Konzeption und Systematik / Experimentelle Versuchspläne Versuchsplanung Konzeption und Systematik / Experimentelle Versuchspläne Sozialpsychologisches Experimentalpraktikum Sommersemester 2011 Goethe Universität Frankfurt Marc Gottwals, Stella Kister, Eleni Koll

Übersicht Konzeption und Systematik der Versuchspläne Experimentelle Versuchspläne Within-subjects Designs Carry-Over-Effekte Mehrfaktorielle Designs Haupteffekte & Interaktionen in 2x2-Designs Exkurs: Trendanalysen, Wechselwirkungen, Mischdesigns

Konzeption und Systematik der Versuchspläne Definition des Versuchsplan (Designs): standatisiertes, routinemäßig anwendbares Schema (Strukturschema), das dem Aufbau, der Kontrolle und der methodologischen Bewertung einer empirischen Untersuchung von unabhängigen (UV) und abhängigen Variablen (AV) sachlogisch zugrunde liegt.

Konzeption und Systematik der Versuchspläne Spiralenmodell

Konzeption und Systematik der Versuchspläne Versuchsplan: Bindeglied zwischen Hypothese (1) und Versuchsaufbau (3) Untersuchungsanliegen meist im Zusammenhang mit bedingungsanalytischen Fragestellungen Ursache- Wirkungs-Beziehungen zwischen unabhängigen und abhängigen Variablen

Konzeption und Systematik der Versuchspläne Einteilung der Versuchspläne (Designs) nach vier Haupttypen in der Systematik der Versuchspläne

Konzeption und Systematik der Versuchspläne Bsp.: Designschema/ Allgemeine Verwendung von Designsymbolen: R = Zufallsgruppenbildung (Randomisierung) X = experimentelle Behandlung (Stufen/ Treatments) Y = abhängige Messwerte der Beobachtungen (AV)

Konzeption und Systematik der Versuchspläne Randomisierung: Zufallsgruppenbildung zur Untersuchung der Auswirkung zweier unterschiedlicher- experimenteller Bedingungen genutzt Zuordnung muss per Zufall erfolgen Zuordnungsmöglichkeiten: Münzwurf Zufallszahlentabelle Computeralgorithmen

Allgemeine Gütemerkmale eines Versuchsplans vier Designtypen werden nach kausalhypothetischer Relevanz abgestuft im Hinblick auf die drei wesentlichen Hauptmerkmale (drei Gütemerkmale) einer allgemeinen Versuchsplanungslogik bewertet Plus (+) = Gütemerkmal vorhanden (positive Bewertung) Minus (-) = Gütemerkmal nicht vorhanden (negative Bewertung)

Allgemeine Gütemerkmale eines Versuchsplans Kausaltheoretische Hypothese ist vorhanden klare kausalbezogene Hypothesenbildung, vor Versuchsbeginn theoretisch bestmögliche Versuchsplanung für den konkreten Untersuchungsfall erfolgt Beispiele: Untersuchungen mit Symbolvermerken eines strengen Experiments (R, W, B (R))

Allgemeine Gütemerkmale eines Versuchsplans Gütemerkmal II: Experimentelle Variable ist manipulierbar Variablen tatsächlich gemäß theoretischer Ansätze/ Hypothesenbildung sachrepräsentativ variiert werden im qualitativen, wie im quantitativen Sinne

Allgemeine Gütemerkmale eines Versuchsplans Gütemerkmal III: Alle übrigen Versuchsbedingungen sind kontrollierbar Erwartung alle Störgrößen (Störvariablen) auszuschalten/ kontrollieren zu können sehr hoher methodischer Anspruch: experimentelle Kontrolle = selten zu erfüllen

Allgemeine Gütemerkmale eines Versuchsplans Drei Pluszeichen (+++): alle drei Gütemerkmale gegeben ideales Design Drei Minuszeichen (---): Fehlen aller drei Gütemerkmale interne Validität eines Experiments gefährdet

Allgemeine Gütemerkmale eines Versuchsplans „Strenge“ Experimente eher Laborexperimente „Korrelative“ Untersuchungen eher Feldversuche

Allgemeine Gütemerkmale eines Versuchsplans

Allgemeine Gütemerkmale eines Versuchsplans Moderne gegenüber klassischer Versuchsplanung strenge Experimente eher Fiktion die den Forschungsprozess eher behindern als fördern (Cronbach; 1975) erhöhte Präzision („interne“ Validität) nicht gleich Erhöhung der „externen“ Validität, und somit keine Erhöhung des psychologischen Erkenntnisgewinns!

