Modele quasi-experimentale

fara grup de control,

sau observatie pretest
asupra rezultatului

Qua-si (kwā’zī’, sī’, kwä’zī, sī’): [engl.veche „ca si cand”, din franceza veche prov. din lat.
quasi : quam, ca si; vezi kwo- radacini indo-europene + s, daca; vezi swo- radacini indo-
europene.] adj. Avand o asemanare cu ceva; semanand; un quasi succes.

Începem acest capitol (ca si subcapitolele următoare) cu un scurt

exemplu care ilustrează tipul de model pus in discutie. In 1966, Canadian
Province of Ontario a început un program pentru diagnosticarea si tratarea
copiilor născuți cu phenylketonuria (PKU), cu scopul de a preveni retardul
mental specific acestei boli. O evaluare a arătat ca, după încheierea
acestui program, 44 de copii născuti cu PKU nu au suferit ulterior de
retard, in timp ce doar 3 copii au manifestat semne - iar din aceștia trei,
doi au fost neintegrati in programul de diagnostic. (Webb et al., 1973).
Statistici din anii anteriori au aratat o rata mai mare a retardului cauzat de
PKU. Desi metodologia folosita in acest studiu a fost destul de primitiva, in
special pentru ca a lipsit grupul de control1 ,cel care sa nu primeasca
tratament, autorii au concluzionat ca programul previne cu succes retardul
care are la baza PKU. Ulterior, programe ca acesta au fost adoptate in
numar mare in Canada si in Statele Unite si sunt inca extrem de eficiente.
Cum a reusit acest studiu sa obtina un rezultat atat de clar si corect fara
utilizarea unui grup de control sau a alegerilor aleatorii? Acesta este
subiectul acestui capitol.
In acest capitol, descriem modele quasi-experimentale carora le
lipseste fie grupul de control, fie observatia pretest asupra rezultatului.
Desi putine asemenea studii duc la rezultate la fel de concludente ca in
exemplul de mai sus, uneori este posibil. Mai important, cercetatorii au
adesea motive intemeiate sa utilizeze asemenea modele, cum ar fi nevoia
de a aloca mai multe resurse pentru asigurarea validitatii de construct sau
a celei externe; necesitati practice impuse de finantare, etica sau de catre
administratori; sau constrangeri de tip logistic, care apar cand interventia
a fost deja pusa in practica inainte ca un instrument de evaluare a
interventiei sa fie creat. Intr-adevar, date fiind asemenea circumstante,
uneori un astfel de model experimental va fi cel mai bun pentru un anumit
studiu, chiar daca intereferenta cauzala in sine poate fi mai slaba decat

1
posibila sa apara in alte cazuri. In consecinta, in acest capitol prezentam
asemenea modele si conditiile care le fac sa fie mai eficiente pentru
inferenta cauzala descriptiva. Dar ne folosim de acest capitol pentru a
sublinia si alte trei idei. In primul rand, aceste modele experimentale sunt
folosite frecvent in cercetarea de teren; de exemplu, intr-un articol recent
al „Even Start Literacy Program (St. Pierre, Ricciuti & Creps, 1998)”,
pentru marea majoritate (76%) a studiilor s-a folosit un model cu un
singur grup pretest-posttest, iar restul, in mare parte a folosit acelasi
model fara pretestare. Uneori asemenea utilizari, reflecta convingerea
nefondata ca elemente de constructie a experimentului ca grupul de
control sau pretestarea sunt indezirabile sau nu sunt necesare – chiar si
atunci cand inferenta cauzala descriptiva este prioritara. Vrem sa aruncam
o umbra de indoiala asupra acestui fel de convingeri prin a arata costurile
pe care le suporta validitatea interna intr-o astfel de constructie
experimentala, pentru ca in acest fel, cercetatorii pot sa aleaga sa isi
asume aceste riscuri, tinand cont si de celelalte prioritati ale cercetarii. In
al doilea rand, folosim aceste modele pentru a ilustra modul in care
diferite riscuri care ameninta validitatea, actioneaza in cadrul unor
exemple, deoarece este mai importanta analiza critica a acestor riscuri
decat simpla invatare a unei liste de modele de experiment. Expunerea
succesiva la aceste riscuri, clarificata aici si in capitolele urmatoare, va
face mai usoara detectarea lor in studiile pe care cineva le citeste sau le
construieste. In sfarsit, folosim aceste modele pentru a introduce
elementele structurale ale tuturor experimentelor, pe care cercetatorii le
folosesc pentru a construi studii cu o validitate interna puternica, care sa
se conformeze conditiilor experimentului, elemente care sunt folosite in
mod repetat in modelele pe care le descriem in capitolele urmatoare.

