Cognitive Connie
Vad är experimentell design?
Att välja hur man fördelar deltagare till betingelser är ett av de mest avgörande besluten i experimentell design. Det påverkar hur många deltagare du behöver, vilka hot mot validitet du möter och vilka statistiska procedurer som är lämpliga. Ingen design är universellt överlägsen — varje är en uppsättning avvägningar mellan intern validitet, ekologisk validitet och praktiska begränsningar.
Nyckelpersoner
R. A. Fisher
1890–1962Brittisk statistiker som formaliserade logiken i experimentell design i The Design of Experiments (1935). Fisher introducerade begreppen randomisering, replikering och kontroll som de tre kärnprinciperna för experimentell validitet, och utvecklade variansanalys (ANOVA) för att hantera multi-betingelsedesigner. Hans arbete vid Rothamsted Agricultural Research Station gav det grundläggande ramverket som all experimentell psykologi senare antog.
Donald T. Campbell
1916–1996Amerikansk psykolog som tillsammans med Julian Stanley publicerade Experimental and Quasi-Experimental Designs for Research (1963) — den seminala taxonomin över hot mot intern och extern validitet. Campbell systematiserade de hot som experimentella designer måste adressera och introducerade kvasiexperimentella designer lämpliga när sann slumpmässig fördelning är omöjlig.
Martin Orne
1927–2000Amerikansk psykiater som myntade termen "kravkarakteristika" 1962 och visade att deltagare i psykologiska experiment aktivt söker ledtrådar om studiens syfte och anpassar sitt beteende därefter. Hans arbete transformerade forskarnas förståelse av experimentets sociala natur och motiverade blindningsprocedurer och mer naturalistiska paradigm.
Nyckelbegrepp
Oberoende grupper-design
Olika deltagare fördelas till varje betingelse. Fördelar: inga ordningseffekter (deltagare upplever bara en betingelse). Nackdelar: deltagarvariablar kan skilja sig mellan grupper, vilket kräver fler deltagare och slumpmässig fördelning för att minimera befintliga skillnader. Kallas även mellansubjektsdesign.
Upprepade mätningar-design
Samma deltagare genomför alla betingelser och fungerar som sin egen kontroll. Fördelar: deltagarvariablar kontrolleras; kräver färre deltagare. Nackdelar: ordningseffekter (övning, trötthet, uttråkning) och förhöjda kravkarakteristika (deltagare gissar lättare studiens syfte när de genomför flera betingelser). Kallas även inomsubjektsdesign.
Matchade par-design
Deltagare paras på nyckelvariabler som sannolikt påverkar BV (t.ex. IQ, ålder, baslinjeprestation), sedan tilldelas en person från varje par varje betingelse. Kombinerar minskad deltagarvariabilitet (som upprepade mätningar) med avsaknad av ordningseffekter (som oberoende grupper). Den viktigaste begränsningen är den praktiska svårigheten att hitta väl matchade par, särskilt på flera variabler simultant.
Ordningseffekter
I upprepade mätningar-designs kan prestanda i en senare betingelse påverkas av erfarenhet från en tidigare. Övningseffekter förbättrar prestanda med uppgiftsbekantskap; trötthet och uttråkning försämrar senare prestanda. Ordningseffekter finns inte i oberoende grupper-designs eftersom varje deltagare upplever bara en betingelse.
Motbalansering
Standardlösningen på ordningseffekter i upprepade mätningar-designs. Istället för att alla deltagare genomför betingelserna i samma ordning (A sedan B), delas deltagare: hälften genomför A sedan B, hälften B sedan A. Detta sprider ordningseffekter jämnt mellan betingelserna snarare än att konsekvent gynna en. Motbalansering eliminerar inte ordningseffekter — den balanserar dem.
Laboratorieexperiment
Genomförs i en artificiell, kontrollerad miljö där forskaren manipulerar OV. Maximerar kontrollen av externa variabler och därmed intern validitet. Avvägningen är ekologisk validitet: beteende i en artificiell miljö kanske inte speglar vardagsbeteende.
