F-Methoden_F-Designs

Struktur der relevanten Variablen wird gesucht und quantitativ systematsich analysiert

Kein Kausamzusammenhang

Kriterium und Prädiktor

Emprische Überprüfung einer kausalen Verknüpfung von zwei oder mehreren Variablen

Systematische Variation der unabhängigen Variable

Randomisation der Probanden

uV und aV sind klar voneinander abgrenzbar und aV folgt stets uV

Max-Min-Kon-Prinzip

Probleme: Treatment Diffusion, Kompensatorischer Wettstreit oder Ausgleich, Empörte Demoralisierung

Es gibt eine Vor- und Nachmessung

1. Probanden werden randomisisert

2. Probaden werden in Inter- und Kontrollgruppe unterteilt

3. Prämessung

4. Treatment oder nicht

5. Post-Messung

Das gleich wie Prä-Post Design, nur mit einer extraInterventions und Kontrollgruppe, welche keine Prämessung erhalten

Problem: Man braucht sehr viele Probanden

1. Keine Randomisation

2. Probaden werden in zwei Gruppen aufgeteilt

3. Prä- und Post Messung

—> Problem bei Randomisation:

Es könnte sein, dass besonders motivierte Probanden oder Probaden mit einem leichten Störungsgrad sich bevorzugt in der Experimentalgruppe wiederfinden und so der Erfolg der Intervention nicht mehr alleine auf die Intervention an sich, sondern auch mit der günstigen Ausgangslage der Teilnehmer (besonders motiviert, leichte Störung) erklärt werden könnte.

Sicherheit, mit der die gemessenen Effekte (auf denen der aV) auf die variierten Interventionsbedingunegn (uV) zurückgeführt werden können

SIcherrheit des Kausalschlusses

Selektionsfehler, Informationsfehler, Cofounding

Cofounding:

Variable, die mit Exposition assoziiert ist und EInfluss auf Effekt hat

• Kann in jede Richtung verzerren

Gegenmaßnahme: Erhebung aller relevanten Störgrößen