Your SlideShare is downloading. ×
0
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Experimentelle und Quasiexperimentelle Designs 30_04_09
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Experimentelle und Quasiexperimentelle Designs 30_04_09

10,061

Published on

Published in: Education
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
10,061
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
25
Comments
0
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. <ul><li>Empirische Sozialforschung </li></ul><ul><li>Grundlagen – Methoden – Anwendungen </li></ul><ul><li>VIII. Experimentelle und Quasiexperimentelle Designs </li></ul>11.05.10 Stefan Freier, Thorsten Graß
  • 2. Agenda 11.05.10 Stefan Freier, Thorsten Graß 1. Überblick Designvarianten 2. Vorexperimentelle Designs 3. Experimentelle Designs 4. Quasi-Experimente und Evaluationsforschung 5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie Quelle: Empirische Sozialforschung, Diekmann Andreas 20. Aufl. 2009
  • 3. 1.Überblick Designvarianten 11.05.10 Stefan Freier, Thorsten Graß Campell und Stanley (1963) haben die Folgenden Designvarianten systematisiert und Vor-und Nachteile untersucht: <ul><li>Vorexperimentelle Designs (als wissenschaftliche Strategie, bzw. zur Hypothesenführung ungeeignet, da mit Fehlerquellen behaftet) </li></ul><ul><li>Experimentelle Designs (Zwei Gruppen, Randomisierung, unabhängige Variable vom Forscher manipuliert) </li></ul><ul><li>Quasi-Experimentelle Designs (Kontrollierte Versuchsanordnung, ohne Randomisierung) </li></ul><ul><li>Ex-post-facto-Designs (Ausblendung von verzerrenden Störfaktoren nach der Untersuchung) </li></ul><ul><li>[Genaue Betrachtung in Kapitel XIV] </li></ul>
  • 4. 2. Vorexperimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Vorexperimentelle Designs können den Zweck eines Experiments (Varianzkontrolle) nicht erfüllen, da keine Vergleichsgruppen bestehen und auch keine Randomisierung besteht </li></ul><ul><li>Ausprägungen: </li></ul><ul><li>X O Design: </li></ul><ul><li>X O </li></ul><ul><li>Design ohne Vergleichsgruppe, keine Varianz auf der unabhängigen Variable (Stimulus X) </li></ul><ul><li>z.B. Vertreiben von Elefanten durch Klatschen auf Parkbank </li></ul><ul><li>X O „Design falscher Vergleichswerte“: </li></ul><ul><li>Varianz der abhängigen Variable (O) = 0 </li></ul><ul><li>z.B. Suche nach Gemeinsamkeiten der 100 erfolgreichsten Lernenden </li></ul><ul><li>(Was ist Output, Was ist input?) </li></ul>X=Stimulus O=Observation
  • 5. 2. Vorexperimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>O 1 X O 2 Vorexperimentelles Design mit vorher – nachher Betrachtung </li></ul><ul><li>Varianz kann sich im Zeitverlauf ändern, wobei man nicht weiß ob es auch ohne Stimulus passiert wäre </li></ul><ul><li>z.B. Lernerfolg einer Klasse ist nach Motivationsgespräch gestiegen, man weiß aber nicht ob nicht andere Faktoren dafür verantwortlich sind </li></ul><ul><li>Schwächen vorexperimenteller Designs: </li></ul><ul><li>Keine Vergleichsgruppen (Varianz=0) </li></ul><ul><li>Reifungsprozesse können nicht identifiziert werden </li></ul>
  • 6. 11.05.10 Stefan Freier, Thorsten Graß 1. Überblick Designvarianten 2. Vorexperimentelle Designs 3. Experimentelle Designs 4. Quasi-Experimente und Evaluationsforschung 5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie Quelle: Empirische Sozialforschung, Diekmann Andreas 20. Aufl. 2009 Agenda
