1 / 30

SE Quantitative Methoden Dr. Regina Dittrich

SE Quantitative Methoden Dr. 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

Download Presentation

SE Quantitative Methoden Dr. Regina Dittrich

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. SE Quantitative MethodenDr. Regina Dittrich Experimentelle und quasi-experimentelle Designs Patrick Slaje, Markus Fiala, Björn Heppner

  2. Fragen zu Gruppe 2 Probleme der empirischen Sozialforschung & Überblick Variablen und Hypothesenprüfung Nennen sie vier Wahrnehmnungsprobleme in der empirischen Sozialforschung und erläutern Sie zwei davon genauer. Was versteht man unter Kognitiver Dissonanz? Nennen und erläutern Sie ein Beispiel für eine Scheinkorrelation.

  3. SE Quantitative MethodenDr. Regina Dittrich Experimentelle und quasi-experimentelle Designs Patrick Slaje, Markus Fiala, Björn Heppner

  4. Inhalt Einführung (Björn) Vorexperimentelle Designs (Björn) Experimentelle Designs (Patrick) Quasi-Experimente und Evaluationsforschung (Markus)

  5. Inhalt (1) • Einführung (Björn) • Vorexperimentelle Designs (Björn) • Experimentelle Designs (Patrick) • Quasi-Experimente und Evaluationsforschung (Markus)

  6. Einleitung - Inhalt • Definition Zentraler Begriffe • Abgrenzung von • Experimentellen • Quasi-Experimentellen • Ex-post Facto Designs

  7. 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

  8. Abgrenzung - drei Klassen von Designs • Abgrenzung unter den Gesichtspunkten Varianzkontrolle und Randomisierung  Sofern realisierbar ist ein experimentelles Design ideales Versuchsarrangement zum Test von Kausalhypothesen

  9. Inhalt (2) • Einführung (Björn) • Vorexperimentelle Designs (Björn) • Experimentelle Designs (Patrick) • Quasi-Experimente und Evaluationsforschung (Markus)

  10. Vorexperimentelle Designs • Genügen den wissenschaftlichen Anforderungen an die Methodik der Hypothesenüberprüfung nicht. • Fehlerquellen anhand dieses unzureichenden Designtyps ersichtlich • Hinführung zu den weiteren Designs

  11. 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

  12. Design falscher Vergleichswerte • 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

  13. 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.

  14. Inhalt (3) • Einführung (Björn) • Vorexperimentelle Designs (Björn) • Experimentelle Designs (Patrick) • Quasi-Experimente und Evaluationsforschung (Markus)

  15. 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

  16. Definition ‚experimentelles Design‘ • Mindestens 2 experimentelle Gruppen • Randomisierung der Teilnehmer • Unterscheidung in Versuchs- und Kontrollgruppe anhand eines Stimulus R X O =Versuchsgruppe R O =Kontrollgruppe R = Randomisierung (zB Arbeitslose) X = Stimulus (Qualifizierungsprogramm) O = Beobachtung (Beschäftigungschancen) Blindversuch, Doppelblindversuch

  17. 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

  18. 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

  19. 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

  20. 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

  21. 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

  22. 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

  23. Inhalt (4) • Einführung (Björn) • Vorexperimentelle Designs (Björn) • Experimentelle Designs (Patrick) • Quasi-Experimente und Evaluationsforschung (Markus)

  24. Quasi-Experimente und Evaluationsforschung - Inhalt • Definition • Beispiel 1: John Wayne & Atomtests • Regressionseffekt • Beispiel 2: Hamburger Verkehrsbetriebe • Unerwünschte Nebeneffekte

  25. 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

  26. 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

  27. 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

  28. 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

  29. Beispiel 2: Hamburger Verkehrsbetriebe • Multiple Zeitreihe mit Vergleichsgruppe „Bremen“  je längerfristig desto besser Abbildung: multiple Zeitreihen der Schwarzfahrerquoten in Hamburg und Bremen

  30. Unerwünschte Nebeneffekte • 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.

More Related