Причинно-сравнительное исследование — Ретроспективный дизайн сравнения групп
- Автор метода
- Fred N. Kerlinger
- Год
- 1964
- Тип
- Non-experimental quantitative research design
- Семейство
- Survey / observational design
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Причинно-сравнительное исследование — это неэкспериментальный количественный дизайн, в котором исследователь сравнивает две или более группы, уже различающиеся по независимой переменной (которая не подвергалась манипуляции), для изучения возможных причин или следствий этого различия.
Поскольку членство в группе является уже существующим, а не случайным образом назначенным, этот дизайн может предполагать причинно-следственные связи, но не может устанавливать их с той же определённостью, что и истинный эксперимент. Он широко используется в образовании, психологии и социальных науках, когда экспериментальная манипуляция непрактична или неэтична.
Интуиция метода
Предположим, вы хотите узнать, влияет ли курение родителей на объём лёгких детей. Вы не можете случайным образом распределить детей в курящие или некурящие семьи, поэтому вместо этого вы определяете группы детей, чьи родители уже курят или не курят, и сравниваете функцию их лёгких. В этом заключается логика причинно-сравнительного исследования: «причина» уже произошла в реальном мире, и вы смотрите назад, чтобы увидеть, связана ли она с различием в результатах. Дизайн напоминает эксперимент по структуре — группы, измеряемый результат, сравнение — но ему не хватает случайного распределения, которое сделало бы причинность окончательной.
История
Логика причинно-сравнительного исследования была формализована в методологии социальных наук Фредом Н. Керлингером в его знаковой работе 1964 года «Основы поведенческих исследований», где он описал исследование «ex post facto» как систематическое изучение уже произошедших событий для выявления вероятных причин. Дизайн имел более ранние корни в сельскохозяйственных и эпидемиологических исследованиях, сравнивающих заранее сформированные группы. К 1970-м–1980-м годам он стал стандартным компонентом учебников по методам педагогических исследований, в частности Гэя (1976) и позднее Френкеля и Уоллена, закрепив свою роль как основного неэкспериментального дизайна, когда манипуляция невозможна.
Когда применять
Используйте причинно-сравнительное исследование, когда вы хотите изучить возможные причины или следствия переменной, которой нельзя этически или практически манипулировать — такой как пол, статус инвалидности, социально-экономическое положение или воздействие прошлого события. Оно уместно, когда группы формируются естественным образом и данные могут быть собраны по значимой зависимой переменной. Оно подходит для описательно-объяснительных исследовательских целей в образовании, здравоохранении и социальных науках. НЕ используйте его, когда вы можете провести истинный эксперимент со случайным распределением — эксперименты предоставляют более сильные причинно-следственные доказательства. Избегайте его, когда группы не могут быть осмысленно уравнены по основным смешивающим факторам, когда членство в группе неоднозначно, или когда исследовательский вопрос требует проспективного отслеживания изменений во времени (вместо этого используйте лонгитюдное исследование).
Ограничения и замечания
- Не может окончательно установить причинно-следственную связь, поскольку группы не распределяются случайным образом — систематическая ошибка отбора и смешивающие переменные остаются альтернативными объяснениями.
- Направление причинно-следственной связи неоднозначно: предполагаемая причина и следствие могут быть обращены, или третья переменная может вызывать оба.
- Группы могут различаться по неизмеренным переменным, которые объясняют наблюдаемое различие, что делает статистический контроль неполным.
- Ретроспективный характер означает, что исследователь не имеет контроля над тем, как независимая переменная была пережита или измерена в прошлом.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Позволяет исследовать причинно-следственные гипотезы, когда экспериментальная манипуляция неэтична или невозможна.
- Более эффективно и менее затратно, чем лонгитюдные эксперименты; данные часто уже существуют.
- Даёт количественные, статистически проверяемые сравнения между естественно сформированными группами.
- Даёт размеры эффекта, которые информируют о практической значимости наряду со статистической значимостью.
- Полезен как предварительный дизайн для обоснования необходимости последующего эксперимента.
Применение
- Сравнение академической успеваемости между студентами, посещавшими дошкольные учреждения, и теми, кто их не посещал.
- Изучение различий в показателях здоровья между курильщиками и некурящими без экспериментального назначения.
- Исследование существования гендерных различий в математической самоэффективности среди учащихся средней школы.
- Сравнение уровней удовлетворённости работой среди сотрудников с различной образовательной квалификацией.
- Оценка того, отличаются ли дети, выросшие в двуязычных семьях, по когнитивной гибкости от своих одноязычных сверстников.
- Изучение того, связана ли городская или сельская местность школы с различиями в показателях удержания учителей.
Как это работает
Как это работает
Исследователь определяет независимую переменную — уже существующую характеристику, такую как пол, социально-экономический статус, уровень образования или жизненное событие — и определяет по крайней мере две группы, которые различаются по этой переменной. Переменная сравнения должна была уже произойти естественным образом; она никогда не манипулируется исследователем.
Участники отбираются из каждой сформированной группы, в идеале с помощью вероятностной выборки для обеспечения обобщаемости. Группы должны быть максимально схожи по всем характеристикам, кроме независимой переменной, поэтому исследователь контролирует или сопоставляет вероятные смешивающие факторы (например, возраст, предыдущие достижения, уровень дохода) на этапе проектирования.
