Vorexperimentelle und Experimentelle Designs

Barbara Werewka

Varianzkontrolle (Kerlinger 1976)

Bestimmung von Vergleichsgruppen

Modus der Aufteilung von Untersuchungspersonen auf die Vergleichsgruppen

Drei Klassen von Designs

Experimentelle Designs Quasi-experimentelle Designs Ex-post-facto Designs

Grundproblematik bei allen Designs: Neutralisierung eventuell verzerrender Effekte

von Drittvariablen

Vorexperimentelle Designs

Begriff geschaffen von Campbell und Stanley (1963)

Vorexperimentelle Designs genügen nicht wissenschaftlichen Anforderungen an die Methodik der Hypothesenprüfung

Dieser unzureichende Designtyp lässt mehrere Fehlerquellen gut erkennen

Prototyp eines vorexperimentellen Designs - XO Design

X – experimenteller StimulusO – Beobachtung : Messung einer abhängigen

Variable

Die Beobachtungen werden nur für eine Kategorie der abhängigen Variable registriert.

Es werden scheinbar Vergleiche suggeriert, die Angaben sind jedoch unvollständig.

Beispiele von XO - Designs

ADAC glaubt – schnelles Autofahren ist nicht gefährlich, denn die meisten Autounfälle ereignen sich bei moderaten Geschwindigkeiten.

Ein Reisemagazin rät, sich bei Autofahrten kurz vor dem Ziel besonders zu konzentrieren. Empfehlung basiert auf Statistik, wonach die meisten Unfälle im Umkreis von 30 Km Wohnort passieren.

„Spiegel“ berichtet, 50% der Verunglückten Skifahrer, die im Kantonspital Chur behandelt werden, sind Deutsche.

Beispiele von XO - Designs

Alle drei Beispiele beruhen auf einem gravierendem Denkfehler

Beim XO - Design ist die Varianz der unabhängigen Variable 0.

Damit lassen sich keine Zusammenhangshypothesen überprüfen und keine Effekte abschätzen.

Beispiele von XO - Designs

AutounfälleTempo

100 200ohne Unfall

mit Unfall

Frage: Ist die Unfallwahrscheinlichkeit bei Tempo 100 höher als bei Tempo 200?

? ?

100 10

9

Beispiele von XO - Designs Skiunfälle

Deutschland Lichtenstein Andere

nein 8950

ja 1000

5500 50 4440 9950

Frage: Ist die Unfallwahrscheinlichkeit der Liechtensteiner (20%) tatsächlich doppelt so hoch wie bei den Deutschen (10%)?

4950 40 3960

550 10 440

Experimentelle Designs Versuchs und Kontrollgruppen

Mindestens zwei experimentelle Gruppen werden gebildet

Randomisierung Die unabhängige Variable wird vom Forscher

„manipuliert“

R X O VersuchsgruppeR O Kontrollgruppe

Experimentelle Designs Versuchs und Kontrollgruppen

BlindversuchDen Versuchspersonen (Probanden) ist nicht bekannt, ob sie in der Versuchs- oder in der Kontrollgruppe sind bzw. die Probanden sind über die zu prüfende Hypothese nicht informiert

DoppelblindversuchZusätzlich zu den Probanden ist auch dem Versuchsleiter die zu prüfende Hypothese nicht bekannt bzw. auch er weiß nicht, ob er eine Versuchs- oder eine Kontrollgruppe leitet.

Experimentelle Designs

Mehrere Versuchsgruppen

Es gibt auch Experimente mit mehreren Versuchsgruppen. In diesen Fällen ist jede einzelne Gruppe zugleich Versuchsgruppe betreffend einen experimentellen Stimulus (X1,X2,..,Xn) und Kontrollgruppe im Verhältnis zu der anderen Versuchungsgruppen.

R X1 O1 Versuchsgruppe 1 R X2 O2 Versuchsgruppe 2. . .. . .Rn Xn On Versuchsgruppe n

Experimentelle Designs

Mehrere VersuchsgruppenBeispiel :

Überprüfung zweier oder mehrer unterschiedlichen Unterrichtsmethoden auf die Lernleistung von Schülern.

R - Zufallsverfahren bei der Zuweisung der Schülerinnen und Schüler (Probanden) auf die Versuchsgruppen

X1,X2,Xn – die unterschiedlichen Unterrichtsmethoden (experimentelles Stimulus)

O1,O2,On – die unterschiedlichen Lernergebnisse der Schülerinnen und Schüler (Beobachtungen)

Scheinkorrelation

Die Beobachtung (O) ist nur scheinbar Ergebnis bzw. Auswirkung des experimentellen Stimulus X. Tatsächlich hat der unbekannte Drittfaktor Z das Ergebnis (die Beobachtung) herbeigeführt.

+ X (experimentelle Stimulus)

Z(Unbekannte Drittfaktor)

+ O (Beobachtung)

Scheinkorrelation

Beispiel: Berufsfortbildungsprogramm für Arbeitslose (ohne Randomisierung)

Zu überprüfende Hypothese: Auswirkungen von Berufsfortbildungsprogrammen auf Wiederbeschäftigungschance.

