Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

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

Ähnliche Präsentationen


Präsentation zum Thema: "SE Quantitative Methoden Dr. Regina Dittrich Experimentelle und quasi-experimentelle Designs Patrick Slaje, Markus Fiala, Björn Heppner."—  Präsentation transkript:

1 SE Quantitative Methoden Dr. 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 (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.

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

4 Inhalt (1) Einführung (Björn) (2) Vorexperimentelle Designs (Björn) (3) Experimentelle Designs (Patrick) (4) Quasi-Experimente und Evaluationsforschung (Markus)

5 (1) Einführung (Björn) (2) Vorexperimentelle Designs (Björn) (3) Experimentelle Designs (Patrick) (4) Quasi-Experimente und Evaluationsforschung (Markus) Inhalt (1)

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 VarianzkontrolleRandomisierung Experimentelle Designs Vor der Datenerhebung Ja Quasi- Experimentelle Designs Vor der Datenerhebung Nein (in der Regel) Ex-post Facto Designs Nach der Datenerhebung Nein

9 (1) Einführung (Björn) (2) Vorexperimentelle Designs (Björn) (3) Experimentelle Designs (Patrick) (4) Quasi-Experimente und Evaluationsforschung (Markus) Inhalt (2)

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 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 Ohne Unfall ?? Mit Unfall 10010

13 OXO-Design Versuchsplan 0 1 XO 2 -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 (1) Einführung (Björn) (2) Vorexperimentelle Designs (Björn) (3) Experimentelle Designs (Patrick) (4) Quasi-Experimente und Evaluationsforschung (Markus) Inhalt (3)

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 RXO=Versuchsgruppe RO=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 & Opfer85%52sek Versuchsperson, Opfer62%93sek & weitere Person Versuchsperson, Opfer31%166sek & 4 weitere Personen Opfer markiert epileptischen Anfall, als Hilfeleistung galt Herbeirufen des Versuchsleiters Apathie, Entfremdung, Anomie waren nicht verhaltensrelevant

23 (1) Einführung (Björn) (2) Vorexperimentelle Designs (Björn) (3) Experimentelle Designs (Patrick) (4) Quasi-Experimente und Evaluationsforschung (Markus) Inhalt (4)

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 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


Herunterladen ppt "SE Quantitative Methoden Dr. Regina Dittrich Experimentelle und quasi-experimentelle Designs Patrick Slaje, Markus Fiala, Björn Heppner."

Ähnliche Präsentationen


Google-Anzeigen