Versuchsplanung und Datenerhebung (Fach) / Versuchspläne (Lektion)

Diese Lektion wurde von aherbert erstellt.

Lektion lernen

zurück  |  weiter 1 / 1

• Notationsschemata von Versuchsplänen - zeitliche Abfolge von links nach rechts O: Beobachtung, Messung (observation), ein oder mehrere Male, durchnummeriert bei mehrfachen Messungen (Messwiederholungen, mehrere Gruppen) X: Manipulation der UV, Treatment, Intervention R: Randomisierte Zuweisung der Gruppen
• experimentelle vs. nicht-experimentelle Versuchspläne a) experimentelle Versuchspläne: - Systematische Beobachtung der AV - Trennung/ Unterscheidung zwischen UV und AV - Gezielte aktive Manipulation der UV (Kontroll- und Experimentalgruppe) - Randomisierung  b) nicht-experimentelle Versuchspläne: - Systematische Beobachtung einer/mehrerer Variablen - nicht zwingend Trennung zwischen UV und AV (korrelative Untersuchung) - und/oder Keine aktive Manipulation der UV - und/oder keine randomisierte Zuweisung 
• One-Shot-Design -> Beispiel eines nicht-experimentellen Versuchsdesigns -> deskriptive Untersuchung mit nur einer Variablen - Beobachtung einer AV an einer Gruppe, i.d.R. mit Intervention - keine Kontrollgruppe, keine Manipulation der UV -> Problem: Zusammenhang zwischen Treatment und Outcome kann nicht erfasst werden -> es können nur Aussagen über Merkmalsausprägungen gemacht werden, keine Beobachtung von Zusammenhang, Interpretation von Kausalität
• Einfache Gruppenvergleiche -> Beispiel für einen nicht-experimentellen Versuchsplan -> korrelative Studien ohne Trennung/Sequenz von AV und UV - Beobachtung einer AV an zwei Gruppen - Trennung in Gruppen definiert durch kategoriale Variable (z.B. Männer, Frauen und Diverse) -> keine Manipulation der UV Gruppenzugehörigkeit, da die Variation dieser Variable natürlich vorliegt -> keine Randomisierung möglich => Aussagen über Merkmalsausprägungen & Zusammenhänge möglich, aber keine Schlussfolgerungen über Kausalität möglich 
• Prä-Post-Vergleiche (Quasi-Experimente) -> keine Randomisierung, aber Trennung/Sequenz der AV und UV  - Beobachten einer AV in einer Stichprobe vor und nach einer Intervention - keine Kontrollgruppe, Randomisierung - Interpretation einer Veränderung über die Zeit problematisch (trotz vs. wegen Manipulation?) -> Aussagen über Merkmalsausprägungen möglich -> Aussagen über Veränderung über Zeit möglich, Möglichkeit diese als Zusammenhang zwischen X und O2 zu framen (aber kein kausaler!!)
• Varianten experimenteller Versuchspläne - verschiedene Kriterien, in denen siche experimentelle Versuchspläne unterscheiden können:  a) Setting: Labor vs. Feld -> Labor:  - künstliche Umgebung - genaue Manipulation und Kontrolle der Störvariablen => hohe interne Validität, geringere externe Validität -> Feld:  - natürliche Umgebung (=> höhere Generalisierbarkeit)  - ungenauere Manipulation, oft keine so gute Kontrolle von Störvariablen => geringere interne Validität, höhere externe Validität b) Kontrollgruppe: aktiv vs. passiv -> aktiv = Kontrollgruppe erhält andere/schwächere Manipulation als Experimentalgruppe -> passiv = Kontrollgruppe erhält keine Manipulation c) Vortest: ohne vs. Mit
• Kontrollgruppenpläne - Aussagen über Merkmalsausprägungen, Zusammenhängen und Kausalität zulässig - sehr häufige Designs in Labor und Feld a) Kontrollgruppenplan ohne Vortest -> Beobachtung der AV nach Randomisierung und Manipulation der UV  b) Kontrollgruppenplan mit Vortest (Messwiederholung) -> Beobachtung der AV vor und nach Manipulation der UV - Vorteil: vorher bestehende Unterschiede zwischen den Gruppen werden erfasst, Reduktion der Fehlervarianz - Nachteil: mögliche Wechselwirkungen zwischen Vortest und Manipulation (Vortest- Effekt)
• Umgang mit dem "Vortest-Effekt" -> z.B. bei Kontrollgruppenplänen mit Vortest Solomons Vier-Gruppen-Plan - Durchführen eines Vortests in 2/4 Gruppen, Manipultion in 2/4 Gruppen (je einmal mit und ohne Vortest) -> erlaubt Analyse möglicher Vortest- Effekte/ Wechselwirkungen zwischen Vortest und Treatment -> Replikation des Treatment- Effektes innerhalb eines Versuchsplans - Nachteil: Aufwand bei Durchführung und Auswertung - empfehlenswert, um Vortesteffekte neuer Messmethoden zu untersuchen/ wenn Verdacht auf Vortest- Treatment- Interaktion besteht
• Faktorielle Designs  -> Kombination von zwei oder mehr UVs (Faktoren) - Faktoren unterscheiden sich hinsichtlich Typ und Anzahl Fakorstufen - Typ des Faktors: a) Treatmentfaktor b) Versuchsfaktor c) Blockfaktor d) feste vs. Zufallsfaktoren   - Art der Kombination von Faktoren: a) faktoriell: alle möglichen Kombinationen der Faktorstufen aller Variabeln werden realisiert b) hierarchisch/ genestet:  - Vorteile: die Wirkung von 2 Faktoren kann an einer Stichprobe untersucht werden (effizientere Datenerhebung), Interaktionen zwischen 2 Faktoren können untersucht werden!
