Post on 03-Jan-2016
description
SE Quantitative MethodenDr. Regina Dittrich
Experimentelle und
quasi-experimentelle Designs
Patrick Slaje, Markus Fiala, Björn Heppner
Fragen zu Gruppe 2
Probleme der empirischen Sozialforschung & Überblick Variablen und Hypothesenprüfung
(1) Nennen sie vier Wahrnehmnungsprobleme in der empirischen Sozialforschung und erläutern Sie zwei davon genauer.
(2) Was versteht man unter Kognitiver Dissonanz?
(3) Nennen und erläutern Sie ein Beispiel für eine Scheinkorrelation.
SE Quantitative MethodenDr. Regina Dittrich
Experimentelle und
quasi-experimentelle Designs
Patrick Slaje, Markus Fiala, Björn Heppner
Inhalt
(1) Einführung (Björn)
(2) Vorexperimentelle Designs (Björn)
(3) Experimentelle Designs (Patrick)
(4) Quasi-Experimente und Evaluationsforschung (Markus)
(1) Einführung (Björn)
(2) Vorexperimentelle Designs (Björn)
(3) Experimentelle Designs (Patrick)
(4) Quasi-Experimente und Evaluationsforschung (Markus)
Inhalt (1)
Einleitung - Inhalt
• Definition Zentraler Begriffe
• Abgrenzung von
– Experimentellen
– Quasi-Experimentellen
– Ex-post Facto Designs
Definition zentraler Begriffe
• Untersuchungsdesigns unterscheiden sich maßgeblich durch zwei Faktoren:
• Varianzkontrolle– Bestimmung / Festlegen von
Vergleichsgruppen– Modus der Aufteilung von
Untersuchungspersonen auf diese Gruppen– Kann vor oder nach der Erhebung der Daten
stattfinden
• Randomisierung– Zufällige Aufteilung der Probanden auf die
Vergleichsgruppen
Abgrenzung - drei Klassen von Designs
• Abgrenzung unter den Gesichtspunkten Varianzkontrolle und Randomisierung
Sofern realisierbar ist ein experimentelles Design ideales Versuchsarrangement zum Test von Kausalhypothesen
Varianzkontrolle Randomisierung
Experimentelle Designs
Vor der Datenerhebung
Ja
Quasi-ExperimentelleDesigns
Vor der Datenerhebung
Nein (in der Regel)
Ex-post Facto Designs
Nach der Datenerhebung
Nein
(1) Einführung (Björn)
(2) Vorexperimentelle Designs (Björn)
(3) Experimentelle Designs (Patrick)
(4) Quasi-Experimente und Evaluationsforschung (Markus)
Inhalt (2)
Vorexperimentelle Designs
• Genügen den wissenschaftlichen Anforderungen an die Methodik der Hypothesenüberprüfung nicht.
Fehlerquellen anhand dieses unzureichenden Designtyps ersichtlich
Hinführung zu den weiteren Designs
XO-Design
• Beispiel: Elefantenvertreiber
X = Stimulus (in die Hände klatschen)O = Beobachtung (der Abwesenheit von Elefanten)
Fehlerquelle?
- Was wäre ohne Klatschen?- Fehlen von Vergleichs bzw. Kontrollgruppen
• Beispiel: ADAC behauptet schnelles Autofahren sei nicht gefährlich!
Fehlerquelle?- Es gibt relativ weniger sehr schnell fahrende
Autos!- Implizite Vorspiegelung die Bezugsgruppen hätten
den gleichen Umfang
Design falscher Vergleichswerte
Tempo
Anzahl Fahrten
100 200
Ohne Unfall
? ?
Mit Unfall
100 10
OXO-Design
• Versuchsplan 01XO2
- Üblich z.B. in der Physik
- Nicht ausreichend für Sozialwissenschaften
Grund: mögliche stattfindende Reifungsprozesse zwischen den Beiden Beobachtungszeiten
Reifungsprozesse sind mit experimentellem und quasi-experimentellem Kontrollgruppendesign identifizierbar.