LOGICA QUASI-EPERIMENTELOR , PE SCURT

Modelele din acest capitol sunt quasi-experimente – experiemte carora le

lipseste asigurararea unor unitati aleatorii conditiilor, dar care, altfel, au
scopuri si atribute structurale similare experimentelor cu unitati aleatorii.
Quasi-experimentele sunt folosite de multi ani. Lind (1753) descrie
comparatia quasi-experimentala a sase metode de tratament pentru
scorbut iar Galton (1872) descrie un quasi-experiment pe care nu l-a
aplicat niciodata asupra exectelor rugaciunii. Hartmann (1936) a studiat
efectele unor pliante electorale bazate pe emotii versus ratiune asupra
rezultatele alegerilor in Pennsylvania. El a comparat trei circumspcriptii
electorale care au primit pliante „emotionale” cu alte patru din cele cau au
primit pliante „rationale”, potrivind circumscriptiile in functie de marime,
densitate si populatie, bunuri imobiliare evaluate, patternuri de vot
precedente si status socio-economic.
Inferenta cauzala a unui quasi-experiment trebuie sa indeplineasca
conditiile oricarei relatii cauzale: cauza trebuie sa preceada efectul, cauza
trebuie sa covarieze cu efectul iar explicatii alternative pentru relatia

2
cauzala trebuie sa fie implauzibile. Atat experimentele cu subiecti aleatorii
cat si quasi-experimentele manipuleaza tratamentul pentru a il forta sa
apara inaintea efectului. Stabilirea covariatiei dintre cauza si efect este
usor de efectuat in toate experimentele, de obicei in timpul analizei
statistice a datelor. Pentru a indeplini al treilea criteriu, experimentele cu
subiecti aleatorii fac aceste explicatii alternative implauzibile asigurandu-
se ca au o distributie aleatorie in conditiile experimentului. Deoarece
quasi-experimentele nu folosesc distributiile aleatorii, se folosesc de alte
principii pentru a demonsrta implauzibilitatea explicatiilor alternative.
Reliefam trei principii in stransa asociere care se adreseaza acestei
necesitati in quasi-experimente.

● Primul principiu este identificarea si studiul amenintarilor plauzibile

asupra validitatii interne. O data identificate, aceste riscuri pot fi
studiate pentru a se afla care este probabilitatea ca ele sa explice
covariatia tratament-rezultat (Reichardt, 2000). Acest capitol ofera
numeroase exemple de analiza critica a interferentelor din quasi-
experimente utilizand amenintarile asupra validitatii presentate in
capitolele precedente.
● Al doilea principiu este intaietatea controlului in structura. Prin
adugarea elementelor de constructie (ex. observatia pretestare
repetata, grupuri de control aditionale) quasi-experimentele au ca
scop fie prevenirea confuziei dintre amenintarea asupra validitatii si
efectele tratamentului, fie oferirea de dovezi despre plauzibilitatea
acelor amenintari. Alternativa obisnuita la controlul structurii
experimentului este controlul statistic, care incearca eliminarea
confuziei la estimarea efectului folosind ajustari statistice dupa
terminarea studiului. Controlul structurii experimentului si cel statistic
pot si ar trebui folosite impreuna, bineinteles. Insa noi incurajam
controlarea modelului in prealabil, pe cat posibil, lasand controlul
statistic sa se ocupe doar de unele mici diferente care ar ramane dupa
ce controulul anterior a fost utilizat.
● Al treilea principiu pentru reducerea plauzibilitatii explicatiilor
cauzale alternative in quasi-experimente este potrivirea coerenta a
patternurilor. Ceea ce inseamna ca este facuta o predictie complexa
despre o ipoteza cauzala data, cu care doar putine explicatii
alternative se potrivesc. Exemplele din acest capitol includ folosirea
unor variabile dependente neechivalente si a unor interactiuni
prevazute. Cu cat este mai complex tiparul care a fost prevazut cu
succes, cu atat este mai putin posibil ca explicatiile alternative sa
genereze un acelasi tipar, si de aceea, cu atat mai probabil ca
tratamentul a avut un efect real.

