Cuasi experimento

Un cuasi-experimento es un estudio de intervención empírico utilizado para estimar el impacto causal de una intervención en la población objetivo sin asignación aleatoria. La investigación cuasiexperimental comparte similitudes con el diseño experimental tradicional o el ensayo controlado aleatorio, pero específicamente carece del elemento de asignación aleatoria al tratamiento o control. En cambio, los diseños cuasi-experimentales generalmente permiten que el investigador controle la asignación a la condición de tratamiento, pero utilizando algún criterio que no sea la asignación aleatoria (p. ej., una marca límite de elegibilidad).

Los cuasi-experimentos están sujetos a preocupaciones con respecto a la validez interna, porque los grupos de tratamiento y control pueden no ser comparables al inicio del estudio. En otras palabras, puede que no sea posible demostrar de manera convincente un vínculo causal entre la condición de tratamiento y los resultados observados. Esto es particularmente cierto si hay variables de confusión que no se pueden controlar o contabilizar.

Con la asignación aleatoria, los participantes del estudio tienen las mismas posibilidades de ser asignados al grupo de intervención o al grupo de comparación. Como resultado, las diferencias entre los grupos en las características observadas y no observadas se deben al azar, más que a un factor sistemático relacionado con el tratamiento (p. ej., la gravedad de la enfermedad). La aleatorización en sí misma no garantiza que los grupos sean equivalentes al inicio del estudio. Cualquier cambio en las características posteriores a la intervención es probablemente atribuible a la intervención.

Diseño

La primera parte de la creación de un diseño cuasi-experimental es identificar las variables. La variable casi independiente será la variable x, la variable que se manipula para afectar a una variable dependiente. "X" es generalmente una variable de agrupación con diferentes niveles. Agrupamiento significa dos o más grupos, como dos grupos que reciben tratamientos alternativos, o un grupo de tratamiento y un grupo sin tratamiento (al que se le puede administrar un placebo; los placebos se usan con mayor frecuencia en experimentos médicos o fisiológicos). El resultado previsto es la variable dependiente, que es la variable y. En un análisis de series temporales, la variable dependiente se observa a lo largo del tiempo para detectar cualquier cambio que pueda tener lugar. Una vez que se han identificado y definido las variables, se debe implementar un procedimiento y se deben examinar las diferencias de grupo.

En un experimento con asignación aleatoria, las unidades de estudio tienen la misma posibilidad de ser asignadas a una determinada condición de tratamiento. Como tal, la asignación aleatoria garantiza que tanto el grupo experimental como el de control sean equivalentes. En un diseño cuasiexperimental, la asignación a una determinada condición de tratamiento se basa en algo más que una asignación aleatoria. Según el tipo de diseño cuasi-experimental, el investigador puede tener control sobre la asignación a la condición de tratamiento, pero puede usar algún criterio que no sea la asignación aleatoria (p. ej., una puntuación de corte) para determinar qué participantes reciben el tratamiento, o el investigador puede no tener el control sobre la asignación de la condición de tratamiento y los criterios utilizados para la asignación pueden ser desconocidos. Factores como el costo, la factibilidad, las preocupaciones políticas,

Los cuasi-experimentos también son efectivos porque utilizan las "pruebas previas y posteriores". Esto significa que se realizan pruebas antes de recopilar datos para ver si hay alguna persona que confunde o si algún participante tiene ciertas tendencias. Luego se realiza el experimento real y se registran los resultados posteriores a la prueba. Estos datos se pueden comparar como parte del estudio o los datos previos a la prueba se pueden incluir en una explicación de los datos experimentales reales. Los cuasi experimentos tienen variables independientes que ya existen, como la edad, el sexo, el color de ojos. Estas variables pueden ser continuas (edad) o categóricas (género). En resumen, las variables que ocurren naturalmente se miden dentro de cuasi experimentos.

