Quasi-Experiment (Deutsch)

Der erste Teil der Erstellung eines quasi-experimentellen Designs besteht darin, die Variablen zu identifizieren. Die quasi unabhängige Variable ist die x-Variable, die Variable, die manipuliert wird, um eine abhängige Variable zu beeinflussen. „X“ ist im Allgemeinen eine Gruppierungsvariable mit unterschiedlichen Ebenen. Gruppierung bedeutet zwei oder mehr Gruppen, z. B. zwei Gruppen, die alternative Behandlungen erhalten, oder eine Behandlungsgruppe und eine Gruppe ohne Behandlung (denen ein Placebo verabreicht werden kann – Placebos werden häufiger in medizinischen oder physiologischen Experimenten verwendet). Das vorhergesagte Ergebnis ist die abhängige Variable, die die y-Variable ist. In einer Zeitreihenanalyse wird die abhängige Variable über die Zeit auf eventuelle Änderungen untersucht. Sobald die Variablen identifiziert und definiert wurden, sollte ein Verfahren implementiert und Gruppenunterschiede untersucht werden.

In einem Experiment mit zufälliger Zuordnung haben Studieneinheiten die gleiche Chance, einer bestimmten Behandlungsbedingung zugeordnet zu werden . Daher stellt die zufällige Zuordnung sicher, dass sowohl die Versuchsgruppe als auch die Kontrollgruppe gleichwertig sind. In einem quasi-experimentellen Design basiert die Zuordnung zu einer bestimmten Behandlungsbedingung auf etwas anderem als einer zufälligen Zuordnung. Abhängig von der Art des quasi-experimentellen Designs hat der Forscher möglicherweise die Kontrolle über die Zuordnung zum Behandlungszustand, verwendet jedoch andere Kriterien als die zufällige Zuordnung (z. B. einen Cutoff-Score), um zu bestimmen, welche Teilnehmer die Behandlung erhalten, oder der Forscher hat möglicherweise keine Die Kontrolle über die Zuordnung der Behandlungsbedingungen und die für die Zuordnung verwendeten Kriterien ist möglicherweise unbekannt. Faktoren wie Kosten, Durchführbarkeit, politische Bedenken oder Zweckmäßigkeit können Einfluss darauf haben, wie oder ob die Teilnehmer bestimmten Behandlungsbedingungen zugeordnet werden. Quasi-Experimente unterliegen daher Bedenken hinsichtlich der internen Validität (dh können die Ergebnisse des Experiments sein verwendet, um eine kausale Schlussfolgerung zu ziehen?).

Quasi-Experimente sind auch effektiv, weil sie den „Pre-Post-Test“ verwenden. Dies bedeutet, dass Tests durchgeführt werden, bevor Daten gesammelt werden, um festzustellen, ob Personen verwirrt sind oder ob Teilnehmer bestimmte Tendenzen haben. Dann wird das eigentliche Experiment mit aufgezeichneten Ergebnissen nach dem Test durchgeführt. Diese Daten können im Rahmen der Studie verglichen werden, oder die Daten vor dem Test können in eine Erklärung für die tatsächlichen experimentellen Daten aufgenommen werden. Quasi-Experimente haben bereits vorhandene unabhängige Variablen wie Alter, Geschlecht, Augenfarbe. Diese Variablen können entweder kontinuierlich (Alter) oder kategorisch (Geschlecht) sein. Kurz gesagt, natürlich vorkommende Variablen werden in Quasi-Experimenten gemessen.