  • 7. 3. Experimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Prämissen für Experimentelle Designs: </li></ul><ul><li>Bildung mindestens zweier Gruppen (Versuchs- und Kontrollgruppe) </li></ul><ul><li>Randomisierung (Zufällige Verteilung der Probanden auf die Gruppen) </li></ul><ul><li>Manipulation des Stimulus (unabhängige Variable X ) </li></ul><ul><li>Beispiel Medikament: </li></ul><ul><li>X= Richtiges Medikament (Versuchsgruppe), leeres Feld (Kontrollgruppe) bekommt Placebo </li></ul>R=Randomisierung X= Stimulus O=Observation R X O Versuchsgruppe R O Kontrollgruppe
  • 8. 3. Experimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Blindversuch: </li></ul><ul><li>Versuchspersonen wissen nicht ob Sie in Kontroll- oder Versuchsgruppe sind, Hypothese ebenfalls nicht bekannt </li></ul><ul><li>Doppelblindversuch: </li></ul><ul><li>Versuchsleiter weiß nicht welche Versuchspersonen welcher Gruppe angehören (Kennt den Stimulus nicht) </li></ul><ul><li>Verhinderung von Selbstsuggestion und Verhaltensänderung aufgrund der Kenntnis der Hypothese </li></ul><ul><li>Versuchs- und Kontrollgruppen-Design mit mehreren Stimuli (Jede Versuchs- ist gleichzeitig Kontrollgruppe) </li></ul><ul><li>Beispiel: Zwei Medikamente unterschiedliche Zusammensetzung welche Wirkungen? </li></ul>R X 1 O 1 Versuchsgruppe 1 R X 2 O 2 Versuchsgruppe 2 ... ... ... ... R X m O m Versuchsgruppe m
  • 9. 3. Experimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Hintergrund Randomisierung: </li></ul><ul><li>Probanden werden zufällig auf Versuchsgruppen aufgeteilt (Drittvariablen werden neutralisiert) </li></ul><ul><li>Störfaktoren werden ausgeschlossen (z.B. unbeobachtete Merkmale) </li></ul><ul><li>Scheinkorrelation kann ausgeschlossen werden </li></ul><ul><li>1. X O Stimulus führt zu Observation </li></ul><ul><li>2. Z X O Korrelation zwischen X und O ist nicht kausal </li></ul><ul><li>sondern wird durch Z hervorgerufen </li></ul><ul><li>(Scheinkorrelation) </li></ul><ul><li>3. X Y O Drittvariable Y wirkt X entgegen (Entgegenwirkende Variable) </li></ul><ul><li>(z.B. nicht Qualifikation durch Maßnahme sondern Regelmäßigkeit des Tagesablaufs) </li></ul>Z=Unbekannter Faktor Y= Entgegenwirkende Variable
  • 10. 3. Experimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Zusammenfassung Fehlerquellen: </li></ul><ul><li>Scheinkorrelation: Unbekannter Faktor (Z) ist für Zusammenhang zwischen X und O verantwortlich </li></ul><ul><li>(Bsp. Wirkung von Berufsförderungsprogrammen) </li></ul><ul><li>Weitere Fehlerquellen trotz Randomisierung: </li></ul><ul><li>Auftritt einer Drittvariablen Y die X entgegenwirkt </li></ul><ul><li>Lösung: Laborexperiment </li></ul><ul><li>Reaktivität (z.B. „Hawthorne-Effekt“ Wissen der Probanden -> Gegenstand wissenschaftlicher Forschung) </li></ul><ul><li>Lösung: Doppelblindversuch </li></ul><ul><li>Zufallsauswahl missglückt (geringe Probandenzahl) </li></ul><ul><li>Lösung: Matching (Versuch „Zwillinge“ in Gruppen zu schaffen) </li></ul>
  • 11. 3. Experimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Solomon – Viergruppenversuchsplan </li></ul><ul><li>Vorher-Nachher Messung teil des Solomon Vierguppenversuchs: </li></ul><ul><li>Messung des Ausgangniveaus </li></ul><ul><li>Vorhermessung kann Nachhermessung beeinflussen (Lerneffekt) </li></ul><ul><li>Wirkung Stimulus wird zweifach überprüft </li></ul><ul><li>Bei pos. Kausalem Zusammenhang ist zu erwarten: </li></ul><ul><li>O 2 >O 1 , O 2 >O 4 , O 5 >O 6 </li></ul>R O 1 X O 2 Experimentalgruppe 1 R O 3 O 4 Kontrollgruppe 1 R X O 5 Experimentalgruppe2 R 0 6 Kontrollgruppe 2
