To tylko jedna z 11 stron tej notatki. Zaloguj się aby zobaczyć ten dokument.
Zobacz
całą notatkę
Badania eksperymentalne a badania ex-P0st Facto W badaniach NIEEKSPERYMENTALNYCH (EX-POST FACTO) badacz nie manipuluje zmiennymi ani nie oddziałuje w żaden sposób na badanych (na zmienna zależną) lecz jedynie dokonuje POMIARU zmiennych. Na podstawie analizy statystycznej staramy się ustalić relacje między mierzonymi zmiennymi a niekiedy -zależności przyczynowe. Ponieważ oddziaływania przyczynowe musiały mieć miejsce przed rozpoczęciem badań, mówimy o analizie ex-post facto („po fakcie”).
Zalety badań eksperymentalnych możliwość celowego wywoływania zjawisk
lepsza kontrola zmiennych
łatwiejsza interpretacji przyczynowa
Ograniczenia badań eksperymentalnych
Nie wszystkie hipotezy dają się badać eksperymentalnie: * nie wszystkie zmienne są manipulowalne;
* manipulacja może być niemożliwa lub trudna ze względów technicznych;
* manipulacja może być niedopuszczalna ze względów etycznych;
Istnieje problem generalizacji wyników badań eksperymentalnych (zwłaszcza laboratoryjnych) na warunki naturalne.
Porównanie badań eksperymentalnych i ex-post facto na przykładzie porównań międzygrupowych Plan eksperymentalny
Grupy zrandomizowane
Zmienna niezależna
manipulowalna
Zmienna zależna
Grupa 1
X
Y1
Grupa 2
Y2
KONTROLA zmiennych ubocznych. Jeśli porównujemy grupy zrandomizowane (i potrafimy wyeliminować zmienne zakłócające) to możemy przyjąć, że przed manipulacją grupy eksperymentalne nie różnią się między sobą systematycznie* pod względem ŻADNEJ ZMIENNEJ. Jeśli więc stwierdzimy w pomiarze końcowym różnicę między grupami, to nie da się jej wyjaśnić systematycznym wpływem żadnej zmiennej za wyjątkiem zmiennej którą manipulujemy. Wyjaśnianie PRZYCZYNOWE: jeśli nie było różnicy między grupami na początku badania (randomizacja!) a pojawiła się w pomiarze końcowym, to przyczyną tej różnicy może być tylko wpływ zmiennej X - przesądza o tym sam plan badania.
* tzn. wartość oczekiwana każdej zmiennej jest taka sama dla wszystkich grup; im mniejsze grupy jednak, tym większe prawdopodobieństwo pojawienia się znacznych odchyleń średnich grupowych od wartości oczekiwanych.
Plan ex-post facto Przykład: badamy uprzedzenia etniczne (Y) w grupach różniących się pod względem zmiennej osobowościowej - autorytaryzmu (X).
Grupy kryterialne,
dobrane pod względem zmiennej X
(…)
…, która nie ma charakteru przyczynowego.
Np. stwierdzono zależność statystyczna między liczbą bocianów i liczbą urodzeń (w gminach, w których żyje więcej bocianów rodzi się więcej dzieci). Zależność ta znika gdy uwzględnimy rodzaj gminy (miejska/wiejska): w gminach wiejskich jest więcej dzieci i więcej bocianów niż w gminach miejskich. liczba bocianów (X)
rodzaj gminy (Z) liczba urodzeń (Y)
Zależności między Z i X…
…, 1955)
Mierzymy liczbę dzieci i liczbę bocianów w 480 gminach. Tabela 1. Dane pierwotne
Duża liczba bocianów
Mała liczba bocianów
Razem
Duża liczba dzieci
110
90
200
Mała liczba dzieci
90
190
280
Razem
200
280
480
Analiza danych w tabeli 1 wskazuje na istnienie zależności statystycznej między liczbą dzieci i liczbą bocianów.
Tabela 2. Uwzględnienie zmiennej kontrolnej (charakter gminy)
Gmina wiejska
Gmina miejska
Liczba dzieci
Duża liczba bocia-nów
Mała liczba bocia-now
Razem
Duża liczba bocia-nów
Mała liczba bocia-nów Razem
Duża 90
30
120
20
60
80
Mała 30
10
40
60
180
240
Razem
120
40
160
80
240
320
Po uwzględnieniu w analizie dodatkowej zmiennej (gmina (miejska / wiejska), czyli zmiennej KONTROLNEJ, stwierdzona wcześniej zależność znika. Jeśli analizujemy dane oddzielnie dla gmin miejskich i oddzielnie dla gmin wiejskich nie stwierdzamy zależności między liczbą bocianów a liczbą dzieci. Stwierdzona wcześnie zależność statystyczna nie jest więc zależnością przyczynową, ale zależnością POZORNĄ
Jeśli nie uda się wykazać że zależność między X i Y jest zależnością pozorną, może to wskazywać że:
* mamy do czynienia z zależnością przyczynową;
* nie uwzględniliśmy w analizie właściwej zmiennej…
… od a) Grupa 2 (wyniki testu T1 niższe od b) Czy dychotomizować zmienne ciągłe czy analizować je w postaci oryginalnej (jako zmienne ciągłe)?
Dychotomizowanie zmiennych ciągłych ma poważne wady: utrata części informacji - zamieniamy mocniejszą skalę pomiarową (interwałową lub porządkową) na słabszą, (nominalną);
eliminowanie z analizy części próby (analizujemy tylko grupy skrajne a eliminujemy środek rozkładu…
…) a zmienna zależna jest zmienną interwałową. Czy możemy użyć analizy wariancji? np. jak niżej B1
B2
A1
A1B1 A1B2 A2
A2B2 A2B2 - Powodem stosowania ANOVA-y jest to, że pozwala ona analizować interakcję zmiennych niezależnych (jeśli nie ma interakcji, plan n-czynnikowy może być zastąpiony przez n planów jednoczynnikowych). - Argumentem „przeciw” jest to, że ANOVA opiera się na założeniu, że zmienne niezależne…
... zobacz całą notatkę
Komentarze użytkowników (0)