Kvasi-experiment

Den första delen av att skapa en kvasi-experimentell design är att identifiera variablerna. Den kvasioberoende variabeln kommer att vara x-variabeln, variabeln som manipuleras för att påverka en beroende variabel. ”X” är i allmänhet en grupperingsvariabel med olika nivåer. Gruppering betyder två eller flera grupper, såsom två grupper som får alternativa behandlingar, eller en behandlingsgrupp och en grupp utan behandling (som kan ges placebo – placebo används oftare i medicinska eller fysiologiska experiment). Det förutsagda resultatet är den beroende variabeln, som är y-variabeln. I en tidsserieanalys observeras den beroende variabeln över tiden för eventuella ändringar som kan äga rum. När variablerna har identifierats och definierats, bör ett förfarande sedan genomföras och gruppskillnader bör undersökas.

I ett experiment med slumpmässig tilldelning har studieenheter samma chans att tilldelas ett givet behandlingsförhållande. . Som sådan säkerställer slumpmässig tilldelning att både experiment- och kontrollgrupperna är ekvivalenta. I en kvasi-experimentell design baseras tilldelning till ett givet behandlingsförhållande på något annat än slumpmässig tilldelning. Beroende på typen av kvasi-experimentell design kan forskaren ha kontroll över tilldelningen till behandlingstillståndet men använder vissa andra kriterier än slumpmässig tilldelning (t.ex. en cutoff-poäng) för att avgöra vilka deltagare som får behandlingen, eller så kan forskaren inte ha någon kontroll över behandlingstillståndstilldelningen och kriterierna som används för tilldelningen kan vara okänd. Faktorer som kostnad, genomförbarhet, politiska bekymmer eller bekvämlighet kan påverka hur eller om deltagarna tilldelas en viss behandlingsförhållande, och som sådan kan kvasi-experiment vara föremål för oro beträffande intern giltighet (dvs. kan resultaten av experimentet vara används för att göra en orsaksslutsats?).

Kvasi-experiment är också effektiva eftersom de använder ”pre-post testing”. Detta innebär att det görs tester innan data samlas in för att se om det finns någon som förvirrar eller om någon deltagare har vissa tendenser. Därefter görs själva experimentet med posttestresultat registrerade. Dessa data kan jämföras som en del av studien eller förtestdata kan inkluderas i en förklaring till de faktiska experimentella uppgifterna. Kvasi-experiment har oberoende variabler som redan finns som ålder, kön, ögonfärg. Dessa variabler kan antingen vara kontinuerliga (ålder) eller de kan vara kategoriska (kön). Kort sagt, naturligt förekommande variabler mäts inom kvasi-experiment.

Det finns flera typer av kvasi-experimentella mönster, alla med olika styrkor, svagheter och applikationer. Dessa mönster inkluderar (men är inte begränsade till):

• Skillnad i skillnader (pre-post med-utan jämförelse)
• Ingen motsvarande kontrollgrupper design
  • ingen behandlingsgruppsdesign
  • icke-motsvarande beroende variabeldesigner
  • borttagna behandlingsgruppsdesigner
  • upprepade behandlingsdesigner
  • omvänd behandling ingenekvivalenta kontrollgrupper design
  • kohortdesign
  • endast posttestdesign
  • regression kontinuitetsdesign
• Regression diskontinuitetsdesign
• Design för fallkontroll
  • design av tidsserier
  • design av flera tidsserier
  • avbruten tidsseriedesign
  • matchning av benägenhetspoäng
  • instrumentvariabler
• Panelanalys

Av alla dessa mönster är regressionens diskontinuitetsdesign kommer närmast den experimentella designen, eftersom experimentet behåller kontrollen över behandlingsuppdraget och det är känt att ”yie En opartisk uppskattning av behandlingseffekterna ”.: 242 Det kräver dock ett stort antal deltagare i studien och exakt modellering av den funktionella formen mellan uppdraget och utfallsvariabeln för att ge samma kraft som en traditionell experimentell design. .

Även om kvasi-experiment ibland undviks av de som anser sig vara experimentella purister (leder Donald T. Campbell till att använda myntet ”queasy experiment” för dem), är de utomordentligt användbara i områden där det är inte genomförbart eller önskvärt att genomföra ett experiment eller en randomiserad kontrollförsök. Sådana fall inkluderar utvärdering av effekterna av förändringar i den offentliga politiken, utbildningsinsatser eller storskaliga hälsoinsatser. Den primära nackdelen med kvasi-experimentella mönster är att de inte kan eliminera möjligheten att förvirra fördomar, vilket kan hindra en förmåga att dra kausala slutsatser. Denna nackdel används ofta för att diskontera kvasi-experimentella resultat. Dock kan sådana förspänningar kontrolleras för användning av olika statistiska tekniker, såsom multipel regression, om man kan identifiera och mäta den eller de sammanblandade variablerna.Sådana tekniker kan användas för att modellera och partiellt ut effekterna av förvirrande variabeltekniker, och därigenom förbättra noggrannheten hos resultaten erhållna från kvasi-experiment. Dessutom kan den utvecklande användningen av matchning av benägenhetspoäng för att matcha deltagare på variabler som är viktiga för behandlingsvalsprocessen också förbättra noggrannheten hos kvasi-experimentella resultat. Faktum är att data som härrör från kvasi-experimentella analyser har visat sig matcha nära experimentdata vissa fall, även när olika kriterier användes. Sammanfattningsvis är kvasi-experiment ett värdefullt verktyg, särskilt för den tillämpade forskaren. På egen hand tillåter kvasi-experimentella mönster inte en att göra definitiva kausala slutsatser; de ger dock nödvändig och värdefull information som inte kan erhållas med enbart experimentella metoder. Forskare, särskilt de som är intresserade av att undersöka tillämpade forskningsfrågor, bör gå bortom den traditionella experimentella designen och utnyttja de möjligheter som finns i kvasi-experimentella mönster.