Badania przyczynowo-porównawcze — Retrospektywny projekt porównania grup
- Autor metody
- Fred N. Kerlinger
- Rok
- 1964
- Typ
- Non-experimental quantitative research design
- Rodzina
- Survey / observational design
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Badania przyczynowo-porównawcze to nieeksperymentalny ilościowy projekt badawczy, w którym badacz porównuje dwie lub więcej grup, które już różnią się pod względem zmiennej niezależnej — takiej, która nie została przez niego zmanipulowana — w celu zbadania możliwych przyczyn lub konsekwencji tej różnicy.
Ponieważ przynależność do grupy jest ustalona z góry, a nie losowo przypisana, projekt może sugerować związki przyczynowe, ale nie może ich ustalić z taką pewnością jak prawdziwy eksperyment. Jest szeroko stosowany w edukacji, psychologii i naukach społecznych, gdy manipulacja eksperymentalna jest niepraktyczna lub nieetyczna.
Intuicja stojąca za metodą
Załóżmy, że chcesz wiedzieć, czy palenie tytoniu przez rodziców wpływa na pojemność płuc dzieci. Nie możesz losowo przydzielić dzieci do gospodarstw domowych palących lub niepalących, więc zamiast tego identyfikujesz grupy dzieci, których rodzice już palą lub nie palą, i porównujesz ich funkcje płucne. Na tym polega logika badań przyczynowo-porównawczych: 'przyczyna' już zaistniała w świecie rzeczywistym, a ty patrzysz wstecz, aby zobaczyć, czy jest ona związana z różnicą w wynikach. Projekt strukturalnie przypomina eksperyment — grupy, mierzony wynik, porównanie — ale brakuje mu losowego przypisania, które uczyniłoby przyczynowość definitywną.
Historia
Logika badań przyczynowo-porównawczych została sformalizowana w metodologii nauk społecznych przez Freda N. Kerlingera w jego przełomowej pracy z 1964 roku 'Foundations of Behavioral Research', gdzie opisał on badania 'ex post facto' jako systematyczne badanie już zaistniałych zdarzeń w celu zidentyfikowania prawdopodobnych przyczyn. Projekt miał wcześniejsze korzenie w badaniach rolniczych i epidemiologicznych porównujących grupy utworzone z góry. Do lat 70.–80. XX wieku stał się on standardowym elementem podręczników metod badawczych w edukacji, w szczególności Gay (1976), a później Fraenkel i Wallen, cementując jego rolę jako podstawowego projektu nieeksperymentalnego, gdy manipulacja jest niemożliwa.
Kiedy stosować
Używaj badań przyczynowo-porównawczych, gdy chcesz zbadać możliwe przyczyny lub skutki zmiennej, której nie można etycznie ani praktycznie manipulować — takiej jak płeć, status niepełnosprawności, tło społeczno-ekonomiczne lub narażenie na przeszłe zdarzenie. Jest to odpowiednie, gdy grupy występują naturalnie i można zebrać dane dotyczące znaczącej zmiennej zależnej. Nadaje się do celów badawczych od opisowych do wyjaśniających w edukacji, zdrowiu i naukach społecznych. NIE używaj go, gdy można przeprowadzić prawdziwy eksperyment z losowym przypisaniem — eksperymenty dostarczają silniejszych dowodów przyczynowych. Unikaj go, gdy grupy nie można sensownie zrównać pod względem głównych czynników zakłócających, gdy przynależność do grupy jest niejednoznaczna lub gdy pytanie badawcze wymaga prospektywnego śledzenia zmian w czasie (zamiast tego użyj badań podłużnych).
Ograniczenia i uwagi
- Nie może definitywnie ustalić przyczynowości, ponieważ grupy nie są losowo przypisane — błąd selekcji i zmienne zakłócające pozostają alternatywnymi wyjaśnieniami.
- Kierunek przyczynowości jest niejednoznaczny: przypuszczalna przyczyna i skutek mogą być odwrócone, lub trzecia zmienna może powodować oba.
- Grupy mogą różnić się pod względem niemierzonych zmiennych, które wyjaśniają zaobserwowaną różnicę, co sprawia, że kontrola statystyczna jest niepełna.