Experimentelle Versuchspläne Zufallsgruppenbildung (Randomisierung) Wiederholungsmessungen Blockbildung wichtigsten Designs der Experimentalpsychologie

Versuchspläne mit Randomisierung „Between-Designs“ bezeichnet, da basierend auf Mittelwertsvergleich Zuordnung per „Zufall“ Annahme: interindividuelle Unterschiede (zw. den einzelnen VP) verteilen sich zufällig auf die einzelnen Bedingungen Bsp.: Zweistichprobenversuchspläne (1 UV, 2 Stufen) Mehrstichprobenversuchspläne (unifaktoriell und mind. 3 Stufen/mehrfaktoriell u mindestens 2 Stufen)

Versuchspläne mit Randomisierung Vorteile: Zufällige Verteilung der Merkmale (VP), die als Störvariablen wirken könnten Organismusfaktoren üben keinerlei Effekt auf die AV aus, erhöht die interne Validität explizite Kenntnis der Störvariablen nicht notwendig Nachteile: „Ökonomie-Problem“, Randomisierung erfordert ausreichend große Stichprobe Zufallsfehler typischerweise hoch

Versuchspläne mit Blockbildung dienen der Verminderung der zufälligen Fehlervarianz bekannte Störfaktoren werden erfasst, VPs bezüglich der Ausprägung in diesen Variablen systematisch den einzelnen Bedingungen zugeordnet homogenere experimentelle Gruppen VPs werden in Rangreihe gebracht, dann in Blöcke (statistische Zwillinge) eingeteilt VPs innerhalb eines Blocks ähnlicher als VPs ausserhalb eines Blocks Blocks werden per Zufall (R) den experimentellen Bedingungen zugeordnet

Versuchspläne mit Blockbildung Bsp: Zweistichprobenversuchspläne Mehrstichprobenversuchspläne (unifaktoriell/ mindestens 3 Stufen oder mehrfaktoriell/ mindestens jeweils 2 Stufen)

Versuchspläne mit Blockbildung Vorteile: Kompromiss der beiden anderen Designs, kombiniert die jeweiligen Vorteile Ausgangsunterschiede zwischen experimentellen Bedingungen wesentlich geringer als per Randomisierung geringere Stichprobengröße möglich Nachteile: Voraussetzung expliziter Vorkenntnisse der Störvariablen Versuchsaufwand typischerweise sehr hoch

Within – subjects Designs Experimentelle Versuchspläne, bei denen man dieselben Probanden nacheinander allen Stufen einer Unabhängigen Variablen aussetzt und jeweils die Ausprägung der AV misst. Between-subjects Designs: Verschiedenen Stufen einer UV werden verschiedene Probanden zugeordnet.

Vorteile von within-subject Designs Ökonomischer Lösen das Problem personengebundener Störvariablen Subjektive Urteile über Stimuli hängen häufig von dem Kontext ab, in dem sie dargeboten werden Kleine Effekte können leichter entdeckt werden; Within-subjects Designs sind sensitiver

Nachteile von Within-subjects Designs Entsprechende UV kann nicht immer sinnvoll innerhalb einer Person variiert werden Erkennen der Hypothese durch Probanden Reihenfolgeeffekte

Carry – Over - Effekte Entstehen auf Grund der Reihenfolge, in der verschiedene experimentelle Bedingungen durchgeführt werden Verhalten der VP in der Bedingung X hängt davon ab, ob VP zuvor der Bedingung Y ausgesetzt war

Bsp.: verbessert ein Hinweis die Fähigkeit der VP, mathematische Probleme zu lösen? VP erhält i.d. Experimentalbedingung den Hinweis; i.d. Instruktion zur Kontrollbedingung fehlt er VP mit der die Experimentalbedingung vor der Kontrollbedingung durchgeführt wurde, kann den Hinweis auch in der Kontrollbedingung verwenden  Auftreten eines Carry-Over-Effekts wahrscheinlich ACHTUNG! Die Kontrollbedingung mit allen Teilnehmern zuerst durchzuführen löst das Problem nicht! Dadurch blieben mögliche Positionseffekte unbalanciert!

KEINE Möglichkeit zur effektiven Kontrolle von Carry-Over-Effekten Wenn solche Effekte wahrscheinlich auftreten  between-subjects-Design einsetzen Auftreten von Carry-Over-Effekten nicht auf solche Manipulationen beschränkt z.B. - Wirkung von Medikamenten/Drogen - Belohnung/Bestrafung

Carry – Over – Effekte als eigenständiges Phänomen Experiment einmal im within-subjects Design und einmal im between-subjects Design durchführen In beiden Varianten derselbe Effekt der UV  Kein Carry-Over-Effekt Unterschiedliche Wirkung der UV  Carry-Over-Effekt

Mehrfaktorielle Designs Experimente, die die Wirkung mehrerer Uvn bzw. mehrerer vermuteter Ursachen zugleich untersuchen Bsp.: Untersuchung der Ursachen aggressiven Verhaltens Jede Stufe einer UV sollte mit jeder Stufe der anderen UVn kombiniert werden

Beispiel 2 x 2-Design Anzahl der Stufen der verschiedenen UVn miteinander multipliziert = Zahl der Bedingungen

Grenzen der mehrfaktoriellen Designs Sehr viele Bedingungen = Sehr aufwändig Interpretation der Ergebnisse mit ganz vielen UVn sehr kompliziert  Experimente mit mehr als 3 UVn sehr selten

Haupteffekte & Interaktionen in 2 x 2-Designs Wirkung von 2 UVn bestimmen: 1. Hypothese testen 2. Vermutung überprüfen Vorteil: - weniger Versuchspersonen - neue Erkenntnisse  Interaktion zwischen unseren beiden UVn feststellbar

Quellen Sarris, V.; Reiß, S. (2005). Kurzer Leitfaden der Experimentalpsychologie. Sedlmeier, P.; Renkewitz, F. (2008). Forschungsmethoden und Statistik in der Psychologie

Danke für Ihre Aufmerksamkeit!