Solomon-Vier-Gruppen-Design — Kontrolle der Vortest-Sensibilisierung
- Eingeführt von
- Richard L. Solomon
- Jahr
- 1949
- Typ
- True experimental design
- Familie
- Experimental design
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Das Solomon-Vier-Gruppen-Design erweitert das klassische Kontrollgruppendesign mit Vortest und Nachtest, indem es zwei Gruppen hinzufügt, die keinen Vortest erhalten.
Dies ermöglicht es Forschern festzustellen, ob der Vortest selbst die Reaktionen der Teilnehmer auf die Behandlung verändert. 1949 von Richard L. Solomon eingeführt, bleibt es der Goldstandard zur Isolierung des unabhängigen Effekts eines Vortests und zur Erzielung unverzerrter Schätzungen der Behandlungseffektivität.
Die Intuition hinter der Methode
Angenommen, Sie testen ein neues Achtsamkeitsprogramm. Sie verabreichen der Hälfte Ihrer Teilnehmer vor Beginn des Programms einen Fragebogen zur Stressbasislinie. Könnte das Ausfüllen dieses Fragebogens selbst Menschen bewusster machen und sie daher beim Follow-up besser abschneiden lassen – auch ohne das Programm? Das Solomon-Design beantwortet dies direkt, indem es das Experiment gleichzeitig in vier Gruppen durchführt: Zwei Gruppen erhalten den Vortest und zwei nicht, und innerhalb jedes Paares erhält eine Gruppe die Behandlung. Durch den Vergleich aller vier Nachtestmittelwerte können Sie sauber trennen, was die Behandlung bewirkt hat und was der Vortest bewirkt hat.
Geschichte
Richard L. Solomon führte das Design 1949 in einem Artikel im Psychological Bulletin als explizite Erweiterung des klassischen Campbell-Stil-Kontrollgruppendesigns mit Vortest und Nachtest ein, motiviert durch Studien zu Lernen und Einstellungsänderungen, bei denen er beobachtete, dass Basistests die nachfolgenden Reaktionen der Teilnehmer veränderten. Donald Campbell und Julian Stanley kodifizierten es zusammen mit anderen experimentellen Designs in ihrer wegweisenden Monographie von 1963 und festigten seinen Platz im Kanon der Forschungsmethoden. Trotz seiner logischen Eleganz wurde das Design aufgrund seiner Stichprobengrößenanforderungen in der Praxis nur spärlich eingesetzt, bleibt aber das Lehrbuchbeispiel dafür, wie Messreaktivität in der experimentellen Forschung isoliert werden kann.
Wann wird sie eingesetzt?
Verwenden Sie das Solomon-Vier-Gruppen-Design, wenn Sie vermuten, dass das Ausfüllen eines Vortests die Reaktion der Teilnehmer auf die Intervention verändern könnte – üblich bei Studien zu Einstellungsänderungen, Bildungsforschung, Interventionen zum Gesundheitsverhalten und in jedem Bereich, in dem das Beantworten von Basisfragen das Bewusstsein schärfen oder Reaktionen primen könnte. Es ist am wertvollsten, wenn eine Sensibilisierung theoretisch plausibel ist und die Kosten für die Verdoppelung der Stichprobe akzeptabel sind. Vermeiden Sie es, wenn das Forschungsbudget nur eine kleine Gesamtstichprobe zulässt (jede der vier Gruppen muss groß genug sein, um Effekte unabhängig zu erkennen), wenn das interessierende Phänomen immun gegen Messreaktivität ist oder wenn Vortestdaten für die individuelle Verfolgung unerlässlich sind – in diesen Fällen ist ein Standard-Vortest-Nachtest-Design mit ANCOVA praktikabler.
Grenzen und Hinweise
- Erfordert etwa die doppelte Stichprobengröße eines Standard-Vortest-Nachtest-Designs, was es teuer und logistisch anspruchsvoll macht.
- Die statistische Analyse ist im Vergleich zu einfachen Vortest-Nachtest-Vergleichen komplex; ANCOVA auf der Teilmenge mit Vortestdaten erfordert sorgfältige Handhabung fehlender Kovariaten für die Gruppen 3 und 4.
- Kontrolliert nicht für Geschichte oder Reifungseffekte über das hinaus, was die Randomisierung bietet; diese Bedrohungen gelten für alle vier Gruppen gleichermaßen.