  • 12. 3. Experimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Störfaktoren: </li></ul><ul><li>Zwischenzeitliches Geschehen </li></ul><ul><li>Reifungsprozesse </li></ul><ul><li>Varianz abhängige Variablen wird durch „intrapersonale“ Prozesse bedingt, also nicht durch Stimulus </li></ul><ul><li>Meßeffekte </li></ul><ul><li>Veränderung der abhängigen Variablen ist Folge des ersten Messvorganges (O 3 auf O 4 ) -> Nach erster Messung evtl. Verhaltensänderung </li></ul><ul><li>Instrumentation </li></ul><ul><li>Veränderungen der Versuchssituation beeinflussen das Niveau der abhängigen Variablen </li></ul><ul><li>Verzerrte Auswahlen und Ausfälle </li></ul>
  • 13. 3. Experimentelle Designs 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Vorteile: </li></ul><ul><li>Zeitliche Ordnung </li></ul><ul><li>Experimenteller Stimulus wird im Experiment „produziert“ und geht der vermuteten Wirkung zeitlich voraus. (Zuordnung möglich) </li></ul><ul><li>Randomisierung </li></ul><ul><li>Störvariablen werden ausgeblendet </li></ul><ul><li>Nachteile: </li></ul><ul><li>Externe Validität nicht gegeben, da </li></ul><ul><li>Lassen sich Ergebnisse generalisieren? (Stichprobe) </li></ul><ul><li>Experimentalsituation -> Können Ergebnisse auf Alltagssituation übertragen werden? </li></ul><ul><li>Hoher Aufwand bzw. Unmöglichkeit der Randomisierung bei vielen Untersuchungsgegenständen </li></ul><ul><li>Reaktivität (Suggestion, Aufmerksamkeitseffekte bei Probanden und Versuchleitern </li></ul>
  • 14. 11.05.10 Stefan Freier, Thorsten Graß 1. Überblick Designvarianten 2. Vorexperimentelle Designs 3. Experimentelle Designs 4. Quasi-Experimente und Evaluationsforschung 5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie Quelle: Empirische Sozialforschung, Diekmann Andreas 20. Aufl. 2009 Agenda
  • 15. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Versuchsanordnungen, ähnlich wie Experimentelle Designs, jedoch folgen sie nicht deren strengen Anforderungen </li></ul><ul><li>ABER: Kriterium der Randomisierung ist verletzt </li></ul><ul><li>Bei Evaluation von Maßnahmen ist Zufallsaufteilung von Personen auf die einzelnen Gruppen oft nicht möglich </li></ul><ul><li>Wirkungen von Maßnahmen kann abgeschätzt werden, allerdings können Drittvariableneffekte auftreten und nicht neutralisiert werden (Aufgrund fehlender Randomisierung) </li></ul>
  • 16. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Zwei gebräuchliche quasiexperimentelle Designs: </li></ul><ul><li>Versuchsanordnungen mit nicht gleichartiger Kontrollgruppe </li></ul><ul><li>Zeitreihenexperimente </li></ul><ul><li>Zu 1. Experiment mit Vorher-nachher-Messung </li></ul><ul><li>O 1 und O 3 können sich aufgrund fehlender Randomisierung (Selbstselektion) unterscheiden, daher Vorhermessung wesentlich </li></ul><ul><li>Veränderung ist Meßbar </li></ul><ul><li>Reifungseffekte und zwischenzeitliche Geschehen (interne Validität) werden mittels Vergleich von Maßnahmen und Kontrollgruppe kontrolliert </li></ul>O 1 X O 2 Maßnahmengruppe O 3 O 4 Kontrollgruppe
  • 17. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Beispiel: Einfluss Förderprogramm auf Leistung von Schulkindern </li></ul><ul><li>O 2 -O 1 > O 4 -O 3 </li></ul><ul><li>Nachweis für Wirksamkeit des Förderprogramms? </li></ul><ul><li>Probleme die zur Verzerrung durch Drittvariablen führen können: </li></ul><ul><li>Nichtvergleichbarkeit der Gruppe (z.B. Selbstselektion nur motivierte Schüler) </li></ul><ul><li>Systematischer Ausfall von Probanden (Leistungsschwache Schüler brechen ab) </li></ul><ul><li>Folge: O 2 wird nach oben verzerrt, leistungszuwachs wird fälschlicherweise Maßnahme X zugeordnet </li></ul>O 1 X O 2 Maßnahmengruppe O 3 O 4 Kontrollgruppe
