Hoe controleer ik of de experimentele en controle groep vergelijkbare groepen zijn?

Question

Ik kreeg de vraag hoe ik ging aantonen of mijn de groepen in mijn onderzoek wel vergelijkbaar zijn. Het onderzoek is een experimenteel onderzoek naar de effecten van 2 interventies met quasi-random toewijzing. Per 6 deelnemers wordt toegewezen aan interventie A of interventie B

Verder zijn vrouwen geincludeerd op 1 onderzoeksvariabele, namelijk bovenmatige niveau van stress en zijn alle deelnemers zwanger. (onderzoekspopulatie bevat dus alleen maar vrouwen).

Nu is mijn vraag 1) omdat er sprake is van random toewijzing, moet ik dan nog controleren op vergelijkbaarheid?

2) Indien ik de groepen moet controleren, hoe doe ik dat? Is dat door verschillende demografische variabelen te vergelijken (en hoe?) of door de onderzoeksvariabelen uit mijn hoofdvraag te vergelijken.

Ik hoor het graag.

Vriendelijke groet,

An

Answer 1

Verschillende condities in een experiment kunnen worden vergeleken op alle variabelen die zijn gemeten voordat verschillen tussen de condities zich manifesteren. In de praktijk betreft het verschil bijna altijd een manipulatie (en accurater, verschillende vormen van een manipulatie of zelfs verschillende manipulaties). Zolang alle condities dezelfde procedure volgen, zijn alle metingen bruikbaar om ze te vergelijken.

Je hoeft je dus niet te beperken tot demografische variabelen; juist voormetingen van je afhankelijke variabele of mogelijke mediatoren of covariaten zijn ook interessant om te bekijken. Elke variabele die samenhangt met conditie (i.e. met je onafhankelijke variabele(n)) is een mogelijke confounder. De volgende stap is dan om te kijken of die variabele ook samenhangt met je afhankelijke variabele. Zoja, dan is de variabele een confounder, en kan hij effecten verhullen of niet-bestaande effecten laten verschijnen.

De vergelijking doe je met een t-toets (als je twee condities hebt) of een eenweg anova (als je meerdere vormen/niveau's van dezelfde manipulatie hebt) of een factoriele anova (als je condities de manifestatie van meerdere onafhankelijke variabelen vormen). De afhankelijke variabele is dan steeds de mogelijke confounder. Als je mogelijke confounder niet het interval-niveau heeft, gebruik je chi-square, en Cramer's V als effect size measure.

Randomisatie garandeert dat de groepen equivalent zijn, maar is een random proces, en is bij kleine steekproeven dus niet betrouwbaar. Verificatie is dus altijd een goed idee, en kan sowieso geen kwaad. Zie voor meer achtergrondinformatie http://stats.stackexchange.com/questions/74350/is-randomization-reliable-with-small-samples