Cuasi-experimento

La primera parte de la creación de un diseño cuasi-experimental es identificar las variables. La variable cuasi independiente será la variable x, la variable que se manipula para afectar una variable dependiente. «X» es generalmente una variable de agrupación con diferentes niveles. Agrupación significa dos o más grupos, como dos grupos que reciben tratamientos alternativos, o un grupo de tratamiento y un grupo sin tratamiento (que puede recibir un placebo; los placebos se usan con más frecuencia en experimentos médicos o fisiológicos). El resultado previsto es la variable dependiente, que es la variable y. En un análisis de series de tiempo, la variable dependiente se observa a lo largo del tiempo para detectar cualquier cambio que pueda tener lugar. Una vez que se han identificado y definido las variables, se debe implementar un procedimiento y examinar las diferencias de grupo.

En un experimento con asignación aleatoria, las unidades de estudio tienen la misma probabilidad de ser asignadas a una condición de tratamiento determinada. . Como tal, la asignación aleatoria asegura que tanto el grupo experimental como el de control sean equivalentes. En un diseño cuasi-experimental, la asignación a una condición de tratamiento dada se basa en algo más que una asignación aleatoria. Dependiendo del tipo de diseño cuasiexperimental, el investigador puede tener control sobre la asignación a la condición de tratamiento pero usar algunos criterios distintos a la asignación aleatoria (por ejemplo, una puntuación de corte) para determinar qué participantes reciben el tratamiento, o el investigador puede no tener el control sobre la asignación de la condición de tratamiento y los criterios utilizados para la asignación pueden ser desconocidos. Factores como el costo, la viabilidad, las preocupaciones políticas o la conveniencia pueden influir en cómo o si los participantes son asignados a determinadas condiciones de tratamiento y, como tales, los cuasiexperimentos están sujetos a preocupaciones con respecto a la validez interna (es decir, ¿pueden los resultados del experimento ser utilizado para hacer una inferencia causal?).

Los cuasi-experimentos también son efectivos porque utilizan la «prueba pre-post». Esto significa que se realizan pruebas antes de que se recopilen datos para ver si hay alguna persona que confunda o si alguno de los participantes tiene ciertas tendencias. Luego, el experimento real se realiza con los resultados posteriores a la prueba registrados. Estos datos se pueden comparar como parte del estudio o los datos previos a la prueba se pueden incluir en una explicación de los datos experimentales reales. Los cuasi experimentos tienen variables independientes que ya existen, como la edad, el sexo, el color de ojos. Estas variables pueden ser continuas (edad) o categóricas (género). En resumen, las variables que ocurren naturalmente se miden dentro de cuasi experimentos.

Hay varios tipos de diseños cuasi-experimentales, cada uno con diferentes fortalezas, debilidades y aplicaciones. Estos diseños incluyen (pero no se limitan a):

• Diferencia en las diferencias (pre-post con-sin comparación)
• Diseño de grupos de control no equivalentes
  • diseños de grupos de control sin tratamiento
  • diseños de variables dependientes no equivalentes
  • diseños de grupos de tratamiento eliminados
  • diseños de tratamientos repetidos
  • grupos de control no equivalentes de tratamiento invertido diseños
  • diseños de cohortes
  • diseños solo posteriores a la prueba
  • diseños de continuidad de regresión
• diseño de discontinuidad de regresión
• Diseño de casos y controles
  • diseños de series de tiempo
  • diseño de series de tiempo múltiples
  • diseño de series de tiempo interrumpidas
  • coincidencia de puntuación de propensión
  • variables instrumentales
• Análisis de panel

De todos estos diseños, el diseño de regresión discontinua se acerca más al diseño experimental, ya que el experimentador mantiene el control de la asignación del tratamiento y se sabe que «yie ld una estimación no sesgada de los efectos del tratamiento «.: 242 Sin embargo, requiere un gran número de participantes en el estudio y un modelo preciso de la forma funcional entre la asignación y la variable de resultado, a fin de producir el mismo poder que un diseño experimental tradicional .

Aunque los cuasi-experimentos a veces son rechazados por quienes se consideran puristas experimentales (lo que llevó a Donald T. Campbell a acuñar el término «experimentos mareados» para ellos), son excepcionalmente útiles en áreas donde No es factible o deseable realizar un experimento o ensayo de control aleatorio. Tales instancias incluyen la evaluación del impacto de cambios de políticas públicas, intervenciones educativas o intervenciones de salud a gran escala. El principal inconveniente de los diseños cuasiexperimentales es que no pueden eliminar la posibilidad de sesgo de confusión, que puede obstaculizar la capacidad de uno para extraer inferencias causales. Este inconveniente se utiliza a menudo para descartar resultados cuasiexperimentales. Sin embargo, dicho sesgo puede controlarse por utilizar diversas técnicas estadísticas, como la regresión múltiple, si se pueden identificar y medir las variables de confusión.Estas técnicas se pueden utilizar para modelar y parcializar los efectos de las técnicas de variables de confusión, mejorando así la precisión de los resultados obtenidos de los cuasi-experimentos. Además, el uso creciente de la correspondencia de puntajes de propensión para emparejar a los participantes en variables importantes para el proceso de selección del tratamiento también puede mejorar la precisión de los resultados cuasiexperimentales. ciertos casos, incluso cuando se utilizaron diferentes criterios. En resumen, los cuasiexperimentos son una herramienta valiosa, especialmente para el investigador aplicado. Por sí mismos, los diseños cuasi-experimentales no permiten hacer inferencias causales definitivas; sin embargo, brindan información necesaria y valiosa que no se puede obtener únicamente con métodos experimentales. Los investigadores, especialmente aquellos interesados en investigar cuestiones de investigación aplicada, deben ir más allá del diseño experimental tradicional y aprovechar las posibilidades inherentes a los diseños cuasiexperimentales.