Данные по зависимым переменным собираются из всех групп с использованием одних и тех же инструментов и процедур. Общие источники данных включают стандартизированные результаты тестов, ответы на опросы, административные записи или физические измерения. Поскольку причина уже произошла, сбор данных является ретроспективным или одновременным, а не проспективным.
Средние значения групп (или пропорции, ранги) по зависимой переменной сравниваются с использованием соответствующих методов инференциальной статистики — обычно t-тестов для независимых выборок, однофакторного дисперсионного анализа (ANOVA), ковариационного анализа (ANCOVA) (для контроля ковариат) или критериев хи-квадрат в зависимости от шкалы измерения. Размеры эффекта (d Коэна, эта-квадрат) должны сопровождать тесты значимости.
Статистически значимые различия между группами интерпретируются с осторожностью. Исследователь рассматривает альтернативные объяснения — особенно систематическую ошибку отбора и неучтённые смешивающие факторы — прежде чем приписывать различие независимой переменной. Причинно-следственная терминология используется с оговорками («может предполагать», «согласуется с»), если дизайн не включает дополнительные средства контроля, которые усиливают причинно-следственный вывод.
Частые ошибки
- Трактовка значимого различия между группами как доказательства причинно-следственной связи — всегда явно признавайте неэкспериментальный характер и альтернативные объяснения.
- Игнорирование неэквивалентности групп — когда сравниваемые группы различаются по множеству фоновых переменных, целевое различие смешивается; используйте сопоставление или ANCOVA для учёта ключевых ковариат.
- Обращение причины и следствия — в некоторых дизайнах правдоподобно, что предполагаемый результат фактически влияет на группирующую переменную; тщательно обдумывайте временную последовательность.
- Использование дизайна, когда группы не являются осмысленно различными — размытые границы групп (например, нечётко определённые «высокий» против «низкого» дохода) увеличивают дисперсию ошибки и ослабляют вывод.
- Сообщение только p-значений без размеров эффекта — статистически значимое различие между большими группами может быть практически незначительным; всегда сообщайте и интерпретируйте величину эффекта.
Часто задаваемые вопросы
В чём разница между причинно-сравнительным исследованием и корреляционным исследованием?
Оба являются неэкспериментальными, но различаются по структуре и цели. Корреляционное исследование изучает силу и направление связи между непрерывными переменными в одной группе, используя коэффициенты, такие как r Пирсона. Причинно-сравнительное исследование сравнивает дискретные, заранее сформированные группы по зависимой переменной и использует статистику различий между группами (t-критерий, ANOVA). Причинно-сравнительные дизайны явно строятся вокруг предполагаемой причинно-следственной связи между членством в группе и результатом, тогда как корреляционные дизайны описывают ассоциацию без подразумевания причинно-следственного направления.
Чем причинно-сравнительное исследование отличается от дизайна ex post facto?
Эти термины часто используются взаимозаменяемо, и во многих учебниках «дизайн ex post facto» является более старым названием для того же подхода. Керлингер первоначально использовал «ex post facto» (лат. «после факта»), чтобы подчеркнуть, что независимая переменная уже произошла. Позднее методологи, особенно в образовании, предпочитали «причинно-сравнительный», чтобы подчеркнуть логику сравнения групп. Функционально эти два названия относятся к одному и тому же семейству дизайнов.
Может ли причинно-сравнительное исследование установить причинно-следственную связь?
Нет — не с такой же уверенностью, как истинный эксперимент. Поскольку участники не распределяются случайным образом по группам, уже существующие различия между группами (систематическая ошибка отбора) и неизмеренные третьи переменные всегда являются правдоподобными альтернативными объяснениями. Дизайн может предоставить наводящие, генерирующие гипотезы доказательства причинно-следственной связи, особенно когда несколько исследований последовательно воспроизводят паттерн, но для подтверждения причинно-следственного утверждения требуется контролируемый эксперимент.
Какие статистические тесты подходят?
Выбор зависит от количества групп и шкалы измерения. Для двух групп с непрерывным результатом используйте t-критерий для независимых выборок; для трёх или более групп — однофакторный дисперсионный анализ (ANOVA). При контроле ковариат используйте ковариационный анализ (ANCOVA). Для категориальных результатов используйте критерии хи-квадрат. Во всех случаях дополняйте тест значимости индексом размера эффекта (d Коэна для t-критериев, эта-квадрат или омега-квадрат для ANOVA), чтобы передать практическую важность.
Как контролировать смешивающие переменные в причинно-сравнительном дизайне?
Доступно несколько стратегий на этапе проектирования или анализа. На этапе проектирования вы можете сопоставлять участников между группами по ключевым смешивающим факторам (например, сопоставляя каждого участника экспериментальной группы с участником контрольной группы аналогичного возраста и предыдущих достижений). На этапе анализа вы можете включить смешивающие факторы в качестве ковариат в ANCOVA, который статистически корректирует средние значения групп. Ни один из подходов не устраняет все смешивающие факторы, но оба существенно усиливают внутреннюю валидность сравнения.
Похожие методы
Источники
Kerlinger, F. N. (1964). Foundations of Behavioral Research. Holt, Rinehart and Winston.
Открыть ссылку на публикациюСкопировано.Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2012). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.
ISBN: 978-0078097850Скопировано.