Nici unul dintre aceste trei principii nu ofera usurinta cu care este folosita
inferenta cauzala sau eleganta rationalizare statistica asociate cu
distributiile aleatorii. In schimb, logica inferentei cauzale in quasi-

3
experimente necesita atentie asupra detaliilor si grija in identificarea si
reducerea plauzibilitatii explicatiilor alternative asupra cauzei.
TABEL 4.1 Quasi-experimente fara grupuri de control

Modelul: un singur grup cu post-testare

X O1

Modelul: un singur grup cu posttestare – mai multe post-testari independente

X1 {O1A O1B…O1N}

Modelul: un singur grup cu pre/post-testare

O1 X O2

Modelul: un singur grup cu pre/post-testare – pre-testare dubla

O1 O2 X O3

Modelul: un singur grup cu pre/post-testare – cu variabile dependente

neechivalente
{O1A, O1B} X {O2A, O2B}

Modelul: tratament eliminat

O1 X O2 O3 X O4

Modelul: tratament repetat

O1 X O2 X O3 X O4

MODELE FARA GRUPURI DE CONTROL

In aceasta sectiune, punem in discutie modelele experimentale fara grup

de control (tabel 4.1). Modelele fara grup de grup de control pot produce
inferente cauzale puternice doar prin reducerea plauzibilitatii explicatiilor
alternative in legatura cu efectul tratamentului. Unele modele sunt mai
eficiente in a face asta, altele nu. Avansand in aceasta problema,
demonstram modul de constructie a modelelor care fac ca riscurile ce
ameninta validitatea interna sa fie implauzibile.

Modelul unui singur grup cu post-testare

Acest model contine o observatie ulterioara testului pe subiecti care au

fost supusi tratamentului, dar nu contine nici grup de control nici pre-
teste. Acest model are ca diagrama:
X O1
Unde X este tratamentul aplicat, O1 este post-testul, iar aranjarea de la
stanga la dreapta indica ordinea temporala. Absenta pre-testului face
dificil de aflat daca o schimbare a avut loc, iar absenta unui grup de

4
control face dificil de stiut ce s-ar fi intamplat daca tratamentul nu ar fi
fost administrat. Aproape toate riscurile care ameninta validitatea interna,
in afara ambiguitatii legate de precedenta temporala, se aplica de obicei
acestui model. De exemplu, un risc legat de istoricul experimentului este
intotdeauna prezent deoarece alte evenimente s-ar fi putut intampla
concomitent cu administrarea tratamentului in asa fel incat sa se produca
efectul observat.
In orice caz, acest model are meritele sale in cazurile, rare de altfel,
in care exista cunostinte aprofundate despre modul in care se comporta
variabila dependenta. De exemplu, cunostintele fundamentale de calcul, la
populatia medie de liceu a Statelor Unite sunt putine si stabile. De aceea,
daca studentii iau nota de trecere la un examen bazat pe calcul de nivel
substantial superior, dupa parcurgerea unui curs in acest domeniu, efectul
este probabil datorat cursului. Studentii pur si simplu nu invata sa
calculeze acasa, cu prietenii, de la televizor, din activitati de recreatie sau
chiar din alte cursuri universitare. Dar pentru ca o inferenta cauzala valida
sa apara, efectul trebuie sa fie destul de raspandit pentru a iesi clar in
evidenta, si de asemenea, ori alte posibile cauze trebuie stiute si trebuie
sa fie clar implauzibile, ori aceste alte cauze alternative nu ar trebui sa
apara in contextul studiului (Campbell, 1975). Aceste conditii sunt rar
intalnite in cadrul stiintelor sociale, si de aceea acest model este rareori
folositor in aceasta forma simpla.

