Fabian Flashcards
Pre-Experimentales Design (Allgemein)
- Quasi Experiment
- Folgt der Kernidee eines Experiments
- Störfakoren können nicht ausgeschlossen werden
- nicht geeignet als alleinige Überprüfung von kausalen Zusammenhängen
Hypothesentest (ganz allgemein)
H0 (null): Status Quo
H1: Annahme -> vermuteter Effekt
Arten:
ungerichtet (zweiseitig) -> hat es irgendeinen Einfluss?
gerichtet (einseitig) -> hat es einen bestimmten Einfluss?
Fehler I. und II. Art
Fehler I. Art (Alpha-Fehler): H0 wird verworfen, obwohl H0 stimmt
- kontrolierbar durch Höhe des Alpha’s
Fehler II. Art: H0 wird nicht verworfen, obwohl H1 stimmt
- nicht kontrolierbar (betamax= 1 - alpha!)
Entscheidung in Hypothesentests
H0 verwerfen:
- p-Wert < oder = Alpha
- kritischer Wert < oder = Test Statistik
H0 nicht verwerfen
- p-Wert > Alpha
- kritischer Wert > Test Statistik
Non Matched Controll Group Design
- Quasi-Experiment
- 2 Testgruppen, aber keine Randomisierung
- Problem: systematische Unterscheidung (Drittvariable wie Geschlecht)
One Group After-Only-Design
Pre-Experimental Design
1 Gruppe wird manipuliert und danach gemessen
Probleme:
- fehlende Randomisierung
- fehlender Referenzpunkt
- ggf. schon vor Manipulation hohe Werte
- Manipulationscheck fehlt
Bedeutung von Messnivieaus
entscheided, welche Methode angwandt werden kann
nicht metrisch:
- nominal
- ordinal
metrisch:
- intervall
- ration
Die ANOVA Grundidee
= “Analysis of Variance”, analysis of the impact of one or more independent nominal criteria (e.g. green vs. blue packaging) on a dependent, quantitative criteria (e.g. sales)
ermöglicht simultanen Vergleich von Mittelwerten
H0: μ1 = μ2 = μ3 = μ4 = μ5 (…)
H1: Mindestens 2 der Mittelwerte unterscheiden sich signifikant
Zerlegung der Gesamtvarianz der AV in erklärte und nicht-erklärte Varianz
Varianzanalyse
Zerlegung der Gesamtvarianz der Daten in erklärte und nicht-erklärte Varianz
Erklärte Varianz: Varianz zwischen den Gruppen -> Einfluss unabhängiger Variable
Nicht-erklärte Varianz: Varianz innerhalb der Gruppen -> Einfluss anderer Einflüsse
**F-Wert = **(Varianz zwischen den Gruppen) / (Varianz innerhalb der Gruppen)
Varianzanalyse vs. t-Test
Gleiche Grundidee: Vergleich von Mittelwerten
Einfaktorielle Varianzanalyse mit 2 Gruppen entspricht t-Test
Beim Vergleich von mehr als 2 Gruppen -> Varianzanalyse
Warum nicht einfach mehrere t-Tests? Kummulierung des Alpha-Fehlers!
Two Group After-Only-Design
True Experimental Design
Randmisierung: 1 Versuchsgruppe 1 Kontrollgruppe
Vorteil: nur eine Messung kein Lern-/ Ermüdungseffekt
Problem: keine Vergleichswerte/ Stärke der Änderung nicht beobachtbar
geschichtete Zufallsauswahl
Einteilung der Grundgesamtheit in Schichten
Proportional (gleicher Auswahlsatz)
Disproportional (ungleicher/verhältnismäßiger Auswahlsatz) -> Repräsentativ durch Gewichtung
hohe Heterogenität zwischen Gruppen vorteilhaft
geringer Stichprobenfehler
auch kleine Gruppen werden erfasst
Stichprobengröße
Es kommt nicht auf die Größe an ungleich Qualität
ab gewisser Größe sinkt bei hinzunahme weiterer Probanden der Fehler nur noch marginal -> kein Verhältnis zu Aufwand
Grundgesamtheit ungleich Stichprobengröße
Warum ist das Pre-Experimental Design nicht geeignet um Kausalität zu beweisen?
fehlende Randomisierung -> ggf. Einfluss einer Drittvariable
fehlende Kontrollgruppe -> fraglich ob UV einen Einfluss auf AV hat
Qualitative Forschung
Ziele:
- Verstehen/ Erkunden -> go deeper
- Vorstudie zur quantitativen Studie
- dienen zur Theoriebildung
Theoretisches Sampling (nicht immer)
- keine Randomisierung sondern Suche nach passenden Probanden
Forschungsfrage muss nicht immer klar sein
