konzeption und systematik / experimentelle versuchspläne sozialpsychologisches...
TRANSCRIPT
Versuchsplanung
Konzeption und Systematik /
Experimentelle Versuchspläne
Sozialpsychologisches ExperimentalpraktikumSommersemester 2011Goethe Universität Frankfurt
Marc Gottwals, Stella Kister, Eleni Koll
Konzeption und Systematik der Versuchspläne
Experimentelle Versuchspläne
Within-subjects Designs
Carry-Over-Effekte
Mehrfaktorielle Designs
Haupteffekte & Interaktionen in 2x2-Designs
Exkurs: Trendanalysen, Wechselwirkungen, Mischdesigns
Übersicht
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
Konzeption und Systematik der Versuchspläne
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
Gütemerkmal 1:
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!
Allgemeine Gütemerkmale eines Versuchsplans
Experimentelle Versuchspläne:
Zufallsgruppenbildung (Randomisierung)
Wiederholungsmessungen
Blockbildung
➡ wichtigsten Designs der Experimentalpsychologie
Experimentelle Versuchspläne
„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 Randomisierung
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
Versuchspläne mit Blockbildung
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.
Within – subjects 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
Vorteile von within-subject Designs
Entsprechende UV kann nicht immer sinnvoll innerhalb einer Person variiert werden
Erkennen der Hypothese durch Probanden
Reihenfolgeeffekte
Nachteile von Within-subjects Designs
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
Carry – Over - Effekte
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!
Bsp.: verbessert ein Hinweis die Fähigkeit der VP, mathematische Probleme zu lösen?
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
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
Carry – Over – Effekte als eigenständiges Phänomen
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
Mehrfaktorielle Designs
Beispiel
2 x 2-Design
Anzahl der Stufen der verschiedenen UVn miteinander multipliziert = Zahl der Bedingungen
Sehr viele Bedingungen = Sehr aufwändig
Interpretation der Ergebnisse mit ganz vielen UVn sehr kompliziert
Experimente mit mehr als 3 UVn sehr selten
Grenzen der mehrfaktoriellen Designs
Wirkung von 2 UVn bestimmen:◦ 1. Hypothese testen◦ 2. Vermutung überprüfen
Haupteffekte & Interaktionen in 2 x 2-Designs
Vorteil:- weniger Versuchspersonen- neue Erkenntnisse
Interaktion zwischen unseren beiden UVn feststellbar
Sarris, V.; Reiß, S. (2005). Kurzer Leitfaden der Experimentalpsychologie.
Sedlmeier, P.; Renkewitz, F. (2008). Forschungsmethoden und Statistik in der Psychologie
Quellen
Danke für Ihre Aufmerksamkeit!