Imbunatatirea modelului cu un grup si o singura post-testare prin

folosirea post-testarilor multiple independente

Modelul cu un singur grup, fara pre-testari poate fi mai interpretabil

in conditiile teoretice numite, in mod divers,’’potrivirea tiparelor”
(Campbell, 1966a; Trochim, 1985) sau „coerenta” (Rosenbaum, 1995a).
Luati in considerare analogia delict – crima. Nimic din ceea i-ar putea face
pe detectivi sa aiba succes in descoperirea cauzei unui astfel de delict
(criminalul), Scriven(1976) nu atribuie acest succes caracterului foarte
proeminent al efectului (un cadavru), accesibilitatii unui tipar de indicii
care specifica momentul si felul decesului (post-testari multiple), si
abilitatii de a lega aceste indicii de maniera de lucru a criminalilor
(potentiale explicatii alternative) care, dupa cum se stie, comit crimele in
diferite moduri care ar putea sa coincida partial cu dovezile descoperite la
locul crimei. Daca mai mult de o persoana are un anumit „modus
operandi” , atunci suspectii cunoscuti pot fi interogati pentru stabilirea
alibiurilor lor (Abelson, 1995, numeste aceasta, metoda semnaturilor).
Patologii folosesc aceasta maniera de lucru specifica detectivilor in
investigarea unei morti (efectul), folosindu-se de dovezi de pe cadavru,
locul crimei si ora decesului (un tipar de date). Ei identifica cauzele
posibile alea mortii facand conexiuni intre tiparul datelor si descrierile din
literatura de specialitate pentru a diferentia mai bine o boala de alta.
Epidemiologii lucreaza intr-un mod similar. Pentru a afla cum a ajuns SIDA
in Statele Unite, s-au folosit indicii disponibile (extindere timpurie in

5
comunitatile de homosexuali, extindere raspandita printre africanii
imigranti in Europa si implicarea militara a Cubei in Africa ecuatoriala)
pentru a se incerca urmarirea originii bolii de la un insotitor de zbor
homosexual al Air Canada care era activ sexual in SUA si care vizitase
Cuba, insotind trei soldati care luptasera in Africa ecuatoriala, unde exista
deja epidemie de SIDA.
Aceste indicii servesc ca post-testari multiple, unice sau
independente pentru un model:
X1 {O1A O1B…O1N}

unde {O1A O1B…O1N} se refera la masuratori ale diferitelor contructe post-

tratament de la A la N care sunt conectate cu tiparul efectelor (modus operandi)
dat de cauzele posibile deja stiute (de ex. suspectii). Acesta este un model foarte
diferit in care doar o singura post-testare (O1A) este evaluata astfel incat sa nu
poata fi folosita o logica a potrivirii tiparelor.
In orice caz, in toate aceste exemple, efectul este cunoscut, dar cauza este
neidentificata si este cautata retrospectiv. In cele mai multe quasi-experimente,
situatia este exact opusa: cauza potentiala este cunoscuta (de ex. cursul de
calcul) dar efectul este necunoscut si este cautat in perspectiva (de ex. ce se
intampla cu rezultatul studentului). In acest ultim caz, logica potrivirii tiparului
este mai putin constrangatoare deoarece cauza este mai tot timpul o inovatie cu
un tipar necunoscut al efectelor. Asadar adaugand post-testari multiple unui
model prospectiv poate creste riscul erorii de tip 1, ceea ce este de doua ori
riscant deoarece oamenii sunt adeptii gasirii si interpretarii tiparului chiar si in
cazul datelor aleatorii (Fischhoff, 1975; Paulos, 1988; Wood, 1978). Specificarea
atenta, anterioara a tiparelor care sustin o relatie cauzala este cruciala si apare
uneori chiar si in domenii cu teorii foarte bine dezvoltate. Dar chiar si atunci este
de o importanta cruciala ca tiparul prevazut sa fie unic. Daca manualele de
patologie arata semne similare asociate cu trei tulburari diferite, noi nu putem
face o discriminare intre aceste tulburari, bazandu-ne pe acele semne.

Modelul unui singur grup cu pre si post testare

Adaugarea unei masuratori pre-test asupra constructului rezultat modelului

precedent da nastere acestui model. O singura observatie pre-test are loc asupra
unui grup de subiecti (O1), apoi se administreaza tratamentul (X) si urmeaza o
singura observatie post-test aupra aceleiasi masuratori:
O1 X O2
Adugarea pre-testarii ofera putine informatii despre inferenta contrafactuala in
ceea ce priveste ce s-ar fi intamplat cu subiectii daca tratamentul nu ar fi fost
administrat. Oricum, datorita faptului ca O1 are loc inaintea momentului O2, intre
cele doua observatii pot aparea diferente din motive care nu sunt legate strict de
tratament, cum ar fi maturizarea sau istoricul. De exemplu, Jason, McCoy,
Blanco si Zolik (1981) au studiat efectele unei campanii pentru reducerea
excrementelor de animale in Chicago prin distribuirea printre locuitori de material
educational si pungi de plastic. Efectul produs in diminuarea gunoiului a fost
substantial. Acest rezultat poate fi legat in mod cauzal de interventie, in masura
in care cineva poate considera ca alte ipoteze nu sunt plauzibile – de exemplu,
ipoteza ca vremea s-a inrautatit si au fost mai putini caini pe strazi si aceasta

