준 실험

준 실험 디자인을 만드는 첫 번째 부분은 변수를 식별하는 것입니다. 준 독립 변수는 종속 변수에 영향을주기 위해 조작되는 변수 인 x- 변수입니다. “X”는 일반적으로 수준이 다른 그룹화 변수입니다. 그룹화는 대체 치료를받는 두 그룹 또는 치료 그룹과 무 치료 그룹 (위약을 투여 할 수 있음)과 같은 둘 이상의 그룹을 의미합니다. 위약은 의료 또는 생리 학적 실험에서 더 자주 사용됩니다. 예측 결과는 y- 변수 인 종속 변수입니다. 시계열 분석에서 종속 변수는 발생할 수있는 모든 변화에 대해 시간이 지남에 따라 관찰됩니다. 변수가 식별되고 정의되면 절차를 구현하고 그룹 차이를 조사해야합니다.

무작위 할당 실험에서 연구 단위는 주어진 치료 조건에 할당 될 확률이 동일합니다. . 따라서 무작위 할당은 실험 그룹과 컨트롤 그룹이 모두 동등하다는 것을 보장합니다. 유사 실험 설계에서 주어진 치료 조건에 대한 할당은 무작위 할당 이외의 것에 기반합니다. 준 실험 설계의 유형에 따라 연구원은 치료 조건에 대한 할당을 제어 할 수 있지만 무작위 할당 이외의 기준 (예 : 컷오프 점수)을 사용하여 치료를받는 참가자를 결정하거나 연구자가 치료를받지 못할 수도 있습니다. 처리 조건 할당 및 할당에 사용 된 기준에 대한 제어를 알 수 없습니다. 비용, 타당성, 정치적 관심사 또는 편의와 같은 요인은 참가자가 주어진 치료 조건에 배정되는 방식 또는 여부에 영향을 미칠 수 있으며, 따라서 준 실험은 내부 타당성에 대한 우려의 대상이 될 수 있습니다 (즉, 실험 결과가 인과 적 추론에 사용 되었습니까?).

준 실험은 “사전 사후 테스트”를 사용하기 때문에 효과적입니다. 이는 데이터를 수집하기 전에 어떤 사람이 혼란스러워하는지 또는 참가자가 특정 경향을 가지고 있는지 확인하기 위해 수행되는 테스트가 있음을 의미합니다. 그런 다음 실제 실험은 사후 테스트 결과를 기록하여 수행됩니다. 이 데이터는 연구의 일부로 비교하거나 사전 테스트 데이터를 실제 실험 데이터에 대한 설명에 포함 할 수 있습니다. 준 실험에는 나이, 성별, 눈 색깔과 같이 이미 존재하는 독립 변수가 있습니다. 이러한 변수는 연속 형 (연령)이거나 범주 형 (성별) 일 수 있습니다. 간단히 말해, 자연적으로 발생하는 변수는 준 실험 내에서 측정됩니다.

각기 다른 강점, 약점 및 응용 프로그램을 가진 여러 유형의 준 실험 설계가 있습니다. 이러한 디자인에는 다음이 포함되지만 이에 국한되지는 않습니다.

• 차이점 차이 (비교없이 사전 게시)
• 비동 등 제어 그룹 디자인
  • 무 치료 대조군 설계
  • 비동 등 종속 변수 설계
  • 제거 된 치료군 설계
  • 반복 치료 설계
  • 역 치료 비동 등 대조군 설계
  • 코호트 설계
  • 사후 테스트 전용 설계
  • 회귀 연속성 설계
• 회귀 불연속 설계
• 케이스 제어 설계
  • 시계열 설계
  • 다중 시계열 설계
  • 중단 된 시계열 설계
  • 성향 점수 일치
  • 도구 변수
• 패널 분석

이러한 모든 설계 중에서 회귀 불연속 설계 실험자가 처리 할당에 대한 제어를 유지하고 “예”로 알려져 있기 때문에 실험 설계에 가장 가깝습니다. ld 치료 효과의 편향되지 않은 추정 “. : 242 그러나 전통적인 실험 설계와 동일한 힘을 산출하기 위해 많은 수의 연구 참가자와 할당과 결과 변수 사이의 기능적 형태의 정확한 모델링이 필요합니다. .

자신을 실험적 순수 주의자라고 생각하는 사람들이 준 실험을 피할 수 있지만 (도널드 T. 캠벨이 “기분 좋은 실험”이라는 용어를 만들도록 유도), 이러한 실험은 이러한 실험이 필요한 분야에서 매우 유용합니다. 실험 또는 무작위 대조 시험을 수행하는 것이 실행 가능하지 않거나 바람직하지 않습니다. 이러한 사례에는 공공 정책 변경, 교육 개입 또는 대규모 건강 개입의 영향 평가가 포함됩니다. 유사 실험 설계의 주요 단점은 혼동 편향 가능성을 제거 할 수 없어 인과 적 추론을 도출 할 수있는 능력을 방해 할 수 있다는 것입니다.이 단점은 종종 유사 실험 결과를 할인하는 데 사용됩니다. 그러나 이러한 편향은 제어 할 수 있습니다. 혼동 변수를 식별하고 측정 할 수있는 경우 다중 회귀와 같은 다양한 통계 기법을 사용하기 위해.이러한 기술은 교란 변수 기술의 효과를 모델링하고 부분적으로 제거하는 데 사용할 수 있으므로 준 실험에서 얻은 결과의 정확도를 향상시킬 수 있습니다. 또한 치료 선택 과정에서 중요한 변수에 대한 참가자를 일치시키기 위해 성향 점수 매칭을 사용하는 방법을 개발하면 준 실험 결과의 정확성을 높일 수 있습니다. 다른 기준이 사용 된 경우에도 특정 경우. 요컨대, 준 실험은 특히 응용 연구자에게 귀중한 도구입니다. 그 자체로 유사 실험적 설계는 결정적인 인과 적 추론을 허용하지 않습니다. 그러나 그들은 실험 방법만으로는 얻을 수없는 필요하고 귀중한 정보를 제공합니다. 연구자들, 특히 응용 연구 질문을 조사하는 데 관심이있는 연구원은 기존의 실험 설계를 넘어서 준 실험 설계에 내재 된 가능성을 활용해야합니다.