Ein quasi-experimentelles Design sieht ein bisschen wie ein experimentelles Design aus, es fehlt jedoch der Hauptbestandteil – die zufällige Zuordnung. Mein Mentor, Don Campbell, bezeichnete sie oft als „mulmige“ Experimente, weil sie den experimentellen Puristen ein mulmiges Gefühl geben. In Bezug auf die interne Gültigkeit scheinen sie randomisierten Experimenten oft unterlegen zu sein. Aber diese Entwürfe haben etwas Überzeugendes; Als Gruppe betrachtet, werden sie leicht häufiger implementiert als ihre zufälligen Cousins.
Ich werde nicht versuchen, die quasi-experimentellen Designs umfassend zu behandeln. Stattdessen werde ich zwei der klassischen Quasi vorstellen -experimentelle Designs im Detail und zeigen, wie wir sie analysieren. Das wahrscheinlich am häufigsten verwendete quasi-experimentelle Design (und es ist möglicherweise das am häufigsten verwendete aller Designs) ist das nicht-äquivalente Gruppendesign. In seiner einfachsten Form erfordert es einen Vortest und Posttest für eine behandelte Gruppe und eine Vergleichsgruppe. Es ist identisch mit dem Design der Analyse der Kovarianz, außer dass die Gruppen nicht durch zufällige Zuordnung erstellt werden. Sie werden sehen, dass das Fehlen einer zufälligen Zuordnung und das Potenzial n Eine Äquivalenz zwischen den Gruppen erschwert die statistische Analyse des Designs der nicht äquivalenten Gruppen.
Das zweite Design, auf das ich mich konzentrieren werde, ist das Design der Regressionsdiskontinuität. Ich schließe es nicht ein, nur weil ich meine Dissertation darüber geschrieben und ein Buch darüber geschrieben habe (obwohl dies sicherlich Faktoren waren, die für ihn sprechen!). Ich schließe es ein, weil ich glaube, dass es eine wichtige und oft missverstandene Alternative zu randomisierten Experimenten ist, weil sein Unterscheidungsmerkmal – Zuordnung zur Behandlung unter Verwendung eines Cutoff-Scores für eine Vorbehandlungsvariable – es uns ermöglicht, dem Programm diejenigen zuzuweisen, die es am dringendsten benötigen oder verdienen. Auf den ersten Blick erscheint das Design der Regressionsdiskontinuität den meisten Menschen aufgrund der Regression auf den Mittelwert voreingenommen. Schließlich weisen wir einer Gruppe niedrige und der anderen Gruppe hohe Punkte zu. In der Diskussion der statistischen Analyse des Regressionsdiskontinuitätsdesigns werde ich Ihnen zeigen, warum dies nicht der Fall ist.
Abschließend werde ich kurz eine Auswahl anderer Quasi-Experimente vorstellen, die spezifisch sind Anwendbarkeit oder bemerkenswerte Merkmale, einschließlich des Proxy-Pretest-Designs, des Double-Pretest-Designs, des Designs für nicht äquivalente abhängige Variablen, des Pattern-Matching-Designs und des Regressionspunkt-Verschiebungsdesigns. Ich hatte die besondere Ehre, gemeinsam mit Donald T. Campbell einen Artikel zu verfassen, in dem zuerst das Regressionspunkt-Verschiebungsdesign beschrieben wurde. Zum Zeitpunkt seines Todes im Frühjahr 1996 hatten wir über einen Zeitraum von fünf Jahren jeweils etwa fünf Entwürfe durchlaufen. Das Papier enthält zahlreiche Beispiele für dieses neueste Quasi-Experiment und bietet eine detaillierte Beschreibung der statistischen Analyse des Regressionspunkt-Verschiebungsdesigns.
Es gibt eine Hauptklasse von Quasi-Experiment-Designs, die nicht enthalten sind hier – die unterbrochenen Zeitreihenentwürfe. Ich habe vor, sie in spätere Umschreibungen dieses Materials aufzunehmen.