6
campanie a inceput in intreg orasul in acelasi timp sau ca a avut loc o crestere
dramatica a infractionalitatii, ceea ce i-a facut pe rezidenti sa stea in casa.
Modelul poate fi implementat fie pe aceleasi esantioane sau pe esantioane
diferite, in ambele cazuri efectuandu-se pre si post testari. Cand sunt folosite
aceleasi esantioane, modelul poarta numele „intrasubiect” 2. Duckart (1998) a
folosit versiunea intrasubiect a acestui model experimental pentru a evalua
efectele unui program menit sa reduca poluarea cu plumb in cartierele sarace din
Baltimore. Programul a folosit atat modificari in educatie, cat si in mediul
inconjurator pentru a reduce numarul surselor de poluare cu plumb in fiecare
casa. Folosind mostre de produse de eliminat plumbul, a fost masurat nivelul
acestuia in diferite locuri din casa, inainte (pre-test), imediat dupa curatare
(post-test) si dupa sase luni (urmarile). Au avut loc scaderi semnificative a
nivelului poluarii intre pre si post-test si la o scara mai mica la masuratoarea de
dupa sase luni. Deoarece nivelul plumbului este foarte stabil pe perioade mici de
timp, ar fi putin probabil ca un grup de control sa observe schimbari spontane,
asa ca aceasta expunere se preteaza mult mai bine acestui model experimental
decat oricare alte argumente.
Cu toate acestea, Duckart (1998) a identificat cateva riscuri la care este
supusa validitatea interna in acest model. In legatura cu validitatea interna,
maturizarea poate actiona ca factor determinant pentru schimbare de la pre-
testare pana la observatia de peste sase luni, deoarece nivelul de praf de plumb
este mai scazut iarna decat vara; si majoritatea observatiilor de urmarire au avut
loc iarna. Istoriul este de asemenea o amenintare pentru ca o alta agentie
concurenta din Baltimore a oferit servicii care ar fi putut sa afecteze nivelul de
plumb din unele case din exemplu. Testarea este o amenintare deoarece
feedback-ul avut in urma pre-testarii in legatura cu nivelul poluarii cu plumb, i-ar
fi putut face pe locatari sa isi curete casele cu mai multa sarguinta, ceea ce ar fi
dus la scaderea nivelului de plumb chiar si in cazul in care interventia ar fi fost
complet ineficienta. Legat de uzura, aproape o treime dintre participanti nu au
continuat in urma pre-testarii, iar acestia ar fi putut fi cei mai putin motivati sau
incooperanti dintre locuitorii care au renuntat. Validitatea din concluzia statistica
ar fi putut fi redusa de marimea mica a esantioanelor sau de puterea mica a
acelor teste care nu au avut rezultat semnificativ, iar puterea ar fi putut fi putut
fi si mai mult redusa datorita faptului ca implementarea tratamentului a variat
considerabil de la o casa la alta. Validitatea de construct a masuratorilor
rezultatului ar fi putut fi limitata, deoarece aceeasi persoana care a realizat
interventia in case a si masurat rezultatele, si ar fi putut sa o faca in asa fel
incat rezultatele sa fie in favoarea lor.
Acest exemplu este foarte instructiv, in special datorita logicii prin care
sunt raspandite riscurile pentru validitatea unei inferente cauzale. Duckart
(1998) a facut doua lucruri esentiale. In primul rand, a aratat ca aceste riscuri
sunt mai mult decat posibile, sunt plauzibile. A realizat acest lucru oferind date
pentru a arata ca exista riscul ca o posibila amenintare sa apara in studiul sau –
cercetari trecute demonstreaza ca nivelul prafului de plumb este intr-adevar mai
scazut iarna.

2. Aici, factorul care influenteaza modelul intra-subiect este timpul: masuratori repetate la pre-testare si la
post-testare in cadrul fiecarui esantion. In alte modele intra-subiect, mai mult de o conditie poate fi
administrata aceluiasi esantion. Prin contrast, orice experiment care are conditii multiple si esantioane diferite
pentru fiecare conditie, este numit model „inter-subiect” (S.E. Maxwell & Delaney, 1990). Modelele intra-subiect
pot creste puterea testului prin controlul diferentelor individuale ale esantioanelor in cadrul diferitelor conditii si
de aceea pot folosi un numar mai mic de esantioane pentru testarea aceluiasi numar de tratamente. Oricum,
modelele intra-subiect pot cauza efecte ca oboseala, obisnuinta, influente etc.. Pentru a evita confuzia acestor
efecte cu tratamentul, ordinea aplicarilor in modelul intra-subiect este fie randomizata pentru fiecare esantion,

7
fie contrabalansata, in asa fel incat unele esantioane unele esantioane sa primeasca tratamentul intr-o ordine
(de ex. A urmat de B), iar altele primesc tratamentul intr-o alta ordine (B urmat de A) pentru a putea fi
evaluate efectele cauzate de ordinea temporala.

