Metode: Komplekse design

Design som manipulerer en uavhengig variabel

I både randomisert posttest-design og pretest-posttest-design fordeles deltakerene tilfeldig i grupper og den uavhengige variabelen manipuleres i to nivåer. De ulike gruppene får dermed forskjellig behandling (treatment). Før manipulasjonen skal det egentlig ikke være noen forskjell mellom gruppene. Forskjellene som forekommer når det gjelder den avhengige variabelen etter manipulasjonen kan i slike tilfeller ofte skyldes manipulasjonen. Design som manipulerer en uavhengig variabel kalles mellomgruppe-design, fordi manipulasjonen innføres for forskjellige grupper.I posttest-design fordeles forsøksdeltakerene tilfeldig i grupper, og den uavhengige variabelen manipuleres. Pretest-posttest-design er forskjellig ved at vi sjekker om gruppene faktisk er like, før vi manipulerer den uavhengige variabelen. Disse to fremgangsmåtene er laget for å teste effekten av manipulasjon av èn uavhengig variabel om gangen. 

Design med repeterte målinger

Repeterte målinger henviser til at hver deltaker måles mer enn en gang på den avhengige variabelen. Dette kan gjennomføres både i design hvor bare en uavhengig variabel manipuleres, men også i design der flere uavhengige variabler blir manipulert. Design med repeterte målinger omtales ofte som innengruppe-design, fordi manipulasjonen innføres for en og samme gruppe. Eksperimentelle design med repeterte målinger er interessant i flere sammenhenger. Et eksempel der repeterte målingen benyttes er eksperimenter der en uavhengig variabel skal manipuleres flere ganger. Det er fire klare fordeler med et slikt design: man trenger færre deltakere, det er mer økonomisk vinnende, innengruppe-design er mer sensitive og randomisering er ikke relevant. 



Et design med repeterte målinger medfører spesielle problemstillinger som forskeren må være oppmerksom på. Først og fremst angående den praktiske gjennomføringen av eksperimentet. Ettersom at innengruppe-designet krever at samme person deltar i alle eksperimentets betingelser, er belastningen større enn i et tilsvarende mellomgruppe-design. Dette kan føre til problemer med rekruttering og frafall. Den andre problemstillingen som reises handler om effektene av gjentakelse av betingelsene i eksperimentet. Slike effekter omtales som carryover effects som betyr at det som skjer i en betingelse påvirker senere i eksperimentet. Disse effektene har typisk tre hovedkilder: 1) personens atferd, 2) manipulasjonen og 3) måleprosedyren. Deman characteristics kan også være et problem i denne typen design. Dette er fordi forsøkspersonen i slike eksperimenter eksponeres for de relevante variablene flere ganger og kan dermed forstå noe av hensikten med eksperimentet. Forskeren har flere metoder for å håndtere carryover effects: motbalansering, minimere carryover effektene og inkludere carryover effektene som variabler i eksperimentet, slik at effekten av dem kommer under eksperimentell kontroll. 

Design med flere nivåer av den uavhengige variabel

Ofte hender det at forskeren ønsker å få mer kunnskap om hva som skjer når en gitt variabel manipuleres i flere nivåer. I stedet for å undersøke hva som skjer når en handling belønnes eller ikke belønnes, kan man undersøke hva som skjer når det er snakk om ulik grad av belønning. For å besvare et slikt spørsmål må man måle variabelen i flere nivåer. 

Design med flere typer betingelser

Mange eksperimenter manipulerer den uavhengige variabelen kvalitativt. Eksempelvis undersøkelser av ulike behandlingsformer for depresjon. Her vil behandlingsform være den manipulerte variabelen. I tillegg vil designet ofte inneholde en kontrollgruppe. Et design som dette er vanlig i klinisk forskning og benevnes randomized controlled trial (RCT). Her er randomisering viktig (slik er det i alle gruppedesign). For å unngå problemer i slike typer design er det vanlig å benytte en strategi kalt blindstudier (deltakerene vet ikke hvem som får hva). Det finnes også fobbelt blindt design hvor verken deltaker eller forsøksleder vet hvem som får hva. 

Faktorielle design

Noen ganger er det ønskelig med mer omfattende informasjon. Man ønsker gjerne å besvare spørsmål som ikke kan besvares ved hjelp av eksperimentelle design som er nevnt ovenfor. I slike tilfeller kan man manipulere flere uavhengige variabler i ett og samme eksperiment. Design av denne typen er spesielt interessant fordi de kan gi nyansert informasjon om hvordan årsaker kan samvirke. Dette er et eksperimentelt design som manipulerer to eller flere uavhengige variabler (faktorer). Konkret vil forskeren i et slikt design arrangere de eksperimentelle betingelsene slik at alle nivåene på den ene uavhengige variabelen kombineres med alle nivåene på den andre. Interaksjonseffekter er sentralt i faktorielle design. Interaksjonseffekter er det som foreligger dersom effekten av en variabel avhenger av nivået på en annen variabel. Et faktorielt design gir altså to typer info. Ved å manipulere to variabler i samme eksperiment oppnås informasjon om hvilken effekt hver av disse variablene har hver for seg og hvilken effekt de har sammen (interaksjonseffekt). Et faktorielt design kan forekomme i mange ulike former. Eksempelvis flere faktorer, flere nivåer på hver faktor, manipulerte og ikke-manipulerte faktorer, repeterte målinger vs. unike grupper, mixed design eller mixed design med forskjellig tidspunkt for tiltak. 

N=1-design 

N=1-design er eksperimentelle situasjoner hvor data fra bare èn deltaker undersøkes om gangen. N=1.design baseres på at eksperimentelle betingelser kan strekkes ut i tid og at personens data på ulike tidspunkter og under ulike betingelser (manipulasjoner) kan gi informasjon om eksperimentelle effekter. N=1-design brukes i dag spesielt innen atferdsanalytisk orientert psykologi. Fordi N=1-design konsentrerer seg om ett individ over tid, vil variasjoner i atferd lettere kunne relateres til kausale variabler enn tilfellet er for gruppedesign. Et av de vanligste N=1-designene er ABAB-designet. Dette går ut på at forskeren observerer en målatferd vekselsvis uten a) og med b) manipulasjon. Det finnes også ulemper med N=1-design. Dette kan være carryover effects, individuelle forskjeller kan ikke kontrolleres eksperimentelt, høy indre validitet, men begrenset generaliserbarhet og til slutt kan det by på etiske problemer. 

Kvasi-eksperimentelle design

Kvasi-eksperimentelle design er design som tilstreber de kravene eksperimentelle design setter, men som ikke fullt ut tilfredsstiller disse. Ettersom at krav til eksperimentelle dreier seg om randomisering og manipulasjon av uavhengig variabel kan vi klassifisere kvasi-eksperimentelle design ut i fra det.