  • 18. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Lösungsmöglichkeiten: </li></ul><ul><li>a) Paarweises Matching </li></ul><ul><li>b) Nachträgliche Kontrolle von Drittvariablen mit multivariaten statistischen Verfahren </li></ul><ul><li>Zu a) </li></ul><ul><li>Merkmale vorheriger Leistungsmessung, Geschlecht, Sozialstatus werden berücksichtigt und konstant gehalten (z.B. Jedem Schulkind in der Maßnahmengruppe wird ein Zwilling in der Kontrollgruppe zugeordnet) </li></ul><ul><li>Zu b) </li></ul><ul><li>Ähnlich wie Matching, jedoch werden ausgewählte Drittvariablen nachträglich rechnerisch konstant gehalten (Durchführung Kapitel XIV) </li></ul><ul><li>Eine Kombination beider Methoden ist möglich </li></ul>
  • 19. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Problem weiterhin: </li></ul><ul><li>Nicht explizit berücksichtigte Drittvariablen verzerren das Ausmaß des Effekts von X </li></ul><ul><li>Besteht Verdacht: </li></ul><ul><li>Motivation (Drittvariable) messen und beim Matching oder Datenanalyse kontrollieren, Verzerrung durch Selbstselektion vermeiden: </li></ul><ul><ul><li>Kontrollgruppe aus Personen der Wartegruppe bilden </li></ul></ul>
  • 20. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Regressionseffekt (Angleichung) </li></ul><ul><li>Bsp. Schlechte Schüler mehr potenzial zur Leistungsverbesserung </li></ul><ul><li>Gute Schüler weniger potenzial nach oben aber Verschlechterung möglich </li></ul><ul><li>Werte der Vorher- Messung in Versuchs- und Kontrollgruppe (O 1 und O 3 ) unterscheiden sich stark </li></ul><ul><li>Streben aber im Folgenden zur Mitte </li></ul><ul><li>Bsp. Kriminalitätsrate sehr hoch -> neues Gesetz -> Kriminalität sinkt aber Rückgang ohnehin, da Regression zur Mitte </li></ul><ul><ul><li>Dieser Rückgang wird allerdings der Maßnahme zugerechnet </li></ul></ul>
  • 21. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Zu 2. Zeitreihen-Experimente </li></ul><ul><li>Lösungsansatz: </li></ul><ul><li>Regressionseffekte können u.a. durch ein Zeitreihen-Design kontrolliert werden </li></ul><ul><li>Hier wird der Trend in einer Zeitreihe vor einem Stimulus X mit dem Trend nach Stimulus X verglichen </li></ul><ul><li>O 1 O 2 O 3 O 4 X O 5 O 6 O 7 O 8 </li></ul><ul><li>Vorher- Trend Nachher- Trend </li></ul><ul><li>Somit sind Trends vergleichbar </li></ul><ul><li>Regressionseffekte und Reifung können identifiziert werden </li></ul><ul><li>Drittvariablen sind Identintifizierbar </li></ul><ul><li>Allerdings: Es können im Nachher-Trend von X unabhängige Faktoren auftreten die man X fälschlicherweise zuordnet </li></ul>
  • 22. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Weiteres Problem ist die Einschätzung und Separierung der Wirkung von X auf den Nachher- Trend </li></ul><ul><li>Hier werden zur Prüfung von X und zur Schätzung der Stärke des Effekts statistische Methoden der Zeitreihenanalyse benutzt </li></ul><ul><li>Beispiel Zeitreihenexperimente: </li></ul><ul><li>Hat die Erhöhung der Strafandrohung in Hamburg zu einer Abnahme der Häufigkeit des Schwarzfahrens in öffentlichen Verkehrsmittelns geführt? </li></ul><ul><li>Scheint erfolgreich! ? </li></ul>O 1 X O 2 1,12% Schwarzfahrer Erhöhte Geldbuße (40€) 0,84 % Schwarzfahrer
  • 23. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß
  • 24. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Für genauere Analyse Design mehrfache Zeitreihen erforderlich </li></ul><ul><li>Multiples Zeitreihen- Design: </li></ul><ul><li>Durch Vergleich mit einer zweiten Zeitreihe ohne Stimulus wird die Maßnahme optisch aufgewertet </li></ul>O 1 O 2 O 3 X O 5 O 6 HH O 1 O 2 O 3 O 5 O 6 HB