In al doilea rand, a aratat ca aceasta amenintare ar produce un efect similar cu

cel pe care el ar fi vrut sa il atribuie cauzei – a descoperit nivele mai scazute de
plumb in urma tratamentului, ceea ce s-a intamplat sa fie si iarna. Asa ca acele
nivele scazute de plumb s-ar putea datora efectelor anotimpului. Ambele aceste
conditii sunt necesare pentru slabirea inferentei pentru ca programul sa cauzeze
efectele observate. Imaginati-va spre exemplu, ca cercetari anterioare ar fi
aratat ca nivelul prafului de plumb este mai scazut vara in comparatie cu iarna.
Acest lucru nu ar fi putut explica sub nici o forma observarea unui efect scazut in
timpul iernii, ceea ce nu ar fi afectat in nici un fel validitatea interna. Pentru ca
un risc asupra validitatii sa fie plauzibil, trebuie ca acesta sa produca un efect
similar ca dimensiuni ca cel observat, nu mai mic ca magnitudine si nu un efect
intr-o directie opusa ( de ex. nu o crestere a prafului cand este observata o
descrestere).
In orice caz, cercetatorii stiintelor sociale, in conditii de teren, vor putea
rareori construi o relatie cauzala puternica cu un simplu model pre-test-post-test,
cu exceptia cazului in care rezultatele sunt extraordinare si intervalul dintre pre-
test si post-test este scurt. Persoanele care iau in considerare folosirea acestui
model ar trebui sa se gandeasca la adaugarea mai multor elemente de deign
modelului.

Imbunatatirea modelului unui singur grup cu pre si post testare,

folosind pre-testarea dubla

Plauzibilitatea riscurilor date de maturizare sau regresie este redusa prin

adaugarea unei pre-testari anterioare primei:
O1 O2 X O3
Cele doua pre-testari au functia unui „dry-run” in clarificarea erorilor care s-ar
putea ivi la estimarea efectelor tratamentului intre cele doua momente O 1,O2. De
exemplu, Marin, Marin, Perez-Stable, Sabogal si Ostero-Sabogal (1990)au testat
efectele unei campanii adaptate in functie de cultura/etnie de informare asupra
lasatului de fumat pentru hispanici. Prima pre-testare a avut loc in toamna lui
1986, cea de-a doua in vara anului 1987 si post-testarea in vara lui 1988.
Rezultatele au aratat ca nivelul de informare a populatiei dupa campanie (O 3) era
mai ridicat decat inainte de ea (O2) si de asemenea mult mai ridicat decat simplul
trend de maturizare de la O1 la O2. Bineinteles, o schimbare neliniara a acestui
trend s-ar fi facut observabila doar in cazul in care s-ar fi adaugat si mai multe
pre-teste.

Imbunatatirea modelului unui singur grup cu pre si post-testare,

folosind o variabila dependenta neechivalenta

Adaugarea unei variabile dependente neechivalente este schitata mai jos, unde A
si B reprezinta diferite masuratori facute asupra unui singur grup la momentele 1
si 2:
{O1A, O1B} X {O2A, O2B}