• Interaktionen & Haupteffekte innerhalb faktorieller Designs -> Haupteffekt: Wirkung eines Faktors A unabhängig von der Ausprägung des anderen Faktors B (über die Faktorstufen des anderen Faktors hinweg) -> Interaktionseffekt: Wechselwirkung zwischen zwei Faktoren - verschiedene Interaktionsmuster: a) keine Interaktion: gleiche Stärke und Richtung des Effekts von Faktor A für alle Faktorstufen von Faktor B und umgekehrt -> beide Haupteffekte sind global interpretierbar b) ordinale Interaktion: gleiche Richtung des Effekts (allerdings unterschiedliche Stärke!) von Faktor A für alle Faktorstufen von Faktor B und umgekehrt, -> beide Haupteffekte sind global interpretierbar, allerdings nur die Richtung und nicht die Stärke c) disordinale Interaktion: unterschiedliche Stärke und Richtung des Effekts von Faktor A für Faktorstufen des Faktors B und umgekehrt -> beide Haupteffekte sind nicht global interpretierbar d) semi-disordinale/ hybride Interaktion: unterschiedliche Richtung des Effekts von Faktor A für Faktorstufen des Faktors B, gleiche Richtung (aber unterschiedliche Stärke) des Effekt von Faktor B für unterschiedliche Faktorstufen von Faktor A -> ein Haupteffekt ist global interpretierbar (in dem Falle Fakor B), der andere nicht  
• Anzeige
• "removable" vs. "non-removable"- Interactions - „removable interactions“ sind abhängig von der spezifischen (unbekannten) Beziehung zwischen manifestem und latentem Merkmal sind  -> Interaktionen, die die Stärke des Effektes betreffen: ordinale oder keine Interaktionen => ordinale/ keine Interaktionen auf der manifesten Ebene sind nicht auf die latente übertragbar  -„non-removable interactions“ sind unabhängig von der spezifischen Beziehung zwischen manifestem und latentem Merkmal  -> Interaktionen, die die Richtung des Effektes betreffen: disordinale und hybride Interaktionen => ordinale und hybride Interaktionen auf manifester Ebene dürfen auf die latente übertragen werden (i.d.R. auch wenn dich Linien bei hybrider Interaktion nur berühren und nicht kreuzen!)  -> Aufgabe der Inferenzstatistik: Sicherstellen, dass sich die beiden Punkte der „Berührung“ nicht signifikant voneinander unterscheiden -> Gestaltung: nicht nur Linien im Diagramm einzeichnen, sondern auch Konfidenzintervalle/ Fehlerbalken
• "Quasi-Experimente" ->Trennung von UV und AV. aktive Manipulation der UV, systematische Beobachtung der AV, aber keine Randomisierung  - oft a) aus praktischen Gründen nicht möglich (z.B. im Feld bereits bestehenden Gruppen: Schulklassen, Therapiegruppen, Arbeitsabteilungen) oder b) da Zuweisung zu Bedingungen bereits anhand Kriterien erfolgt ist  - typische quasi-experimentelle Versuchspläne: Nicht-äquivalenter Kontrollgruppenplan mit Vortest & Regressions-Diskontinuitäts-Analyse => Aussagen über Zusammenhänge zulässig, Kausalität nur eingeschränkt -> höhere Unsicherheit, da mehrere Alternativerklärungen: personenbezogene Störvariablen werden nicht randomisiert verteilt -> potenzielle Konfundierung von personenbezogenen SVs und UV bleibt bestehen
• Nicht-äquivalenter Kontrollgruppenplan mit Vortest - Trennung UV & AV, aktive Manipulation, systematische Beobachtung - keine Randomisierung -> Vorher-Werte können sich unterscheiden => Vortest zur Korrektur von Vorher-Unterschieden (-> Aufnahme als Kovariate oder Differenzbildung) => Aussagen über Zusammenhang zwischen UV und AV möglich, aber nur eingeschränkt über Kausalität - Gefährdungen insbesondere durch Selektions-Reifungs-Interaktion
