gesetzt Herstellen von vergleichbaren „Zwillingen“
Keine Hilfe: für Variable, die beim Matching Bei der Datenerhebung nicht erfaßt Bsp: Matching nach Geschlecht, Leistung und Sozialstatus Was ist mit „Motivation“?
13
Regressionseffekt Vorher-Messungen: 01 < 03 starke Unterschiede dann ist ein Regressionseffekt zu erwarten: VG 0 geht hinauf KG 0 geht hinunter Regression zur Mitte
Bsp: Schulische Fördermaßnahme X Schüler
vorher
Programm
nachher
VG
schlechtesten
5
X
5,4,3
KG
besten
1
1,2,3
Es kann nur besser bzw. schlechter werden! 0 2 - 01 0 4 - 03
< Null > Null
Verbesserung Verschlechterung
Kontrolle von Regressionseffekten mit Zeitreihendesign 01 02 03 04
X
05 0 6
07 08
orientiert über Trend und Fluktuation vor und nach Behandlung kontrolliert Regressionseffekt und Reifung
14
Zeitreihen-Experimente 01 02 03 04
X
05 0 6
07 08
Problem: Trennen von langfristigem Trend und kurzfristigem Effekt von Maßnahmen
Bsp: Schwarzfahren in Hamburg Maßnahme „Erhöhung des Bußgeldes von DM 20 auf DM 40" 4/97
März 98 X
1,12
4/98 0,84
% Schwarzfahrer
Rückgang von 0,28%-Punkten bedeutet bei 400 Mio Beförderungen eine Verringerung von 1,12 Mio. Maßnahme erfolgreich?
Aber: 75
76
77
78
79
0,96
0,88
1,12
0,84
0,96
Im Peak der natürlichen Fluktuation wäre vielleicht jede andere Maßnahme genauso wirksam gewesen. Abhilfe: KG 15