8
Masuratorile A si B evalueaza constructe similare. Masuratoarea A (a rezultatului)
este de asteptat sa difere datorita tratamentului. Masuratoarea B (variabila
dependenta neechivalenta) este de asteptat sa nu se schimbe; cu toate acestea,
masuratoarea B este de asteptat sa raspunda amenintarilor asupra validitaii
interne in acelasi fel ca si masuratoarea A3. De exemplu, o variabila dependenta
neechivalenta a fost folosita de Robertson si Rossiter (1976) pentru a studia
preferintele copiilor pentru jucariile carora le-a fost facuta reclama in perioada
marketingului de Craciun. Au aratat ca jucariile care au avut reclame in perioada
noiembrie-decembrie au fost mai preferate (rezultatul) de copii decat jucariile
care nu au avut publicitate (variabila dependenta neechivalenta). Acest model
reduce plauzibilitatea multor riscuri care ameninta validitatea interna. De
exemplu, istoricul este un risc, date fiind frecventele referinte la cadouri si jucarii
in aceasta perioada a anului in cultura americana. Cu toate acestea, acest lucru
ar trebui sa afecteze preferintele pentru toate jucariile, nu numai pentru cele cu
reclama. O noua problema legata de istoric apare, totusi, daca jucariile care au
reclame la televizor sunt sustinute de asemenea si de anunturi publicitare la
radio si in ziare. Cine poate spune daca reclamele televizate au avut acest efect?
Sau ce se poate spune despre regresia statistica daca producatorii de jucarii au
facut reclama tocmai acelor jucarii care nu se vand prea bine in aceasta
perioada?
McKillip si Baldwin (1990) au folosit de asemenea un model cu o
v.d.neechivalenta si au descoperit ca vigilenta in privinta folosirii prezervativelor
a crescut mai mult decat cea in privinta abuzului de alcool sau a sportului in mod
regulat , dupa o campanie despre bolile cu transmitere sexuala; si McNees,
Gilliam, Schnelle si Risley (1979) au descoperit ca feedbackul despre furtul de
chipsuri din magazine a redus numarul acestei infractiuni, dar nu si furturile de
inhgetata, lapte sau sandwichuri. Acest model este foarte folositor si poate fi
deseori interpretabil in mod cauzal cand ambele variabile dependente sunt
expuse in mod plauzibil la acelasi set de cauze exterioare, in aceeasi masura.

Modelul - tratament eliminat

Acest model adauga o a treia post-testare (O3) modelului cu un grup cu pre/post-

testare (O1 si O2) si inlatura tratamentul (X simbolizeaza acest lucru) inainte ca o
masuratoare finala sa fie facuta (O4):
O1 X O2 O3 X O4
Scopul in acest caz este sa fie demonstrat faptul ca rezultatul variaza pozitiv sau
negativ proportional cu prezenta sau absenta tratamentului, un rezultat care ar
putea fi, in alte conditii, explicat doar printr-un risc asupra validitatii care a variat
in mod similar in aceeasi perioada de timp. Legatura dintre O1 si O2 este o
secventa experimentala, iar schimbarea produsa de la O 3 la O4 este o alta care
implica ipoteza opusa ipotezei O1-O2. Daca prima secventa prezice,sa spunem, o
crestere de la O1 la O2, cea de-a doua secventa prezice o descrestere (sau o
crestere inferioara). Bineinteles ,acest tipar poate aparea doar in cazul in care
efectele tratamentului dispar o data cu eliminarea tratamentului. Chiar si un
efect partial persistent de la O2 la O3, produce erori in analiza constand in
inversarea efectului tratamentului intre O3 si O4. Astfel, cel mai in masura sa fie
interpretat rezultat al acestui model este prezentat in figura 4.1.
Validitatea concluziei statistice constituie o problema pentru ca pattern-ul
rezultatelor poate fi influentat chiar si de o singura valoare extrema.

