Skript zur Vorlesung „Versuchsplanung“ (Prof. Dr. Christoph Stahl ...
Skript zur Vorlesung „Versuchsplanung“ (Prof. Dr. Christoph Stahl ...
Skript zur Vorlesung „Versuchsplanung“ (Prof. Dr. Christoph Stahl ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
‐ Motivation kann durch Vortest gesteigert werden<br />
‐ Müdigkeit oder Langeweile können durch Vortest gesteigert werden<br />
‐ Lösungsmöglichkeiten:<br />
‐ zeitlich ausreichender Abstand zwischen Vortest & Untersuchung<br />
‐ Effekt des Vortests untersuchen<br />
‐ z.B. in Versuchsplan, in dem nicht alle Gruppen einen Vortest machen (z.B. Solomon‐Vier‐Gruppen‐<br />
Plan)<br />
History<br />
‐ Externe Ereignisse mit Einfluss auf die VP<br />
‐ Bsp.: Ereignis in den Nachrichten (Papstwahl, Tschernobyl)<br />
‐ relevant bei Prä‐Post‐Designs (Zeit zwischen Vor‐ & Nachtest)<br />
‐ besonders relevant, wenn unterschiedliche Gruppen zu unterschiedlichen Zeitpunkten getestet werden oder<br />
aus unterschiedlichen Gebieten stammen & unterschiedlichen lokalen Historien ausgesetzt sind<br />
Instrumentation<br />
‐ Veränderung des Messinstruments über die Zeit<br />
‐ Reaktionszeittasten werden durch häufige Benutzung schneller<br />
‐ Computer <strong>zur</strong> Datenerhebung wird wegen voller Festplatte, langer Dateien langsamer<br />
‐ bei Längsschnittstudien verändern sich Fragebögen oder die Bedeutung der Items im aktuellen<br />
Sprachgebrauch<br />
‐ Beurteiler verändern schleichend ihre Kriterien (mündliche Prüfungen)<br />
Statistical Regression<br />
‐ Regression <strong>zur</strong> Mitte<br />
‐ bei Messwiederholung liegen die Werte einer Gruppe mit extremen Merkmalsausprägungen in 2. Messung<br />
(oder einer korrelierten Messung) tendenziell näher am Mittelwert<br />
‐ Grundlage: Extreme Fehler wiederholen sich (idR) nicht<br />
‐ Problem, wenn Gruppen aufgrund hoher oder niedriger Testwerte in die Studie aufgenommen werden, z.B.<br />
Studie nur mit hoch belasteten Patienten<br />
‐ Quasi‐Experimente: Interpretation schwierig, wenn Prä‐Werte von KG & EG sich signifikant unterscheiden<br />
‐ Regressionseffekte „wirken“ auch rückwärts & simultan<br />
‐ Lösungsansatz:<br />
‐ Falls die Untersuchung einer Extremgruppe ein wichtiges Ziel der Studie ist:<br />
‐ (1) möglichst große SP<br />
‐ (2) randomisierte Zuweisung auf die Treatmentbedingungen<br />
Maturation<br />
‐ „Reifung“ der VP durch psychische oder physische Veränderungen über die Zeit<br />
(werden älter, erfahrener, „erwachsener“, Pubertät etc.)<br />
‐ wichtig bei Prä‐Post‐Designs mit großem zeitlichen Abstand zwischen Messzeitpunkten; bei Langzeitstudien<br />
‐ aber auch kurzfristig (Ermüdung)<br />
‐ Bsp.: Förderprogramme im Bildungsbereich (Schule)<br />
‐ Lösungsansatz: Alle Gruppen sollten gleiche Alterszusammensetzung & ähnliche Umwelten haben<br />
Experimental Mortality<br />
‐ Systematischer Ausfall von VP (Attrition)<br />
‐ Treatmentgruppe ist anstrengender, daher mehr Abbrecher<br />
‐ nur die „Geeigneten“ halten durch (& sind auch noch erfolgreich)<br />
‐ VP in KG sind nicht interessiert oder unzufrieden, weil sie kein Treatment erhalten haben<br />
‐ eventuell auch wirkliche Todesfälle<br />
‐ Bsp.: Umfragen mit freiwilliger Teilnahme; Internetstudien<br />
‐ Problem kann nicht durch randomisierte Zuweisung zu Bedingungen behoben werden<br />
‐ Entsteht erst in der bzw. durch die zugewiesene Bedingung<br />
‐ Wichtige Frage: Warum traten diese Ausfälle auf? (z.B. Nachbefragungen)<br />
‐ Lösungsansätze: gute „Pflege“ & Motivation der KG oder eine „unsinnige“ Intervention durchführen
Change language