Randomisierungspläne

In Randomisierungsplänen werden Versuchspersonen zufällig aus einer bestimmten Grundgesamtheit ausgewählt und in zwei oder mehr Gruppen eingeteilt, die ebenfalls per Zufall den unterschiedlichen Bedingungen zugeordnet werden.

Randomisierungspläne bezeichnet man auch als Between-Designs, da sie Mittelwertsvergleiche zwischen Gruppen ermöglichen. Sie untersuchen interindividuelle Varianzen. Dagegen vergleichen Within-Designs (Messwiederholungspläne) unterschiedliche Mittelwerte einer Gruppe und untersuchen intraindividuelle Varianzen.
Randomisierungspläne sind die Methode der Wahl zur Untersuchung von Ursache-Wirkungs-Zusammenhängen. Sie zählen zu den experimentellen Designs und sind entsprechend intern valide.

Das wichtigste Merkmal dieser Gruppe ist die Umsetzung der Randomisierung als Kontrollstrategie.
Hierfür werden die Personen und Bedingungen dreifach randomisiert (3xR). Zunächst entsteht eine Gesamtstichprobe durch die einfache Zufallsziehung. Im Anschluss werden sämtliche Untersuchungsgruppen durch Zufallsgruppenbildung erzeugt. Diese Gruppen werden dann ebenfalls per Zufall den unterschiedlichen Bedingungen (UV) zugeordnet.
Randomisierungspläne kontrollieren systematische und unsystematische Fehlervarianzen (vgl. Max-Kon-Min-Prinzip). Es wird angenommen, dass bei einer genügend großen Personenzahl sowohl bekannte, als auch unbekannte Störvariablen in den Gruppen gleich verteilt sind (Gesetz der großen Zahl). Die Literatur empfiehlt Werte zwischen 30 und 40 Versuchspersonen pro Gruppe als Orientierung. Durch die Annahme der Gleichverteilung der Störvariablen sind die Gruppen und die Ausgangsbedingungen und –messwerte als vergleichbar anzusehen. Es gibt Randomisierungspläne mit zwei oder mehr Gruppen.
In den meisten Fällen untersuchen 2-Gruppen-Randomisierungspläne eine Versuchs- und eine Kontrollgruppe. Differenzierter können Variablen in Mehrgruppen-Randomisierungsplänen untersucht werden. Hier werden entweder mehr als 2 Stufen der UV untersucht, oder aber mehr als eine UV. Im ersteren Fall spricht Sarris (1992) von Trendanalysen. Wenn dagegen mehrere UVs untersucht werden, spricht man von mehrfaktoriellen Designs (z.B. RR-Design).

Außerdem kann man Randomisierungspläne mit oder ohne Vorhermessung durchführen. Die Vorhermessung bietet natürlich einen Informationszuwachs, ist aber auch immer mit Schwierigkeiten verbunden. Vorhermessungen können durch Testeffekte, Zeiteinflüsse und Reifung die interne Validität einschränken. Zusätzlich ist durch die Interaktion von Testung und UV die externe Validität eingeschränkt. Man sollte dies in der Interpretation der Ergebnisse berücksichtigen. Diese Probleme von Versuchsplänen mit Vorhermessung versuchen die sogenannten Solomonpläne zu lösen.
Randomisierungspläne haben im Vergleich zu den anderen experimentellen Plänen den wesentlichen Vorteil, dass auch unbekannte Störeinflüsse als kontrolliert angenommen werden können. Sie haben aber auch einen wichtigen Nachteil. Durch den Bedarf an großen Untersuchungsstichproben sind Randomisierungspläne nicht immer ökonomisch und möglich. Dieser Nachteil wird umso größer, je mehr Bedingungen und Faktoren untersucht werden.

Beispiel:
In einer umfangreichen Studie wird der Einfluss von Stimmungen auf eine Prüfungsleistung im Fach Physik untersucht. Realisiert wird die Untersuchung mithilfe eines 2-Gruppen-Randomisierungsdesigns. Hierfür werden 300 Physikstudenten des Grundstudiums untersucht. Die Probanden werden per Zufall in 2 Gruppen geteilt. Danach werden die beiden Gruppen per Zufall den beiden Bedingungen zugeordnet. Die eine Gruppe schaut eine Komödie, welche eine lustige Stimmung induzieren soll, die andere eine wissenschaftliche Dokumentation über Afrika, welche eine neutrale Stimmung induzieren soll. Die Filme dauern jeweils 45 Minuten. Im Anschluss an den Film schreiben die Studenten eine Physikklausur. Es soll untersucht werden, ob die lustig gestimmten Studenten bessere Leistungen in der Klausur erreichen als die neutral gestimmten.