mtd5E (2008 / 2009) – 1
Tytus Sosnowski
Kurs 004 (2008 / 2009)
METODOLOGIA BADAŃ PSYCHOLOGICZNYCH
Wykład obligatoryjny dla I roku studiów wieczorowych
Wydziału Psychologii UW
PLANOWANIE I ANALIZA BADAŃ EMPIRYCZNYCH
Część E:
badania ex post facto:
porównania międzygrupowe
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 – przesądzao 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
Druga mierzona zmienna:
Y
Grupa 1 (X1)
Grupa 2 (X2)
KONTROLA zmiennych ubocznych. Grupy różniące się pod względem zmiennej X mogą się też różnić pod względem innych zmiennych, skorelowanych z X (np. grupy różniące się autorytaryzmem mogą się też różnić pod względem sposobu wychowania, statusu społecznego, poziomu lęku, itp.).
Wyjaśnianie PRZYCZYNOWE. Jeśli nawet istnieje związek statystyczny między X i Y, to ani plan badania ani sposób analizy danych nie przesądza o tym, czy X jest przyczyną Y, czy Y przyczyną X, czy też, być może, istnieje inna zmienna -- Z , która wpływa zarówno na X jak i na Y. Zależność statystyczną która nie jest zależnością przyczynową nazywa się „zależnością pozorną”. Dla interpretacji przyczynowej wyników badań ex-post facto konieczne są dodatkowe przesłanki natury zarówno statystycznej (kontrola ważnych zmiennych ubocznych) jak i merytorycznej.
Zależność pozorna
Zależnością pozorną nazywamy zależność statystyczną, 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.
ö liczba bocianów (X)
rodzaj gminy (Z)
ø liczba urodzeń (Y)
Zależności między Z i X oraz między Z i Y są zależnościami przyczynowymi. Zależność między X i Y jest zależnością pozorną.
· Aby wykazać że zależność między zmiennymi X i Y jest pozorna należy znaleźć odpowiednią zmienną kontrolną (Z) której uwzględnienie w analizie eliminuje zależność statystyczną między X i Y (por. przykład na następnych stronach).
Przykład (fikcyjny) zależności pozornej (dane liczbowe z pracy Jahoda, Deutsch i Cook, 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
190
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
Mała liczba bocia-nów
Duża
30
120
20
...
psychUW