Kvasi-eksperiment (Norsk)

Den første delen av å lage en kvasi-eksperimentell design er å identifisere variablene. Den kvasiuavhengige variabelen vil være x-variabelen, variabelen som manipuleres for å påvirke en avhengig variabel. «X» er vanligvis en grupperingsvariabel med forskjellige nivåer. Med gruppering menes to eller flere grupper, for eksempel to grupper som mottar alternative behandlinger, eller en behandlingsgruppe og en ikke-behandlingsgruppe (som kan gis placebo – placebo brukes oftere i medisinske eller fysiologiske eksperimenter). Det forutsagte utfallet er den avhengige variabelen, som er y-variabelen. I en tidsserieanalyse observeres den avhengige variabelen over tid for eventuelle endringer som kan finne sted. Når variablene er identifisert og definert, bør en prosedyre implementeres og gruppeforskjeller undersøkes.

I et eksperiment med tilfeldig oppgave har studienhetene samme sjanse for å bli tildelt en gitt behandlingstilstand. . Som sådan sikrer tilfeldig oppgave at både eksperiment- og kontrollgruppene er likeverdige. I en kvasi-eksperimentell design er tildeling til en gitt behandlingstilstand basert på noe annet enn tilfeldig oppgave. Avhengig av typen kvasi-eksperimentell design, kan forskeren ha kontroll over tildelingen til behandlingstilstanden, men bruker noen andre kriterier enn tilfeldig oppgave (f.eks. En cutoff score) for å bestemme hvilke deltakere som får behandlingen, eller forskeren har kanskje ingen kontroll over behandlingsforholdsoppgaven og kriteriene som brukes for tildelingen kan være ukjent. Faktorer som kostnad, gjennomførbarhet, politiske bekymringer eller bekvemmelighet kan påvirke hvordan eller hvis deltakere blir tildelt en gitt behandlingsforhold, og som sådan er kvasi-eksperimenter underlagt bekymringer angående intern gyldighet (dvs. kan resultatene av eksperimentet være brukes til å gjøre en årsaksslutning?).

Kvasi-eksperimenter er også effektive fordi de bruker «pre-post testing». Dette betyr at det blir gjort tester før data blir samlet inn for å se om det er noen som forvirrer eller om noen deltakere har visse tendenser. Da blir selve eksperimentet gjort med posttestresultater registrert. Disse dataene kan sammenlignes som en del av studien, eller før-testdataene kan inkluderes i en forklaring på de faktiske eksperimentelle dataene. Kvasieksperimenter har uavhengige variabler som allerede eksisterer som alder, kjønn, øyenfarge. Disse variablene kan enten være kontinuerlige (alder) eller de kan være kategoriske (kjønn). Kort sagt, naturlig forekommende variabler måles innenfor kvasieksperimenter.

Det finnes flere typer kvasieksperimentelle design, hver med forskjellige styrker, svakheter og anvendelser. Disse designene inkluderer (men er ikke begrenset til):

• Forskjell i forskjeller (pre-post med-uten sammenligning)
• Ingen likeverdige kontrollgrupper design
  • ikke-behandling kontrollgruppedesign
  • ikke-like avhengige variabler design
  • fjernet behandlingsgruppedesign
  • gjentatte behandlingsdesign
  • omvendt behandling ikke-like kontrollgrupper design
  • kohortdesign
  • kun posttest design
  • regresjonskontinuitetsdesign
• Design for regresjonsdiskontinuitet
• Design for saksstyring
  • tidsseriedesign
  • design av flere tidsserier
  • avbrutt tidsseriedesign
  • propensity score matching
  • instrumental variables
• Panelanalyse

Av alle disse designene, regresjons diskontinuitetsdesign kommer nærmest den eksperimentelle designen, da eksperimentatoren opprettholder kontrollen over behandlingsoppgaven og den er kjent for å «yie ld et objektivt estimat av behandlingseffektene «.: 242 Det krever imidlertid et stort antall studiedeltakere og presis modellering av den funksjonelle formen mellom oppgaven og utfallsvariabelen, for å gi samme kraft som en tradisjonell eksperimentell design .

Selv om kvasi-eksperimenter noen ganger blir unngått av de som anser seg å være eksperimentelle purister (som får Donald T. Campbell til å mønstre begrepet «queasy experiment» for dem), er de eksepsjonelt nyttige i områder der det er ikke gjennomførbart eller ønskelig å gjennomføre et eksperiment eller randomisert kontrollforsøk. Slike tilfeller inkluderer å evaluere virkningen av endringer i offentlig politikk, pedagogiske inngrep eller storskala helseintervensjoner. Den primære ulempen med kvasi-eksperimentelle design er at de ikke kan eliminere muligheten for forvirrende skjevhet, noe som kan hindre ens evne til å trekke årsaksslutninger. Denne ulempen brukes ofte til å redusere kvasi-eksperimentelle resultater. Imidlertid kan slike skjevheter kontrolleres for å bruke ulike statistiske teknikker som multippel regresjon, hvis man kan identifisere og måle den eller de forvirrende variablene.Slike teknikker kan brukes til å modellere og delvis ut effektene av forvirrende teknikker for variabler, og derved forbedre nøyaktigheten av resultatene oppnådd fra kvasi-eksperimenter. Videre kan den utviklende bruken av tilbøyelighetspoengmatching for å matche deltakere på variabler som er viktige for behandlingsvalgsprosessen, også forbedre nøyaktigheten av kvasi-eksperimentelle resultater. Det er faktisk vist at data avledet fra kvasi-eksperimentelle analyser stemmer overens med eksperimentelle data i visse tilfeller, selv når forskjellige kriterier ble brukt. I sum er kvasi-eksperimenter et verdifullt verktøy, spesielt for den anvendte forskeren. På egen hånd tillater ikke kvasi-eksperimentelle design en å gjøre endelige årsaksslutninger; de gir imidlertid nødvendig og verdifull informasjon som ikke kan oppnås ved hjelp av eksperimentelle metoder alene. Forskere, spesielt de som er interessert i å undersøke anvendte forskningsspørsmål, bør gå utover den tradisjonelle eksperimentelle designen og benytte seg av mulighetene som ligger i kvasi-eksperimentelle design.