- Retrospektywny charakter oznacza, że badacz nie ma kontroli nad tym, jak zmienna niezależna została doświadczona lub zmierzona w przeszłości.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Umożliwia badanie hipotez przyczynowych, gdy manipulacja eksperymentalna jest nieetyczna lub niemożliwa.
- Bardziej wydajne i tańsze niż badania podłużne; dane często już istnieją.
- Produkuje ilościowe, statystycznie testowalne porównania między naturalnie występującymi grupami.
- Dostarcza wielkości efektów, które informują o praktycznym znaczeniu obok istotności statystycznej.
- Przydatne jako projekt wstępny do uzasadnienia potrzeby późniejszego eksperymentu.
Zastosowania
- Porównanie osiągnięć akademickich między uczniami, którzy uczęszczali na przedszkole, a tymi, którzy tego nie zrobili.
- Badanie różnic w wynikach zdrowotnych między palaczami a niepalącymi bez przypisania eksperymentalnego.
- Badanie, czy istnieją różnice płciowe w samoocenie umiejętności matematycznych wśród uczniów szkół średnich.
- Porównanie poziomu satysfakcji z pracy wśród pracowników o różnych kwalifikacjach edukacyjnych.
- Ocena, czy dzieci wychowywane w dwujęzycznych gospodarstwach domowych różnią się elastycznością poznawczą od rówieśników jednojęzycznych.
- Badanie, czy lokalizacja szkoły miejskiej vs wiejskiej jest związana z różnicami w wskaźnikach utrzymania nauczycieli.
Jak to działa
Jak to działa
Badacz identyfikuje zmienną niezależną — istniejącą cechę, taką jak płeć, status społeczno-ekonomiczny, poziom wykształcenia lub zdarzenie życiowe — i definiuje co najmniej dwie grupy, które różnią się pod względem tej zmiennej. Zmienna porównawcza musiała już wystąpić naturalnie; nigdy nie jest ona manipulowana przez badacza.
Uczestnicy są wybierani z każdej utworzonej grupy, idealnie za pomocą próbkowania losowego w celu wsparcia generalizacji. Grupy powinny być jak najbardziej podobne pod względem wszystkich cech z wyjątkiem zmiennej niezależnej, tak aby badacz kontrolował lub dopasowywał prawdopodobne czynniki zakłócające (np. wiek, wcześniejsze osiągnięcia, poziom dochodów) na etapie projektowania.
Dane dotyczące zmiennej (zmiennych) zależnej są zbierane ze wszystkich grup przy użyciu tych samych narzędzi i procedur. Powszechne źródła danych obejmują wyniki testów standaryzowanych, odpowiedzi ankietowe, rejestry administracyjne lub pomiary fizyczne. Ponieważ przyczyna już zaistniała, zbieranie danych jest retrospektywne lub równoczesne — nie prospektywne.
Średnie grup (lub proporcje, rangi) zmiennej zależnej są porównywane przy użyciu odpowiednich statystyk wnioskowania — zazwyczaj niezależnych testów t-Studenta, jednoczynnikowej analizy wariancji (ANOVA), analizy kowariancji (ANCOVA) (w celu kontroli kowariatów) lub testów chi-kwadrat, w zależności od skali pomiaru. Wielkości efektów (d Cohena, eta-kwadrat) powinny towarzyszyć testom istotności.
Statystycznie istotne różnice między grupami są interpretowane ostrożnie. Badacz rozważa alternatywne wyjaśnienia — zwłaszcza błąd selekcji i niemierzone czynniki zakłócające — zanim przypisze różnicę zmiennej niezależnej. Język przyczynowy jest ograniczony ('może sugerować', 'jest zgodny z'), chyba że projekt obejmuje dodatkowe kontrole, które wzmacniają wnioskowanie przyczynowe.
Częste pułapki
- Traktowanie istotnej różnicy grupowej jako dowodu przyczynowości — zawsze należy otwarcie przyznać nieeksperymentalny charakter i alternatywne wyjaśnienia.
- Ignorowanie nierównoważności grup — gdy grupy porównawcze różnią się pod względem wielu zmiennych tła, docelowa różnica jest zakłócona; użyj dopasowania lub ANCOVA, aby uwzględnić kluczowe kowariaty.