Es gibt verschiedene Arten von quasi-experimentellen Designs mit jeweils unterschiedlichen Stärken, Schwächen und Anwendungen. Diese Designs umfassen (ohne darauf beschränkt zu sein):

• Unterschiede in den Unterschieden (vor und nach dem Vergleich ohne Vergleich)
• Nicht äquivalentes Kontrollgruppendesign
  • Kontrollgruppendesigns ohne Behandlung
  • nichtäquivalente abhängige Variablendesigns
  • entfernte Behandlungsgruppendesigns
  • wiederholte Behandlungsdesigns
  • nichtäquivalente Kontrollgruppen mit umgekehrter Behandlung Designs
  • Kohortendesigns
  • Designs nur nach dem Test
  • Regressionskontinuitätsdesigns
• Regressionsdiskontinuitätsdesign
• Fallkontrolldesign
  • Zeitreihendesign
  • Design mehrerer Zeitreihen
  • unterbrochenes Zeitreihendesign
  • Propensity Score Matching
  • instrumentelle Variablen
• Panel-Analyse

Von all diesen Designs ist das Regressionsdiskontinuitätsdesign kommt dem experimentellen Design am nächsten, da der Experimentator die Kontrolle über die Behandlungszuordnung behält und bekannt ist, dass „yie ld eine unvoreingenommene Abschätzung der Behandlungseffekte „.: 242 Es erfordert jedoch eine große Anzahl von Studienteilnehmern und eine genaue Modellierung der Funktionsform zwischen der Zuordnung und der Ergebnisvariablen, um die gleiche Leistung wie bei einem herkömmlichen experimentellen Design zu erzielen

Obwohl Quasi-Experimente manchmal von jenen gemieden werden, die sich als experimentelle Puristen betrachten (was Donald T. Campbell dazu veranlasst, den Begriff „mulmige Experimente“ für sie zu prägen), sind sie in Bereichen, in denen dies der Fall ist, außerordentlich nützlich Es ist nicht machbar oder wünschenswert, ein Experiment oder eine randomisierte Kontrollstudie durchzuführen. Zu diesen Fällen gehört die Bewertung der Auswirkungen von Änderungen der öffentlichen Ordnung, Bildungsmaßnahmen oder groß angelegten Gesundheitsmaßnahmen. Der Hauptnachteil von quasi-experimentellen Designs besteht darin, dass sie die Möglichkeit einer verwirrenden Verzerrung nicht ausschließen können, was die Fähigkeit eines Menschen beeinträchtigen kann, kausale Schlussfolgerungen zu ziehen. Dieser Nachteil wird häufig verwendet, um quasi-experimentelle Ergebnisse zu diskontieren. Eine solche Verzerrung kann jedoch kontrolliert werden für die Verwendung verschiedener statistischer Techniken wie der multiplen Regression, wenn man die verwirrende (n) Variable (n) identifizieren und messen kann.Solche Techniken können verwendet werden, um die Auswirkungen von Techniken für verwirrende Variablen zu modellieren und herauszufiltern, wodurch die Genauigkeit der Ergebnisse aus Quasi-Experimenten verbessert wird. Darüber hinaus kann die zunehmende Verwendung des Propensity-Score-Matchings zur Zuordnung der Teilnehmer zu Variablen, die für den Behandlungsauswahlprozess wichtig sind, auch die Genauigkeit der quasi-experimentellen Ergebnisse verbessern. Tatsächlich wurde gezeigt, dass Daten, die aus quasi-experimentellen Analysen abgeleitet wurden, den experimentellen Daten in eng entsprechen bestimmte Fälle, auch wenn unterschiedliche Kriterien verwendet wurden. Insgesamt sind Quasi-Experimente ein wertvolles Werkzeug, insbesondere für den angewandten Forscher. Quasi-experimentelle Entwürfe allein lassen keine endgültigen kausalen Schlussfolgerungen zu; Sie liefern jedoch notwendige und wertvolle Informationen, die mit experimentellen Methoden allein nicht erhalten werden können. Forscher, insbesondere diejenigen, die an der Untersuchung angewandter Forschungsfragen interessiert sind, sollten über das traditionelle experimentelle Design hinausgehen und die Möglichkeiten nutzen, die quasi-experimentellen Designs inhärent sind.