quasiexperimentelle

Quasi-experimentelle Designs sind Forschungsmethoden, die kausale Effekte einer Intervention untersuchen, obwohl die Teilnehmenden nicht randomisiert einer Behandlungs- oder Kontrollgruppe zugeteilt werden. Sie kommen vor, wenn Randomisierung aus ethischen, logistischen oder praktischen Gründen nicht möglich ist. Im Unterschied zu klassischen Experimenten erfolgt die Zuordnung zu Gruppen nicht rein zufällig; Forscher arbeiten stattdessen mit existierenden Gruppen, Pre- und Postmessungen oder mit statistischen Techniken, um Verzerrungen zu kontrollieren.

Zu den gängigen Designs gehören nicht-äquivalente Gruppen-Designs, Unterbrochene Zeitreihen, Regression-Discontinuity-Designs und Differenz-in-Differenzen-Ansätze. Oft werden zudem Methoden wie Propensity-Score-Matching eingesetzt, um die Vergleichbarkeit von Gruppen zu erhöhen. Naturereignisse oder politische Programme dienen häufig als natürliche Experimente, bei denen der beobachtete Effekt durch Variation in den Rahmenbedingungen entsteht.

Vorteile liegen in der höheren praktischen Durchführbarkeit und in ethischeren bzw. realweltlichen Untersuchungsbedingungen. Nachteile betreffen die interne Validität: Ohne Randomisierung sind Verzerrungen durch Selektion, zeitliche Trends oder andere Störfaktoren wahrscheinlicher, wodurch kausale Schlüsse vorsichtig formuliert werden müssen. Die Zuverlässigkeit von Befunden hängt stark von Annahmen, design-spezifischen Kontrollen und zusätzlichen Analysen ab.

Typische Anwendungsfelder sind Bildungs- und Sozialforschung, Gesundheitswesen, Politikevaluation sowie die Beurteilung von Programmen und Interventionen in realen Settings.