- Wird in der Praxis selten verwendet, da die Sensibilisierungsannahme oft eher ungetestet als theoretisch motiviert ist und die Stichprobenkosten hoch sind.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Identifiziert und quantifiziert eindeutig den Vortest-Sensibilisierungseffekt (Testeffekt), den einfachere Designs mit dem Behandlungseffekt verwechseln.
- Liefert die intern valide Schätzung der Behandlungseffektivität, indem Evidenz aus vorgetesteten und nicht vorgetesteten Gruppen kombiniert wird.
- Unterstützt eine vollständige 2 × 2 faktoriellen ANOVA, die Haupteffekte für Behandlung und Vortest sowie deren Interaktion liefert.
- Zufällige Zuweisung zu allen vier Gruppen unterstützt die kausale Inferenz für Behandlungs- und Vortesteffekte gleichzeitig.
- Bietet eine eingebaute Replikation: Der Behandlungseffekt kann zweimal geschätzt werden (aus Gruppen 1 vs. 2 und aus Gruppen 3 vs. 4), und die beiden Schätzungen sollten konvergieren, wenn die Designannahmen gelten.
Anwendungen
- Pädagogische Interventionen, bei denen ein Vortest des Wissens vor Beginn des Programms möglicherweise bereits zum Lernen anregt.
- Experimente zu Einstellungsänderungen und Überzeugung, bei denen die Durchführung einer Vortestmessung die Teilnehmer für die Botschaft sensibilisiert.
- Programme zum Gesundheitsverhalten (z. B. Raucherentwöhnung, Ernährungsänderung), bei denen Basisfragebögen das Bewusstsein für das Zielverhalten schärfen.
- Studien zur psychologischen Ausbildung, die den Erwerb von Fähigkeiten untersuchen, bei denen Übungseffekte durch Vortests theoretisch plausibel sind.
- Forschung zu organisatorischem Training und Entwicklung, bei denen eine Vorabprüfung Mitarbeiter auf die Programmziele hinweisen könnte.
So funktioniert es
So funktioniert es
Die Teilnehmer werden zufällig vier Gruppen von annähernd gleicher Größe zugewiesen: (1) Vortest + Behandlung + Nachtest, (2) Vortest + Kontrolle + Nachtest, (3) kein Vortest + Behandlung + Nachtest und (4) kein Vortest + Kontrolle + Nachtest. Zufällige Zuweisung ist unerlässlich; ohne sie verliert das Design seine kausale Interpretation.
Die Gruppen 1 und 2 füllen die Vortestmessung vor Beginn jeglicher Intervention aus. Die Gruppen 3 und 4 erhalten keinen Vortest. Die Vortestdaten für die Gruppen 1 und 2 dienen sowohl als Kovariate der Basislinie als auch als Grundlage für die Schätzung des Vortest-Sensibilisierungseffekts.
Die Gruppen 1 und 3 erhalten die experimentelle Behandlung; die Gruppen 2 und 4 dienen als Kontrollen und erhalten keine Behandlung oder eine äquivalente Placebocondition. Alle anderen Aspekte der Studienumgebung werden über die vier Gruppen hinweg konstant gehalten.
Alle vier Gruppen füllen dieselbe Ergebnisvariable zum selben Zeitpunkt nach der Interventionsperiode aus. Der Nachtest ist gruppenübergreifend identisch, sodass alle Mittelwertunterschiede auf Behandlungs- und/oder Vortesteffekte und nicht auf Messunterschiede zurückzuführen sind.
Die Nachtestmittelwerte werden über alle vier Gruppen hinweg mittels einer 2 × 2 faktoriellen ANOVA (Behandlung × Vortest als Faktoren) verglichen, oder äquivalent mittels ANCOVA unter Verwendung des Vortests als Kovariate für die Gruppen 1 und 2. Eine signifikante Behandlung × Vortest-Interaktion zeigt eine Sensibilisierung an. Haupt- und Interaktionseffekte liefern zusammen Schätzungen des Netto-Behandlungseffekts, frei von Vortestkontamination.
Häufige Fallstricke
- Behandlung der vier Gruppen als zwei separate 2-Gruppen-Experimente, anstatt alle Nachtestmittelwerte gemeinsam zu analysieren – dies verschwendet Power und verpasst den Interaktionseffekt, der der Hauptbeitrag des Designs ist.
