Boek: Experimental and
Quasi-Experimental
Designs
for Generalized Causal Inference
Samenvatting hoofdstuk 1, 2, 3, 4, 5, 6 en 8.
Auteurs: William R. Shadish, Thomas D. Cook & Donald T. Campbell
2002
, Hoofdstuk 1
De oorzaak van een bepaalde gebeurtenis bestaat vaak uit meerdere aspecten.
Inus condition: Een voorwaarde waaraan voldaan moet worden voor een bepaalde
gebeurtenis, maar die op zichzelf niet genoeg is en vervangbaar is.
Er moet een relatie met andere voorwaarden zijn.
Veel oorzaken zijn inus conditions. Lastige hieraan is dat de oorzaak bestaat uit veel
factoren. Veel factoren zijn vaak niet bekend.
Counterfactual: iets wat in strijd is met de feiten. Het is de kennis over wat zou
gebeuren als mensen de behandeling niet tegelijkertijd hadden gekregen.
Effect: verschil tussen wat er gebeurd en wat er zou gebeuren zonder behandeling.
Een controlegroep is om veranderingen te kunnen vergelijken, het is echter bijna
onmogelijk om dezelfde mensen wel/geen behandeling te geven.
Er zijn geen echte counterfactuals, omdat men dus verschillende mensen gebruik en
behandeling niet tegelijk plaatsvindt.
Causale relatie:
1.oorzaak gaat vooraf aan het effect
2.oorzaak is gerelateerd aan het effect
3.er geen plausibele andere verklaringen van het effect gegeven kan worden
Deze drie kenmerken test je in experimenteel onderzoek (manipuleren > oorzaak en
gevolg).
Correlatie: geeft een verband aan, echter geeft het niet aan welke variabele eerst
was en sluit geen alternatieve verklaringen uit.
Confound: derde variabele die de relatie tussen twee andere variabelen beïnvloedt.
Effecten van factoren
Wel manipuleerbaar: aantal kinderen in de klas, de dosis van een medicijn
Niet manipuleerbaar: leeftijd, geslacht, genen. Deze kunnen niet de ‘oorzaken’ zijn
die onderzocht worden in een experiment, omdat je niet kunt variëren hierbij.
Niet alle oorzaken hoeven manipuleerbaar te zijn, alleen experimentele oorzaken.
Analogue experiments: Experiment waarbij je een variabele gaat manipuleren die
verglijkbaar is met de oorzaak.
Causal description: Het beschrijven van de effecten bij verschillende doseringen.
Vooral gericht op bivariate relaties tussen behandelingen en uitkomsten.
Causal explanation: Verklaren van mechanismen en condities waardoor of
waaronder er sprake is van een causale relatie. (zie je niet vaak bij experimenten)
, Experimenten zijn populair, ondanks dat ze geen bijdrage leveren aan een causale
uitleg.
Experiment: een onderzoek waarin een interventie wordt geïntroduceerd en de
effecten geobserveerd worden.
Randomized experiment: deelnemers die wel of niet de behandeling krijgen zijn
toegekend door een random proces.
Het zorgt ervoor dat de groepen zoveel mogelijk dezelfde kenmerken bevatten. De
verschillen die worden waargenomen, zijn toe te kennen aan de interventie.
True experiment: Een onafhankelijke variabele wordt gemanipuleerd, waarna de
afhankelijke geobserveerd wordt.
Onafhankelijke variabele wordt gemanipuleerd/gecontroleerd. Het is ook wel ‘factor’.
Quasi-experiment: niet random toewijzen aan een bepaalde groep of conditie.
Nadelen:
-kan zelfselectie ontstaan
-moeilijk bepalen of gevonden effecten toe te schrijven zijn aan een behandeling,
want het kan ook andere oorzaken hebben (groepen wel of niet gelijk?)
Natural experiment is eigenlijk geen experiment. Gaat om onderzoek een
natuurlijke gebeurtenis vergelijkt met een vergelijkbare conditie.
Non-experimental design/correlation design: Onderzoek waarbij observaties
worden uitgevoerd om te kijken naar grootte en richting van een relatie tussen
verschillende variabelen.
De kracht van een experiment is het in staat stellen om causale gevolgen te
ontdekken.
Een zwakte is dat er niet vaak een duidelijke reden is van de causale relatie.
Resultaten erg gebonden aan bepaalde locatie en uitvoering.
UTVS > Units, Treatment, Variables & Setting
Construct validity: de mate waarin de deel-aspecten van een omvangrijk begrip het
hele begrip dekken.
Vaak lastig om deelaspecten in een experiment te vertalen naar het grotere geheel.
Extern validity: In hoeverre zijn de gevonden resultaten generaliseerbaar? Zijn de
resultaten ook te gebruiken met een andere setting of context?
Vijf principes om onderzoek generaliseerbaar te maken:
1.oppervlakkige gelijkenis
2.uitsluiten van irrelevante zaken
3.duidelijk grenzen
4.interpolatie & extrapolatie (datapunten)
5.verklaring van de causaliteit.