Fältexperiment
Sker i deltagarnas naturliga miljö med OV fortfarande aktivt manipulerad av forskaren. Bevarar ekologisk validitet men offrar viss kontroll över externa variabler. Klassiskt exempel: Bickmans (1974) uniformstudie, som manipulerade auktoritet genom att en medbrottsling i olika uniformer gav instruktioner till förbipasserande.
Naturligt experiment
OV varierar naturligt eller genom omständigheter bortom forskarens kontroll — policyförändringar, naturkatastrofer, introduktion av teknik till ett samhälle. Slumpmässig fördelning är omöjlig; deltagare bestäms av omständigheter. Har hög ekologisk validitet men kan inte fastställa kausalitet med samma säkerhet som sanna experiment.
Kravkarakteristika
Ledtrådar i den experimentella situationen som gör det möjligt för deltagare att gissa studiens syfte, vilket får dem att förändra sitt beteende i linje med (eller medvetet mot) upplevda förväntningar. Hotar intern validitet eftersom BV kan spegla deltagarnas svar på sina slutsatser om studien snarare än på OV ensam.
Dubbelblind procedur
Både deltagare och de forskare som samlar in eller bedömer data hålls ovetande om betingelsfördelning. Adresserar kravkarakteristika (deltagare kan inte anpassa beteende till upplevda förväntningar) och experimentatorsbias (forskare kan inte omedvetet behandla deltagare olika eller tolka tvetydig data i linje med sina förväntningar).
Testa dina kunskaper
Vanliga frågor
När ska man använda upprepade mätningar snarare än oberoende grupper?+
Upprepade mätningar är att föredra när: (a) deltagarvariabilitet är hög och du vill eliminera den som brus; (b) du har begränsat antal tillgängliga deltagare; (c) betingelserna skiljer sig tillräckligt i karaktär för att ordningseffekter kan hanteras via motbalansering. Oberoende grupper är att föredra när: (a) att delta i en betingelse skulle göra den andra meningslös (t.ex. en studie som testar effekten av att se ett korrekt svar på ett problem); (b) de två betingelserna är så lika att överföringseffekter vore oundvikliga; eller (c) studien är tillräckligt lång för att trötthetseffekter skulle bli allvarliga.
Löser motbalansering helt problemet med ordningseffekter?+
Nej. Motbalansering balanserar ordningseffekter mellan betingelserna — säkerställer att eventuell övnings- eller trötthetsvinst fördelas lika — men eliminerar dem inte. Om en överföringseffekt är asymmetrisk (AB producerar en större effekt än BA) löser inte motbalansering detta fullt ut. Mer fundamentalt antar motbalansering att enskilda deltagares ordningseffekter medelvärdes ut i urvalet; för små urval kanske detta antagande inte håller. Där överföringseffekter är allvarliga och oundvikliga kan byte till oberoende grupper vara det enda rimliga alternativet.
Varför kan naturliga experiment inte bevisa kausalitet?+
I ett naturligt experiment fördelas deltagare inte slumpmässigt till betingelser — de hamnar i en "betingelse" eller en annan genom omständigheter. Det innebär att befintliga skillnader mellan grupper kan förklara varje observerad skillnad i utfall. Utan slumpmässig fördelning kan du inte utesluta möjligheten att grupperna skilde sig på någon relevant egenskap innan den "naturliga manipulationen" inträffade. Du kan stärka kausalt slutledande genom för-/eftermätning, statistisk kontroll och flera replikeringar, men den grundläggande begränsningen — ingen forskarstyrda slumpmässig fördelning — innebär att kausalitet inte kan fastställas med samma säkerhet som i ett sant experiment.
Källor
Senast granskad juli 2025- 1.
Shadish W.R., Cook T.D., & Campbell D.T. (2002). Experimental and Quasi-Experimental Designs for Generalized Causal Inference. Houghton Mifflin.
+Om den här källan
Definitive text on experimental design, covering all major designs including natural experiments and threats to validity.
- 2.
Campbell D.T. & Stanley J.C. (1966). Experimental and Quasi-Experimental Designs for Research. Rand McNally.
+Om den här källan
Foundational text introducing the experimental design typology and the distinction between lab, field, and natural experiments.