- Odwracanie przyczyny i skutku — w niektórych projektach jest prawdopodobne, że przypuszczalny wynik faktycznie wpływa na zmienną grupującą; należy dokładnie rozważyć sekwencję czasową.
- Używanie projektu, gdy grupy nie są sensownie odrębne — nieostre granice grup (np. luźno zdefiniowany 'wysoki' vs 'niski' dochód) zwiększają wariancję błędu i osłabiają wnioskowanie.
- Raportowanie tylko wartości p bez wielkości efektów — statystycznie istotna różnica między dużymi grupami może być praktycznie trywialna; zawsze należy raportować i interpretować wielkość efektu.
Najczęściej zadawane pytania
Jaka jest różnica między badaniami przyczynowo-porównawczymi a badaniami korelacyjnymi?
Oba są nieeksperymentalne, ale różnią się strukturą i celem. Badania korelacyjne badają siłę i kierunek związku między zmiennymi ciągłymi w ramach jednej grupy, używając współczynników takich jak r Pearsona. Badania przyczynowo-porównawcze porównują dyskretne, utworzone z góry grupy pod względem zmiennej zależnej i wykorzystują statystyki różnic grupowych (test t, ANOVA). Projekty przyczynowo-porównawcze są wyraźnie formułowane wokół przypuszczalnego związku przyczynowo-skutkowego między przynależnością do grupy a wynikiem, podczas gdy projekty korelacyjne opisują związek bez sugerowania kierunku przyczynowo-skutkowego.
Czym badania przyczynowo-porównawcze różnią się od projektu ex post facto?
Terminy te są często używane zamiennie, a w wielu podręcznikach 'projekt ex post facto' jest starszym określeniem dokładnie tego samego podejścia. Kerlinger pierwotnie użył terminu 'ex post facto' (łac. 'po fakcie'), aby podkreślić, że zmienna niezależna już zaistniała. Później metodolodzy, zwłaszcza w dziedzinie edukacji, preferowali termin 'przyczynowo-porównawczy', aby podkreślić logikę porównania grup. Funkcjonalnie oba terminy odnoszą się do tej samej rodziny projektów.
Czy badania przyczynowo-porównawcze mogą ustalić przyczynowość?
Nie — nie z taką samą pewnością jak prawdziwy eksperyment. Ponieważ uczestnicy nie są losowo przypisywani do grup, istniejące różnice między grupami (błąd selekcji) i niemierzone zmienne trzecie są zawsze prawdopodobnymi alternatywnymi wyjaśnieniami. Projekt może dostarczyć sugestywnych, generujących hipotezy dowodów związku przyczynowego, szczególnie gdy wiele badań konsekwentnie powtarza ten wzorzec, ale do potwierdzenia twierdzenia o przyczynowości wymagany jest kontrolowany eksperyment.
Jakie testy statystyczne są odpowiednie?
Wybór zależy od liczby grup i skali pomiaru. Dla dwóch grup ze zmienną ciągłą użyj niezależnego testu t-Studenta; dla trzech lub więcej grup — jednoczynnikowej analizy wariancji (ANOVA). Podczas kontrolowania kowariatów użyj ANCOVA. Dla zmiennych kategorycznych użyj testów chi-kwadrat. We wszystkich przypadkach uzupełnij test istotności indeksem wielkości efektu (d Cohena dla testów t, eta-kwadrat lub omega-kwadrat dla ANOVA), aby przekazać praktyczne znaczenie.
Jak kontrolować zmienne zakłócające w projekcie przyczynowo-porównawczym?
Dostępnych jest kilka strategii na etapie projektowania lub analizy. Na etapie projektowania można dopasować uczestników w grupach pod względem kluczowych czynników zakłócających (np. parując każdego uczestnika z grupy badanej z uczestnikiem z grupy kontrolnej o podobnym wieku i wcześniejszych osiągnięciach). Na etapie analizy można uwzględnić czynniki zakłócające jako kowariaty w ANCOVA, która statystycznie koryguje średnie grup. Żadne z tych podejść nie eliminuje wszystkich zakłóceń, ale oba znacząco wzmacniają trafność wewnętrzną porównania.
Pokrewne metody
Źródła
Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.
Otwórz odnośnik do publikacjiSkopiowano.Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2012). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.
ISBN: 978-0078097850Skopiowano.