(1) Einführung (Björn)
(2) Vorexperimentelle Designs (Björn)
(3) Experimentelle Designs (Patrick)
(4) Quasi-Experimente und Evaluationsforschung (Markus)
Inhalt (3)
Experimentelle Designs - Inhalt
• Wann spricht man von einem experimentellen Design?
• Probleme experimenteller Designs
• Lösungsansätze
• Wo können experimentelle Designs nicht angewendet werden?
• Zusammenfassung der Vor- und Nachteile
Definition ‚experimentelles Design‘
• Mindestens 2 experimentelle Gruppen
• Randomisierung der Teilnehmer
• Unterscheidung in Versuchs- und Kontrollgruppe anhand eines Stimulus
R X O =VersuchsgruppeR O =Kontrollgruppe
R = Randomisierung (zB Arbeitslose)X = Stimulus (Qualifizierungsprogramm)O = Beobachtung (Beschäftigungschancen)
Blindversuch, Doppelblindversuch
Probleme bei experimentellen Designs
• Nicht Faktor X, sondern ein mit X konfundierter Faktor Y ist der kausale Grund
(nicht Qualifikationsprogramm sondern geregelter Tagesablauf wirkt Arbeitslosigkeit entgegen)
• Hawthorne-Effekt(Erhöhte Aufmerksamkeit führt zu Verhaltensänderung)
• Verzerrung durch Randomisierung(Kontrollgruppe könnte sich als ‚Verlierer‘ verstehen)
• Missglückte Randomisierung
Strategien zur Problemumgehung
• Nicht Faktor X, sondern ein mit X konfundierter Faktor Y ist der kausale Grund
weitere Experimente um den ‚wahren‘ Kausalgrund herauszuarbeiten
• Hawthorne-Effekt Blind- und Doppelblindversuche
• Verzerrung durch Randomisierung eher die Ausnahme, quasi-experimentelle
Designs
• Missglückte Randomisierung Kombination von Randomisierung und Matching
Interne und externe Validität
Interne Validität: Ausblendungsversuche von Störvariablen
Externe Validität: Generalisierbarkeit experimenteller Effekte
Zur Vermeidung von 8 möglichen Fehlerquellen der internen Validität:
- Standarddesign- Vorher-nachher Design - Solomon-Vier-Gruppen Deisgn
Zur Vermeidung der 4 möglichen Fehlerquellen der externen Validität:
- Versuchspersonen aus unterschiedlichen sozialen Gruppen
- Feldexperimente- Wiederholung der Experimente
Wo können experimentelle Designs nicht angewandt werden?
Beispiele:
- Schüler können nicht per Random auf verschiedene Schulen geschickt werden
- Notenbanken können nicht unterschiedliche Zinssätze für bestimmte Zielgruppen festlegen
Zusammenfassung der Vor- und Nachteile
Vorteile:
- Produktion im Experiment- Neutralisierung von Drittvariablen- Ideale Designs zum Test von Kausalhypothesen
Nachteile:
- externe Validität- Reaktivität - hoher Aufwand bei simultaner Prüfung- teils praktische und ethische Hindernisse bei
Durchführung
Ein Beispiel: Verantwortungsdiffusion
Hypothese:
Je größer die Zahl der Zuschauer in einer Hilfeleistungssituation, desto geringer ist die Wahrscheinlichkeit, dass eine bestimmte Person Hilfe leistet.