Hay varios tipos de diseños cuasi-experimentales, cada uno con diferentes fortalezas, debilidades y aplicaciones. Estos diseños incluyen (pero no se limitan a):

• Diferencia en diferencias (pre-post con-sin comparación)
• Diseño de grupos de control no equivalentes
  • diseños de grupos de control sin tratamiento
  • diseños de variables dependientes no equivalentes
  • diseños de grupos de tratamiento eliminados
  • diseños de tratamientos repetidos
  • diseños de grupos de control no equivalentes de tratamiento inverso
  • diseños de cohorte
  • diseños solo posteriores a la prueba
  • diseños de continuidad de regresión
• Diseño de discontinuidad de regresión
• Diseño de casos y controles
  • diseños de series de tiempo
  • diseño de series temporales múltiples
  • diseño de series de tiempo interrumpido
  • coincidencia de puntaje de propensión
  • variables instrumentales
• Análisis de paneles

De todos estos diseños, el diseño de discontinuidad de regresión es el que más se acerca al diseño experimental, ya que el experimentador mantiene el control de la asignación del tratamiento y se sabe que "produce una estimación imparcial de los efectos del tratamiento". Sin embargo, requiere un gran número de participantes en el estudio y un modelado preciso de la forma funcional entre la asignación y la variable de resultado, para producir el mismo poder que un diseño experimental tradicional.

Aunque los cuasi-experimentos a veces son rechazados por aquellos que se consideran puristas experimentales (lo que llevó a Donald T. Campbell a acuñar el término "experimentos mareantes" para ellos),son excepcionalmente útiles en áreas donde no es factible o deseable realizar un experimento o ensayo de control aleatorio. Dichos casos incluyen la evaluación del impacto de los cambios en las políticas públicas, las intervenciones educativas o las intervenciones de salud a gran escala. El principal inconveniente de los diseños cuasiexperimentales es que no pueden eliminar la posibilidad de sesgo de confusión, lo que puede dificultar la capacidad de extraer inferencias causales. Este inconveniente se utiliza a menudo para descartar resultados cuasi-experimentales. Sin embargo, dicho sesgo se puede controlar mediante el uso de diversas técnicas estadísticas, como la regresión múltiple, si se pueden identificar y medir las variables de confusión. Tales técnicas se pueden usar para modelar y eliminar parcialmente los efectos de las técnicas de variables de confusión, mejorando así la precisión de los resultados obtenidos de los cuasi-experimentos. Además, el uso cada vez mayor del emparejamiento por puntaje de propensión para emparejar a los participantes en variables importantes para el proceso de selección del tratamiento también puede mejorar la precisión de los resultados cuasi-experimentales. De hecho, se ha demostrado que los datos derivados de análisis cuasiexperimentales coinciden estrechamente con los datos experimentales en ciertos casos, incluso cuando se utilizaron criterios diferentes.En resumen, los cuasi-experimentos son una herramienta valiosa, especialmente para el investigador aplicado. Por sí solos, los diseños cuasi-experimentales no permiten hacer inferencias causales definitivas; sin embargo, brindan información necesaria y valiosa que no se puede obtener solo con métodos experimentales. Los investigadores, especialmente aquellos interesados ​​en investigar cuestiones de investigación aplicada, deben ir más allá del diseño experimental tradicional y aprovechar las posibilidades inherentes a los diseños cuasi-experimentales.

Ética

Un verdadero experimento, por ejemplo, asignaría niños al azar a una beca, para controlar todas las demás variables. Los cuasi-experimentos se usan comúnmente en las ciencias sociales, la salud pública, la educación y el análisis de políticas, especialmente cuando no es práctico o razonable asignar aleatoriamente a los participantes del estudio a la condición de tratamiento.

Como ejemplo, supongamos que dividimos los hogares en dos categorías: hogares en los que los padres pegan a sus hijos y hogares en los que los padres no pegan a sus hijos. Podemos ejecutar una regresión lineal para determinar si existe una correlación positiva entre las nalgadas de los padres y el comportamiento agresivo de sus hijos. Sin embargo, seleccionar aleatoriamente a los padres para que azoten o no a sus hijos puede no ser práctico ni ético, porque algunos padres pueden creer que es moralmente incorrecto azotar a sus hijos y negarse a participar.