• Regressions-Diskontinuitäts-Analyse (RDA) -> Variante des nicht-äquivalenten Kontrollgruppenplans - a-priori Unterschied zwischen den beiden Gruppen wird herbeigeführt durch Aufteilung der Stichprobe in EG und KG nach bestimmten Kriterien -> „Cut-off“-Wert einer kontinuierlichen Variable: alle Probanden die unter diesem Wert liegen kommen in EG, die über dem Wert in KG - Bsp.: Wirksamkeit eines Treatments bei leistungsschwachen Schülern - Idee: Werte nah um Cut-Off-Wert sollten sich nicht systematisch voneinander unterscheiden, Unterschiede sollten durch Zufall, Messfehler zustande kommen -> innerhalb des Bereiches nah um den Cut-Off-Wert wurde quasi durch den Messfehler randomisiert zugewiesen -> Unterschiede (in der Nachher-Messung) an dieser Stelle müssen auf das Treatment zurückzuführen sein -> diskontinuierliche Regressionsgrade als Indikator eines Effektes
• Unterschiede und Gemeinsamkeiten zwischen Experiment, Quasi-Experiment, Feldexperiment und Feldstudie a) Experiment: - Trennung UV und AV, Manipulation der UV, Systematische Beobachtung der AV - situative und personenbezogene Störvariablen können kontrolliert werden b) Quasi-Experiment: - Trennung UV und AV, Manipulation der UV, Systematische Beobachtung der AV - personenbezogene Störvariablen können nicht kontrolliert werden c) Feldexperimente: - Trennung UV und AV, Manipulation der UV, Systematische Beobachtung der AV - situative Störvariablen können nicht kontrolliert werden d) Feldstudie: - Trennung UV und AV, Manipulation der UV, Systematische Beobachtung der AV - situative und personenbezogene Störvariablen können nicht kontrolliert werden
• Korrelationsstudien -> simultane Beobachtung zweier oder mehrerer Variablen an einer Stichprobe -> keine Kontrollgruppe, Randomisierung, Manipulation der UV - verschieden Varianten von Korrelationsstudien  a) keine Trennung von UV und AV; simultane Messung ohne jegliche Hypothesen über die Kausalrichtung b) theoretische Trennung von UV und AV; simultane Messung mit theoretisch angenommener Kausalrichtung c) „Ex-post-facto-Studien“: simultane Messung mit theoretisch angenommene Kausalrichtung, die sich im Design in der Konzeption der Variablen (z.B. „Extraversion im frühen Erwachsenenalter“ und „Geschäftserfolg jetzt“) niederschlägt => keine Aussagen über Kausalität, sondern nur über Zusammenhänge
• Pfadanalyse - viele verschiedene Arten, wie Korrelation zustande kommen kann, nicht zwingend immer Kausalzusammenhang (Korrelation =/= Kausalität)  - manche Kausalmodelle sind unter einer bestimmten Korrelation wahrscheinlicher als Andere => Korrelation kann Indikator für mögliches Kausalmodell sein - Pfadanalyse: Nutzen der Partialkorrelation, um verschiedene Kausalmodelle zu bewerten - Bsp.: Wenn die Korrelation von x und y nach Auspartialisierung von z 0 beträgt, können alle Kausalmodelle ausgeschlossen werden, in denen z nicht aufgenommen werden: X ->Y , X <- Y , X <-> Y  
• Querschnitt- vs. Längsschnittstudie a) Querschnittstudie: gleichzeitige Erhebung beider Variablen -> beide Kausalrichtungen möglich b) Längsschnittstudie: Erhebung zu unterschiedlichen Zeitpunkten -> nur eine Kausalrichtung möglich c) Cross-Lagged panel: Kombination von Quer- und Längsschnittstudie - 2 Variablen werden zu zwei unterschiedlichen Zeitpunkten erfasst und Korrellation zwischen diesen berechnet  - Vergleich möglich, ob A -> B oder B -> A - zusätzlich Aussagen über zeitliche Stabilität beider Variablen & querschnittlicher Zusammenhang möglich - querschnittlicher Zusammenhang sollte bei Kausalität mit der Zeit größer werden - Bsp.: Gewalt im Fernsehen -> Aggression im späteren Alter  
