SE Quantitative Methoden Dr. Regina Dittrich

Präsentation zum Thema: "SE Quantitative Methoden Dr. Regina Dittrich"—  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 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 Methoden Dr. 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 Varianzkontrolle Randomisierung Experimentelle Designs Vor der Datenerhebung Ja Quasi-Experimentelle Designs Nein (in der Regel) Ex-post Facto Designs Nach der Datenerhebung Nein

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 Fehlerquelle?
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 Tempo Anzahl Fahrten 100 200 Ohne Unfall ? Mit Unfall 10

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.