Überprüfung im Experiment:Hilfeleistung%
Reaktionszeit
Versuchsperson & Opfer 85% 52sek
Versuchsperson, Opfer 62% 93sek& weitere Person
Versuchsperson, Opfer 31% 166sek& 4 weitere Personen
Opfer markiert epileptischen Anfall, als Hilfeleistung galt Herbeirufen des Versuchsleiters
Apathie, Entfremdung, Anomie waren nicht verhaltensrelevant
(1) Einführung (Björn)
(2) Vorexperimentelle Designs (Björn)
(3) Experimentelle Designs (Patrick)
(4) Quasi-Experimente und Evaluationsforschung (Markus)
Inhalt (4)
Quasi-Experimente und Evaluationsforschung - Inhalt
• Definition
• Beispiel 1: John Wayne & Atomtests
• Regressionseffekt
• Beispiel 2: Hamburger Verkehrsbetriebe
• Unerwünschte Nebeneffekte
Definition
• „Vereinfachtes Experiment“
• Quasi Experimente sind meist Experimente ohne Randomisierung
• Zentrales Problem von Quasi-Experimenten: Drittvariableneffekte können nicht ausgeschlossen werden
• Anwendungsbeispiele: – Versuchsanordnungen mit nicht gleichartiger
Kontrollgruppe (ohne Zufallsaufteilung!) – Bsp.: Starb John Wayne an Atomtests?
– Zeitreihen-Experimente, Bsp.:Hamburger-Verkehrsbetriebe
Beispiel 1: Starb John Wayne an Atomtests?
• Filmdreharbeiten in der Nähe des Atomtestgeländes
– 220 Personen beteiligt
– 150 Rekonstruierte Krankengeschichten
– 91 Filmleute starben an Krebs (61%)
• Statistik: 30 / 150 (Krebsrisiko in der Normalbevölkerung: 20%)
• PROBLEME bei dieser Betrachtung:
– systematischer Ausfall: im Extremfall wurden alle Krebserkrankungen bekannt, d.h. tatsächliches Risiko 91/220 = 41%
– Nicht-Vergleichbarkeit der Gruppen: Drittvariable „Rauchen“ bei Filmleuten besonders verbreitet
Regressionseffekt
• Statistische Tendenz zur Mitte
• Beispiel: Körpergröße– Besonders kleine Eltern haben größere Kinder– Besonders große Eltern haben kleinere Kinder– Andernfalls: nur Zwerge und Riesen
• Beispiel: Kriminalität– Maßnahmen erfolgen meist nach Jahren mit
besonders hoher Kriminalitätsrate– Rate sinkt im Folgejahr meist von selbst, das
Sinken wird dann aber den Maßnahmen zugeschrieben
• Kontrolle durch Zeitreihen – Trend vor/ nach einer Maßnahme
(Identifikation von Reifung und Regressionseffekten)
– Multiple Zeitreihen zur Absicherung gegen zwischenzeitliche Geschehen
Beispiel 2: Hamburger Verkehrsbetriebe
• nach einem Jahr mit extrem hoher Schwarzfahrerquote– Verdoppelung der Strafe– Rückgang im Folgejahr Erfolg der Maßnahme oder Fluktuation?
Abbildung: Zeitreihe der Schwarzfahrerquoten in Hamburg
Beispiel 2: Hamburger Verkehrsbetriebe
• Multiple Zeitreihe mit Vergleichsgruppe „Bremen“ je längerfristig desto besser
Abbildung: multiple Zeitreihen der Schwarzfahrerquoten in Hamburg und Bremen
• Sozialwissenschaftliche Evaluationsforschung muss auch Nebenwirkungen berücksichtigen-Zielkatalog mit Leistungskriterien festlegen-Unabhängigkeit vom Auftraggeber wünschenswert
• Beispiel: mengenabhängige Abfallgebühr
• Wirkung: Reduktion der Abfallmenge (vorher-nachher Vergleich, Kontrollgruppe, Zeitreihe)
• Aber: unerwünschte Nebenwirkungen-Wilde Deponien-Verbrennen von Müll im Hauskamin-Entsorgen von Hausmüll über Glascontainer, Parkmistkübel etc.
Unerwünschte Nebeneffekte