• Lineare Strukturgleichungsmodelle -> um latente Variablen erweiterte Pfadmodelle: - Annahme, dass mehrere beobachtbare Variablen/Item auf einen latenten Faktor zurückzuführen sind - Erfassung der Korrelation zwischen beobachtbaren Variablen und Faktor - auch möglich, Korrelation der latenten Merkmale untereinander zu erfassen  
• Populationsbeschreibende Untersuchungen: Repräsentativität der Stichprobe - Ziel: Beschreibung der Population, Schätzen von Populationsparametern  - Problem: Repräsentativität der Stichprobe muss gewährleistet sein, da nie die komplette Population erhoben werden kann -> gewährleistet Verzerrungsfreiheit der Stichprobe  -> nicht gleichzusetzten mit großer Stichprobe, gibt kleine repräsentative und große nicht repräsentative Stichproben  - verschiedene Möglichkeiten, repräsentative Stichprobe zu erzeugen: a) Zufallsstichprobe b) geschichtete (stratifizierte) Stichprobe c) Klumpenstichprobe 
• Zufallsstichprobe -> Möglichkeiten eine repräsentative Stichprobe zu erzeugen - zufällige Ziehung von Elementen aus der Population - Probleme: a) so gut wie nicht realisierbar, dass alle Elemente aus der Population dieselbe Wahrscheinlichkeit haben, in Stichprobe zu gelangen b) auch nach Ziehung der Stichprobe noch Möglichkeit der Verzerrung durch selektives Abspringen der Versuchsteilnehmenden   
• Geschichtete (stratifizierte) Stichprobe - Unterteilung der Population in Teilpopulationen, aus denen dann zufällig gezogen wird - Teilung in Teilpopulation anhand „wichtiger“ Merkmale (z.B. soziale Schicht, Schulabschluss, Geschlecht) - besonders sinnvoll, wenn Merkmale hoch korreliert mit Zielmerkmal sind - Arten der Schichtung: a) proportional: Anteil in der Stichprobe entspricht Anteil in der Population -> alle Elemente in P haben weiterhin gleiche Chancen in SP zu kommen - bei gleicher Streuung des Merkmals in allen Schichten ideal b) disproportional: Anteil in der Stichprobe entspricht nicht dem Anteil in der Population -> Verzerrungen können korrigiert werden, indem Kennwerte der einzelnen Schichten analog zu deren Anteil in der SP gewichtet werden - bei ungleicher Streuung des Merkmals in den Schichten bessere Schätzung
• Klumpenstichprobe -> Zufallsstichprobe von mehreren Klumpen aus einer Population von Klumpen - Population besteht aus mehreren Gruppen („Klumpen“) - eine Zufallsauswahl von Klumpen wird vollständig untersucht - einfacher als Zufallsstichprobe, da nicht Liste aller Personen, sondern nur Liste aller Klumpen benötigt wird => Güte der Schätzung abhängig von der Homogenität der Klumpen bzgl. des Zielmerkmals (ideal: bzgl des Zielmerkmals vergleichbare, aber intern heterogene Klumpen) -> Schätzung schlechter, wenn Zielmerkmal zwischen Gruppen variiert, besser, wenn Klumpen sich untereinander ähnlich sind -> Heterogenität innerhalb der Klumpen erhöht Güte der Schätzung
• Mehrstufige Stichprobenverfahren -> Kombination mehrerer Stichprobenverfahren - z.B. erst Klumpenstichprobe, dann aus jedem Klumpen eine Zufallsstichprobe - auch möglich, Klumpen-, Schichtung- und Zufallsstichprobe zu kombinieren - Bsp.: repräsentative politische Umfrageforschung -> erst Auswahl von Gemeinden (Klumpen), anschließend Schichtung anhand regionaler Merkmale, dann systematische Zufallsauswahl anhand Liste von Einwohnermeldeämtern

zurück  |  weiter 1 / 1