X – Teilnehmer an BerufsfortbildungsprogrammO1 – Anteil der Wiederbeschäftigten Arbeitnehmer

mit FortbildungskursO2 - Anteil der Wiederbeschäftigten Arbeitnehmer

ohne Fortbildungskurs

Scheinkorrelation: Beispiel

X O1 (Versuchsgruppe) Arbeitslose mit BerufsfortbildungskursO2 (Kontrollgruppe) Arbeitslose ohne Berufsfortbildungskurs

Z (unbekannter Drittfaktor) : unterschiedliche Vor-Qualifikationen bzw. unterschiedliche Motivation der Probanden.

+ X Kursteilnahme

Z

+ O Beschäftigungschance

Scheinkorrelation: Beispiel

Beispiel: Berufsfortbildungsprogramm für Arbeitslose (mit Randomisierung)

R X O1 (Versuchsgruppe mit Kurs, Beschäftigungschance)R O2 (Versuchsgruppe ohne Kurs, Beschäftigungschance)

Durch die Randomisierung bei der Ziehung von Versuchs- und Kontrollgruppen wird der unbekannte Drittfaktor Z ausgeschlossen. Nunmehr lässt sich eine Korrelation zwischen Fortbildungskurs und Beschäftigungschance herstellen.

Weitere Fehlerquellen und deren Ausschluss

Variable Y, die trotz Randomisierung nicht neutralisiert werden kann

Hawthorne – Effekt, Verzerrung durch Reaktivität

Randomisierung verzerrt das Ergebnis

Bei geringen Fallzahlen kann die Randomisierung missglücken

Strategien zur Problemlösung

Variable Y : Weitere Experimente

Hawthorne – Effekt: Blind und Doppelblindversuche

Verzerrung durch Randomisierung: eher Ausnahme

Missglückte Randomisierung: Kombination von Randomisierung und

Matching

Interne und externe Validität

Interne Validität: Ausblendung von Störvariablen

Externe Validität: Generalisierbarkeit experimenteller Effekte

Vor- und Nachteile der experimentellen Designs

Vorteile: Der experimentelle Stimulus wird im Experiment „produziert“

und geht der vermuteten Wirkung zeitlich voraus. Neutralisierung von Drittvariablen.

Nachteile: Das Problem der externen Validität Das Problem der Reaktivität Hoher Aufwand bei simultaner Prüfung praktischen oder ethischen Gründen als Hindernisse bei

Durchführung.

Experimentelle Spieltheorie

„mamihlapinatapai“ („Jeder erwartet von jemand anderem, daß dieser etwas tut, was alle wünschen, aber keiner bereit ist zu tun“)Verantwortungsdiffusion/FreiwilligendilemmaExperiment von Darley und Latané (1968) (Diekmann, S. 304ff)

Versuchsanordnung

Hypothese: „Je größer die Zahl der Zuschauer in einer Hilfeleistungssituation, desto geringer die (individuelle) Wahrscheinlichkeit dass eine bestimmte Person Hilfe leistet“

Vorgespieltes Experiment „Diskussion über das College-Leben“

2er, 3er, 6er Gruppen von Studenten (wobei immer nur 1 Versuchsperson war, die Anderen eingeweihte Mitarbeiter)

Diskussion über Mikrofone in getrennten Räumen Notsituation wurde vorgetäuscht (epileptischer Anfall) Aufzeichnung der Reaktionen der Versuchspersonen

Ergebnis

2er Gruppe (85 % Wahrsch. Hilfe) 3er Gruppe (62 % WH) 6er Gruppe (31 % WH)

Quasi-Experimente

Definition: „Versuchsanordnungen die dem Vorbild des Experimentes nahe kommen und der experimentellen Logik folgen, jedoch nicht die strengen Anforderungen an das experimentelle Design erfüllen.“ (Diekmann, S.309)

Quasi-Experimente

größter Unterschied zum Experiment Es wird auf die Randomisierung (d. h. die zufällige Zuteilung

von Versuchspersonen in Versuchs- oder Kontrollgruppe) verzichtet.

Grund: die Zufallszuteilung ist in vielen Fällen (vor allem in Feldforschung) nicht möglich. Die Gruppenaufteilung erfolgt nach natürlich vorhandenen Merkmalen.

2 Hauptvertreter Vorher-Nachher-Messung mit Versuchs- und Kontrollgruppe

(„Förderunterricht“) Zeitreihen-Experiment („Schwarzfahrer“)

Vorteile von Quasi-Experimenten

Eignet sich besonders für Untersuchungen im natürlichen Umfeld (oft besser als Experimente)

Hohe externe Validität

Nachteile und Probleme von QU-E

Verzerrungseffekte durch Drittvariablen Selbstselektion Systematische Ausfälle

Regressionseffekte „statistische Tendenz zur Mitte“

Lösungsversuche

Gruppen-Matching / Paarweises Matching Nachträgliche Kontrolle on Drittvariablen durch

multivariate statistische Verfahren Zeitreihen-Experimente Aktive Überwachung der nicht kontrollierten

Störfaktoren Formulierung möglichst klarer Erwartungen an die

Daten

Prüfungsfragen

Erklären sie interne und externe Validität. Unterscheiden Sie das Konzept des Experiments

von der Ex-post-facto Methode Zeigen sie die Vor- und Nachteile der Quasi-

Experimente auf, sowie Problemlösungsmöglichkeiten