准实验设计是一种研究因果关系的方法，虽然没有随机分配，但通过非随机程序进行选择，例如，使用合格分数线或预先存在的组别来确定谁接受治疗。尽管不如真实实验可靠，但在实际或伦理限制下，它提供了一种解决方案，允许研究自变量对因变量的影响，增强了对观察到的变化的信心。 准实验设计是一种确定因果关系的方法，它不将参与者随机分配到实验组。相反，研究人员使用非随机流程。例如，他们可能会使用合格分数线或预先存在的组别来决定谁接受治疗。与此相反，真正的实验使用随机分配到治疗组和对照组来控制混杂变量，使其成为确定因果关系的金标准。准实验研究是一种与实验研究非常相似但又有所不同的设计。“准”一词的意思是“类似”，因此可以将其视为实际实验的表亲。在这些研究中，研究人员可以操纵一个自变量--也就是说，他们改变一个因素，看看会产生什么影响。然而，与真正的实验研究不同的是，参与者不会被随机分配到不同的小组。研究人员通常会使用准实验设计，因为出于实际考虑或伦理考虑，他们无法进行随机分配。例如：► 实际限制：一所学校有意测试一种新的教学方法，但只能在原有的班级中实施，无法随机分配学生。► 伦理问题：一项医学研究可能无法将参与者随机分配到实验药物治疗组，因为他们已经在服用一种经过验证的药物。当研究人员想要研究自然发生的事件（如政策变化或环境变化）的影响时，准实验设计也会派上用场，因为在这种情况下，他们无法控制谁会受到治疗的影响。准实验设计在研究方法论中占有独特的地位，介于观察研究和真正的实验之间。这一中间地带融合了两个世界，既解决了纯观察研究的一些局限性，又克服了真正实验经常遇到的限制。与纯观察研究和相关研究相比，准实验研究的一大优势在于它能解决方向性问题，即确定哪个变量是因，哪个变量是果。在准实验中，通常会在调查过程中进行干预，研究人员会记录干预前后的结果，从而增加对干预导至观察到的变化的信心。不过，也要认识到它的局限性。与真正的实验相比，准实验设计更需要控制混杂变量，因为它缺乏随机分配。总之，当随机分配不可行时，准实验设计提供了一种有价值的研究方法，它提供了一个比观察研究更有条理、更受控制的框架，同时承认并试图解决潜在的混杂因素。这种设计使用自然发生的事件或变化来创建治疗组和对照组。研究人员比较事件影响到的人群和未影响到的人群的结果。分析人员使用统计控制来考虑研究人员必须测量的混杂因素。自然实验与观察性研究有关，但自然实验的因果关系推断更为清晰，因为外部事件或政策变化既提供了一种准随机分组分配形式，也提供了干预措施的明确开始日期。例如，在采用准实验设计的自然实验中，研究人员研究一项重大经济政策变化对小企业增长的影响。该政策在一个省实施，但未在邻近的省份实施。这种情况形成了一种计划外的实验设置，即实施新政策的省份为治疗组，邻近省份为对照组。研究人员主要对小企业增长率感兴趣，但需要记录可能影响增长率的各种混杂因素。因此，他们记录了各省份的经济指标、投资水平和就业数字。通过记录各省份的这些指标，研究人员可以将其作为协变量纳入模型，并对其进行统计控制。通过这种方法，研究人员可以脱离各种混杂因素，估算出政策本身导至的小企业增长差异。这种方法涉及匹配现有的相似但不完全相同的群体。研究人员试图找到尽可能相同的群体，尤其是在可能影响结果的因素方面。例如，研究人员使用非等效组准实验设计来评估一种新教学法在提高学生数学成绩方面的效果。一个考虑采用这种教学方法的学区正在计划进行研究。学生已被划分到不同的学校，因此无法进行随机分配。研究人员将两所人口统计学、基线学业成绩和资源相似的学校进行配对。使用传统方法的学校为对照组，而另一所学校则使用新方法。研究人员正在评估两种方法在教育成果上的差异。他们进行了一次预测试，以确定学校之间可能影响结果的差异，并将其作为协变量来控制混杂因素。他们还记录了干预前后的结果，以便为观察到的变化提供更大的背景。该流程根据预先确定的临界点（如测试分数）将受试者分配到治疗组或对照组。分析主要集中在临近临界点的受试者身上，因为除了所接受的治疗外，他们很可能是相似的。通过比较临界点上下的参与者，这种设计可以控制临界点附近平滑变化的混杂因素。例如，在一个回归不连续的准实验设计中，研究人员以抑郁症的新疗法为切点。抑郁分数略高于某个临界点的人被分配接受最新的治疗，而略低于临界点的人则不接受治疗。这种方法产生了两个密切匹配的群体：一个是勉强符合治疗条件的群体，另一个是勉强错过治疗的群体。通过比较这两组人在一段时间内的心理健康结果，研究人员可以评估新疗法的效果。我们的假设是，两组之间唯一的显著差异就是他们是否接受了治疗，从而分离出治疗对抑郁症结果的影响。对于准实验设计来说，考虑混杂变量是一项具有挑战性但又必不可少的任务。在真正的实验中，随机分配流程会使各组的混杂因素相等，以消除其整体影响。这是一个金标准，因为它适用于所有已知和未知的混杂因素。不幸的是，由于缺乏随机分配，在干预之前，组间差异就已经存在。这些混杂因素可能最终解释了结果，而不是干预措施。因此，研究人员必须使用其他方法，利用匹配和截断值大致均衡各组，或者对他们测量得值之前存在的差异进行统计调整，以减少混杂因素的影响。准实验的一个主要优点是经常使用“事后测试”。这种方法是在收集数据之前进行初步测试，以检查可能影响研究结果的组间已有差异。通过尽早识别这些变量并将其作为协变量，研究人员可以在统计分析中更有效地控制潜在的混杂因素。此外，研究人员还经常跟踪干预前后的结果，以便更好地了解他们观察到的变化的背景。统计学家认为这些方法不如随机方法有效。因此，准实验在内部有效性（即研究能在多大程度上确认因果关系与单纯的相关性）方面处于中间位置。它们比相关研究更有说服力，但不如真正的实验可靠。总之，当随机分配不可行时，准实验设计为研究人员提供了一种多用途的实用方法。这种方法在对照实验和观察研究之间架起了一座桥梁，为调查真实世界环境中的因果关系提供了宝贵的工具。研究人员可以通过了解和利用不同类型的准实验设计来解决伦理和后勤方面的限制，同时还能获得有见地和有意义的结果。[1] Cook, T. D., & Campbell, D. T. (1979). Quasi-experimentation: Design & analysis issues in field settings. Boston, MA: Houghton Mifflin
|
/3 
浙公网安备33010802005999号 