- Versäumnis, zu überprüfen, ob die zufällige Zuweisung ausgewogene Gruppen erzeugt hat; selbst bei Randomisierung ist die Überprüfung der Baseline-Äquivalenz über alle vier Gruppen hinweg (für die beiden vorgetesteten Gruppen) und der demografischen Äquivalenz für alle vier wichtig.
- Einbeziehung eines Vortests, der dem Inhalt der Intervention so ähnlich ist, dass er eine partielle Behandlung und keine bloße Messung darstellt – dies bläht den scheinbaren Sensibilisierungseffekt auf und verzerrt die Schätzungen.
- Unterdimensionierung einzelner Gruppen: Da die Gesamtstichprobe in vier Zellen aufgeteilt ist, muss jede Zelle unabhängig groß genug sein, um zur Erkennung von Interaktionseffekten beizutragen; eine kleine Stichprobengröße pro Zelle ist ein häufiger und schwerwiegender Fehler.
Häufig gestellte Fragen
Wie gehe ich mit den fehlenden Vortestwerten für die Gruppen 3 und 4 in der Analyse um?
Der empfohlene Ansatz ist eine 2 × 2 faktoriellen ANOVA der vier Nachtestmittelwerte, wobei die Behandlungsbedingung und die Anwesenheit des Vortests als die beiden Faktoren behandelt werden. Dies verwendet alle Daten, ohne Vortestwerte für alle Gruppen zu benötigen. Alternativ können Sie für die Gruppen 1 und 2 eine ANCOVA mit dem Vortest als Kovariate durchführen und den ANCOVA-bereinigten Behandlungseffekt mit dem unbereinigten aus den Gruppen 3 und 4 vergleichen. Die beiden Schätzungen sollten nahe beieinander liegen, wenn keine Sensibilisierung vorliegt.
Wie groß muss jede Gruppe sein?
Jede der vier Zellen sollte so dimensioniert sein, dass der erwartete Effekt für den Hauptvergleich erkannt werden kann. Da die Interaktion (Behandlung × Vortest) typischerweise der interessanteste Test ist und Interaktionseffekte größere Stichproben als Haupteffekte erfordern, planen Sie in den meisten sozialwissenschaftlichen Kontexten mit mindestens 30–50 Teilnehmern pro Zelle oder verwenden Sie eine a priori Power-Analyse mit Ihrer erwarteten Effektgröße und einer Power von 0,80.
Was passiert, wenn der Interaktionsterm nicht signifikant ist?
Eine nicht signifikante Behandlung × Vortest-Interaktion ist ein nützliches Ergebnis: Sie zeigt an, dass der Vortest die Teilnehmer nicht sensibilisiert hat und das einfachere Kontrollgruppendesign mit Vortest und Nachtest ausreichend gewesen wäre. In diesem Fall bündeln Sie den Haupteffekt der Behandlung über beide Vortestbedingungen hinweg für Ihre primäre Schlussfolgerung.
Wird das Solomon-Design jemals in klinischen Studien verwendet?
Selten. Klinische Studien priorisieren typischerweise das Verblinden und können Basisbeurteilungen nicht immer ethisch oder praktisch zurückhalten. Das Design ist in der sozialen, pädagogischen und psychologischen Forschung häufiger anzutreffen, wo die Sensibilisierungsbedrohung ausgeprägter ist und das Zurückhalten eines Vortests keine ethischen Bedenken aufwirft.
Was unterscheidet das Solomon-Design von einem 2 × 2 faktoriellen Experiment?
Strukturell ist es ein 2 × 2 faktorielles Design (Behandlung × Vortest), aber der Faktor 'Vortest' ist keine manipulierte Behandlungsvariable – es ist ein Designmerkmal, dessen Anwesenheit oder Abwesenheit zur Kontrolle einer Störgröße zugewiesen wird. Das Solomon-Design ist daher besser als Methode zur Reinigung der kausalen Inferenz über die Hauptbehandlung zu verstehen denn als faktorielles Experiment mit zwei unabhängigen Faktoren.
Verwandte Methoden
Quellen
Solomon, R. L. (1949). An extension of control group design. Psychological Bulletin, 46(2), 137–150.
DOI-Referenz öffnenKopiert.Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally.
ISBN: 978-0395307878Kopiert.