Algunos autores distinguen entre un experimento natural y un "cuasi-experimento". La diferencia es que en un cuasi-experimento el criterio para la asignación lo selecciona el investigador, mientras que en un experimento natural la asignación ocurre 'naturalmente', sin la intervención del investigador.

Los cuasi-experimentos tienen medidas de resultado, tratamientos y unidades experimentales, pero no usan asignación aleatoria. Los cuasi-experimentos son a menudo el diseño que la mayoría de la gente elige sobre los experimentos reales. Por lo general, se lleva a cabo fácilmente a diferencia de los experimentos verdaderos, porque incorporan características de diseños experimentales y no experimentales. Se pueden traer variables medidas, así como variables manipuladas. Por lo general, los experimentadores eligen los cuasi-experimentos porque maximizan la validez interna y externa.

Ventajas

Dado que los diseños cuasiexperimentales se utilizan cuando la aleatorización no es práctica ni ética, por lo general son más fáciles de configurar que los diseños experimentales verdaderos, que requieren la asignación aleatoria de sujetos. Además, el uso de diseños cuasiexperimentales minimiza las amenazas a la validez ecológica ya que los entornos naturales no sufren los mismos problemas de artificialidad en comparación con un entorno de laboratorio bien controlado. Dado que los cuasi-experimentos son experimentos naturales, los hallazgos de uno pueden aplicarse a otros sujetos y entornos, lo que permite hacer algunas generalizaciones sobre la población. Además, este método de experimentación es eficiente en investigaciones longitudinales que involucran períodos de tiempo más largos que pueden ser seguidos en diferentes entornos.

Otras ventajas de los cuasi experimentos incluyen la idea de tener cualquier manipulación que el experimentador elija. En los experimentos naturales, los investigadores tienen que dejar que las manipulaciones ocurran por sí mismas y no tener ningún control sobre ellas. Además, el uso de grupos autoseleccionados en cuasi experimentos también elimina la posibilidad de preocupaciones éticas, condicionales, etc. al realizar el estudio.

Desventajas

Las estimaciones cuasi-experimentales del impacto están sujetas a la contaminación por variables de confusión. En el ejemplo anterior, una variación en la respuesta de los niños a los azotes está influenciada plausiblemente por factores que no pueden medirse ni controlarse fácilmente, por ejemplo, el salvajismo intrínseco del niño o la irritabilidad de los padres. La falta de asignación aleatoria en el método de diseño cuasi-experimental puede permitir que los estudios sean más factibles, pero esto también plantea muchos desafíos para el investigador en términos de validez interna. Esta deficiencia en la aleatorización hace que sea más difícil descartar variables de confusión e introduce nuevas amenazas a la validez interna.Debido a que no hay aleatorización, se puede aproximar cierto conocimiento sobre los datos, pero las conclusiones de las relaciones causales son difíciles de determinar debido a una variedad de variables extrañas y confusas que existen en un entorno social. Además, incluso si se evalúan estas amenazas a la validez interna, la causalidad aún no puede establecerse por completo porque el experimentador no tiene un control total sobre las variables extrañas.

Las desventajas también incluyen que los grupos de estudio pueden proporcionar evidencia más débil debido a la falta de aleatoriedad. La aleatoriedad aporta mucha información útil a un estudio porque amplía los resultados y, por lo tanto, ofrece una mejor representación de la población en su conjunto. El uso de grupos desiguales también puede ser una amenaza para la validez interna. Si los grupos no son iguales, lo que a veces ocurre en los cuasi experimentos, es posible que el experimentador no esté seguro de cuáles son las causas de los resultados.