Quasi-Experimental
Designs
for Generalized Causal Inference
Samenvatting hoofdstuk 1, 2, 3, 4, 5, 6 en 8.
Auteurs: William R. Shadish, Thomas D. Cook & Donald T. Campbell
2002
, Hoofdstuk 1
De oorzaak van een bepaalde gebeurtenis bestaat vaak uit meerdere aspecten.
Inus condition: Een voorwaarde waaraan voldaan moet worden voor een bepaalde
gebeurtenis, maar die op zichzelf niet genoeg is en vervangbaar is.
Er moet een relatie met andere voorwaarden zijn.
Veel oorzaken zijn inus conditions. Lastige hieraan is dat de oorzaak bestaat uit veel
factoren. Veel factoren zijn vaak niet bekend.
Counterfactual: iets wat in strijd is met de feiten. Het is de kennis over wat zou
gebeuren als mensen de behandeling niet tegelijkertijd hadden gekregen.
Effect: verschil tussen wat er gebeurd en wat er zou gebeuren zonder behandeling.
Een controlegroep is om veranderingen te kunnen vergelijken, het is echter bijna
onmogelijk om dezelfde mensen wel/geen behandeling te geven.
Er zijn geen echte counterfactuals, omdat men dus verschillende mensen gebruik en
behandeling niet tegelijk plaatsvindt.
Causale relatie:
1.oorzaak gaat vooraf aan het effect
2.oorzaak is gerelateerd aan het effect
3.er geen plausibele andere verklaringen van het effect gegeven kan worden
Deze drie kenmerken test je in experimenteel onderzoek (manipuleren > oorzaak en
gevolg).
Correlatie: geeft een verband aan, echter geeft het niet aan welke variabele eerst
was en sluit geen alternatieve verklaringen uit.
Confound: derde variabele die de relatie tussen twee andere variabelen beïnvloedt.
Effecten van factoren
Wel manipuleerbaar: aantal kinderen in de klas, de dosis van een medicijn
Niet manipuleerbaar: leeftijd, geslacht, genen. Deze kunnen niet de ‘oorzaken’ zijn
die onderzocht worden in een experiment, omdat je niet kunt variëren hierbij.
Niet alle oorzaken hoeven manipuleerbaar te zijn, alleen experimentele oorzaken.
Analogue experiments: Experiment waarbij je een variabele gaat manipuleren die
verglijkbaar is met de oorzaak.
Causal description: Het beschrijven van de effecten bij verschillende doseringen.
Vooral gericht op bivariate relaties tussen behandelingen en uitkomsten.
Causal explanation: Verklaren van mechanismen en condities waardoor of
waaronder er sprake is van een causale relatie. (zie je niet vaak bij experimenten)
, Experimenten zijn populair, ondanks dat ze geen bijdrage leveren aan een causale
uitleg.
Experiment: een onderzoek waarin een interventie wordt geïntroduceerd en de
effecten geobserveerd worden.
Randomized experiment: deelnemers die wel of niet de behandeling krijgen zijn
toegekend door een random proces.
Het zorgt ervoor dat de groepen zoveel mogelijk dezelfde kenmerken bevatten. De
verschillen die worden waargenomen, zijn toe te kennen aan de interventie.
True experiment: Een onafhankelijke variabele wordt gemanipuleerd, waarna de
afhankelijke geobserveerd wordt.
Onafhankelijke variabele wordt gemanipuleerd/gecontroleerd. Het is ook wel ‘factor’.
Quasi-experiment: niet random toewijzen aan een bepaalde groep of conditie.
Nadelen:
-kan zelfselectie ontstaan
-moeilijk bepalen of gevonden effecten toe te schrijven zijn aan een behandeling,
want het kan ook andere oorzaken hebben (groepen wel of niet gelijk?)
Natural experiment is eigenlijk geen experiment. Gaat om onderzoek een
natuurlijke gebeurtenis vergelijkt met een vergelijkbare conditie.
Non-experimental design/correlation design: Onderzoek waarbij observaties
worden uitgevoerd om te kijken naar grootte en richting van een relatie tussen
verschillende variabelen.
De kracht van een experiment is het in staat stellen om causale gevolgen te
ontdekken.
Een zwakte is dat er niet vaak een duidelijke reden is van de causale relatie.
Resultaten erg gebonden aan bepaalde locatie en uitvoering.
UTVS > Units, Treatment, Variables & Setting
Construct validity: de mate waarin de deel-aspecten van een omvangrijk begrip het
hele begrip dekken.
Vaak lastig om deelaspecten in een experiment te vertalen naar het grotere geheel.
Extern validity: In hoeverre zijn de gevonden resultaten generaliseerbaar? Zijn de
resultaten ook te gebruiken met een andere setting of context?
Vijf principes om onderzoek generaliseerbaar te maken:
1.oppervlakkige gelijkenis
2.uitsluiten van irrelevante zaken
3.duidelijk grenzen
4.interpolatie & extrapolatie (datapunten)
5.verklaring van de causaliteit.