  • 25. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Allerdings für valide Aussage werden benötigt: </li></ul><ul><li>Lange Zeitreihen </li></ul><ul><li>Viele unterschiedliche Vergleichszeitreihen </li></ul><ul><li>Vorliegende Daten liefern somit keine valide Aussage für den nachhaltigen Effekt des Stimulus </li></ul>
  • 26. 4. Quasi- Experimente und Evaluationsforschung 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Zusammenfassung: </li></ul><ul><li>Designs finden Anwendung in Evaluationsstudien </li></ul><ul><li>Ziel: Erfolgskontrolle und finden von Nebenwirkungen </li></ul><ul><li>Fehlerquellen: </li></ul><ul><li>Drittvariablen, Regressionseffekt, Reifung, kurze Zeiträume etc. sind besondere Aufmerksamkeit zu widmen um Wirkungszusammenhänge zu erkennen </li></ul>
  • 27. 11.05.10 Stefan Freier, Thorsten Graß 1. Überblick Designvarianten 2. Vorexperimentelle Designs 3. Experimentelle Designs 4. Quasi-Experimente und Evaluationsforschung 5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie Quelle: Empirische Sozialforschung, Diekmann Andreas 20. Aufl. 2009 Agenda
  • 28. 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Experiment zurückzuführen auf Freiwilligendilemma (Diekmann) bzw. auf das Prinzip der Verantwortungsdiffusion (Darley und Latané) </li></ul><ul><li>Hypothese: Je größer Beobachterkreis, desto geringer eigene Hilfebereitschaft </li></ul><ul><li>Folge: Hilfeleistung unterbleibt </li></ul><ul><li>Bsp: Kind ist im Eis eingebrochen </li></ul>5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie
  • 29. 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Abstrakt: </li></ul><ul><li>Wert der Hilfeleistung ist für n Personen ein kollektives Gut </li></ul><ul><li>(kann bereits durch eine Person vollständig hergestellt werden) mit Nutzen U </li></ul><ul><li>Hilfeleistung ist mit Kosten verbunden (K) </li></ul><ul><ul><li>Annahme U>K>0 </li></ul></ul><ul><li>„ Trittbrettfahrer“ setzen auf Person, die Kosten auf sich nimmt um selbst U zu erzielen </li></ul><ul><li>Kooperative Lösung: kooperative Person erzielt U-K </li></ul><ul><li>Trittbrettfahrer jedoch U </li></ul><ul><li>Unterbleibt Hilfeleistung: U=0 für alle! </li></ul>K=Kosten U=Nutzen n= Anzahl Personen 5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie
  • 30. 11.05.10 Stefan Freier, Thorsten Graß Darley-und-Latané Experiment: <ul><li>Mit steigender Gruppengröße sinken die Hilfeleistungsreaktionen </li></ul>5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie Gruppengröße n Fallzahl N Hilfeleistungsreaktionen in % Durchschnittliche Zeit in Sek. Bis zur Reaktion 1 (Versuchsperson und Opfer) 13 85 52 2 (Versuchsperson, Opfer und andere Person) 26 62 93 5 (Versuchsperson, Opfer und 4 andere Personen 13 31 166
  • 31. 11.05.10 Stefan Freier, Thorsten Graß <ul><li>Hieraus kann man die Nash-Gleichgewichtslösung ableiten: </li></ul><ul><li>Die Wahrscheinlichkeit der Kooperation (p) steigt mit dem Wert des Kollektivgutes (U) </li></ul><ul><li>Und sinkt mit den Kosten (K) und der Gruppengröße (n) </li></ul><ul><li>D.h. Desto größer die Gruppe desto größer die Anzahl der Trittbrettfahrer </li></ul><ul><li>Bsp. Investitionen von Unternehmen in Forschung </li></ul>p= Wahrscheinlichkeit der Kooperation 5. Beispiel: Von der Verantwortungsdiffusion zur experimentellen Spieltheorie
  • 32. E) Zusammenfassung Kap VIII 11.05.10 Stefan Freier, Thorsten Graß Typ Merkmal Experimentelle Designs Mit Randomisierung ,es entstehen gute Kontrollgruppen Quasiexperimentelle Designs Ohne Randomisierung, es entstehen suboptimale Vergleichsgruppen Vorexperimentelle Designs Ohne Vergleichsgruppe

×