Validez interna

La validez interna es la verdad aproximada sobre las inferencias sobre causa-efecto o relaciones causales. Esta es la razón por la cual la validez es importante para los cuasi experimentos porque se trata de relaciones causales. Ocurre cuando el experimentador trata de controlar todas las variables que podrían afectar los resultados del experimento. La regresión estadística, la historia y los participantes son posibles amenazas a la validez interna. La pregunta que le gustaría hacer al tratar de mantener alta la validez interna es "¿Hay otras razones posibles para el resultado además de la razón por la que quiero que sea?" Si es así, entonces la validez interna podría no ser tan fuerte.

Validez externa

La validez externa es la medida en que los resultados obtenidos de una muestra de estudio pueden generalizarse "a" alguna población de interés bien especificada y "entre" subpoblaciones de personas, épocas, contextos y métodos de estudio. Lynch ha argumentado que generalizar "a" una población casi nunca es posible porque las poblaciones a las que nos gustaría proyectar son medidas de comportamiento futuro, que por definición no se pueden muestrear.Por lo tanto, la pregunta más relevante es si los efectos del tratamiento se generalizan "entre" subpoblaciones que varían en factores de fondo que podrían no ser importantes para el investigador. La validez externa depende de si los estudios de tratamientos tienen efectos homogéneos en diferentes subconjuntos de personas, tiempos, contextos y métodos de estudio o si el signo y la magnitud de los efectos del tratamiento cambian entre los subconjuntos de maneras que los investigadores pueden no reconocer o comprender. . Athey e Imbens y Athey y Wager han sido pioneros en técnicas de aprendizaje automático para la comprensión inductiva de efectos de tratamiento heterogéneos.

Tipos de diseño

Los diseños de "persona por tratamiento" son el tipo más común de diseño de cuasiexperimento. En este diseño, el experimentador mide al menos una variable independiente. Además de medir una variable, el experimentador también manipulará una variable independiente diferente. Debido a que hay manipulación y medición de diferentes variables independientes, la investigación se realiza principalmente en laboratorios. Un factor importante al tratar con diseños de persona por tratamiento es que será necesario usar una asignación aleatoria para asegurarse de que el experimentador tenga un control completo sobre las manipulaciones que se le están haciendo al estudio.

Un ejemplo de este tipo de diseño se realizó en la Universidad de Notre Dame. El estudio se llevó a cabo para ver si recibir orientación para su trabajo conducía a una mayor satisfacción laboral. Los resultados mostraron que muchas personas que tenían un mentor mostraron una satisfacción laboral muy alta. Sin embargo, el estudio también mostró que aquellos que no recibieron el mentor también tenían un alto número de empleados satisfechos. Seibert concluyó que aunque los trabajadores que tenían mentores estaban contentos, no podía asumir que la razón de ello eran los propios mentores debido a la gran cantidad de empleados sin mentores que dijeron estar satisfechos. Esta es la razón por la que la preselección es muy importante para que pueda minimizar cualquier defecto en el estudio antes de que se detecte.

Los "experimentos naturales" son un tipo diferente de diseño de cuasi-experimento utilizado por los investigadores. Se diferencia de persona por tratamiento en que no hay una variable que esté siendo manipulada por el experimentador. En lugar de controlar al menos una variable como el diseño de persona por tratamiento, los experimentadores no utilizan la asignación aleatoria y dejan el control experimental al azar. Aquí es donde el nombre " natural" Proviene del experimento. Las manipulaciones ocurren naturalmente, y aunque esto puede parecer una técnica inexacta, en realidad ha demostrado ser útil en muchos casos. Estos son los estudios realizados a personas a las que les sucedió algo repentino. Esto podría significar una buena o malo, traumático o eufórico. Un ejemplo de esto podrían ser los estudios realizados en los que han estado en un accidente automovilístico y los que no. Los accidentes automovilísticos ocurren naturalmente, por lo que no sería ético montar experimentos para traumatizar a los sujetos en estudio. Estos eventos que ocurren naturalmente han demostrado ser útiles para estudiar casos de trastorno de estrés postraumático.