9
 rau Rezultat
neinterpretabil

rezultat

Rezultat
interpretabil
bine

O1 X O2 O3 X O4

FIGURA 4.1 Rezultate general interpretabile ale modelului cu tratament eliminat

Asadar este de dorit folosirea esantioanelor mari si masuratorile solide. In

continuare, eliminarea unora dintre tratamente poate fi neetica sau poate cauza
frustrare care poate fi corelata cu cazurile in care sunt masurate agresivitatea,
satisfactia, sau performanta, operand similaritati cu deprimarea legata de
nemultumire sau rivalitatea compensatorie. In acest caz, este nefericita folosirea
acestui model.
O versiune aparuta in mod natural a acestui model se naste atunci cand
subiectii opresc tratamentul, doar daca motivele acestora nu sunt legate de
tratament. Acesta este un caz rar intalnit, asa ca trebuie actionat cu grija atunci
cand subiectii se sustrag tratamentului in mod voluntar. Pentru a ilustra acest
lucru, imaginati-va un studiu despre efectele asupra atitudinii la angajarea la un
nou job. De exemplu, cineva devine supraveghetor (X); ea sau el dezvolta
atitudini promanageriale intre O1 si O2 dar nu agreeaza noile contacte cu
managerii. La momentul O3 el/ea incepe sa nu mai dezvolte asemenea atitudini
(promanageriale) (Lieberman, 1956). O asemenea persoana ar putea apoi sa
demisioneze sau sa fie eliberata din functie, ceea ce conduce si mai mult la
slabirea acestor atitudini de la momentul O3 la O4. Dat fiind acest tipar,
cercetatorul trebuie sa decida daca descresterea aparuta intre momentele O 3 si
O4 reflecta schimbarea de job sau a inceput sa apara inca de la momentul O 3.
Ultima varianta este mai plauzibila daca diferenta dintre O3 si O4 ar fi aproximativ
egala cu cea dintre O2 si O3 (vezi rezultatul neinterpretabil in fig. 4.1). Cu toate
acestea, o descrestere mai abrupta a atitudinilor promanageriale intre O 3 si O4 in
comparatie cu cea dintre O2 si O3 ar putea sugera ca angajarea la noul job este
cauza aparitiei acestor atitudini.
Lieberman (1956) a folosit, defapt, o versiune mai simpla a acestui model.
A testat barbati inainte de a deveni supraveghetori, dupa ce au devenit si dupa
ce s-au intors la functia de subaltern – doar 3 masuratori. Prin urmare,
diferentele dintre O1 si O2, respectiv O2 si O3 ar putea fi datorate (1) schimbarii
functiei ceea ce a influentata atitudinea, sau (2) coborarii in grad a
supraveghetorilor ale caror atitudini devenisera din ce in ce mai putin
manageriale. Adaugarea unei a patra observatie ajuta la evaluarea acestor
posibilitati.

10
 Observarea la intervale de timp egale este importanta pentru acest model
(si pentru multe altele) deoarece permite evaluarea unor schimabri spontane,
lineare in timp. Comparatia facuta intre diferentele dintre O1 si O2, respectiv
dintre O3 si O4 ar fi mult mai putin semnificativa daca intervalul de timp O3, O4
ar fi mai lung decat cel dintre O2 si O3 pentru ca o rata constanta a schimbarii s-
ar aplica diferentelor dintre O3 si O4, comparativ cu O2, O3. Daca cineva are un
interval cu rata a schimbarii estimata in unitatea de timp, intr-un experiment
fara tratament, nevoia de spatiere egala a intervalelor scade; dar o estimare a
acestei rate este rara in acest model.

Modelul: tratament repetat

Uneori este posibil ca tratamentul sa fie introdus, eliminat si reintrodus, in timp,

pentru a de studia cum covariaza tratamentul si rezultatul de-a lungul timpului:
O1 X O2 X O3 X O4
Chiar mai mult decat in modelul anterior, cateva riscuri ale validitatii ar putea
explica o stransa relatie intre introducerile si eliminarile tratamentului, pe de o
parte si schimbari paralele ale rezultatului pe de cealalta parte. Asemenea
amenintari asupra validitaii ar trebui sa apara si sa dispara dupa acelasi tipar
temporar ca si introducerile si eliminarile tratamentului. Ultimul exemplu este
unul foarte putin probabil. Cu toate acestea, daca efectele tratamentului nu sunt
trecatoare, este dificil de presupus ca eliminarea tratamentlui ar putea inversa
directia efectului; iar daca tratamentul creeaza un asa-numit efect al
„tavanului/pragului” la momentul O3, acest lucru ar preveni ca reintroducerea
tratamentului sa mai inregistreze vreun efect.
Cel mai interpretabil rezultat al acestui model este cazul in care O 1 difera
de O2,O2 difera de O3 in direcita opusa, iar diferenta dintre O3 si O4 se aseamana
cu diferenta dintre O1 si O2, nu cu cea dintre O2 si O3. Powers si Anglin (1993) au
adaptat acest model pentru a demonstra efectele administrarii de metadona la
consumatorii de narcotice. Consumul de droguri a scazut in mod impresionant in
timpul administrarii de metadona, a crescut cand administrarea a fost oprita si a
scazut din nou la readministrare. Acest model este folosit frecvent de catre
cercetatori behavioristi in psihologie (Barlow & Hersen, 1984). Noi credem ca
acest model a fost atat de des utilizat pentru ca implica cel putin o replicare a
efectului tratamentului, iar acest procedeu intruneste un criteriu de baza al
oricarei cercetari de calitate: reproductibilitatea.
Un risc ce ameninta validitatea interna este maturizarea ciclica. De
exemplu, daca O2 si O4 au fost inregistrate marti dimineata, iar O1 si O3, vineri
dimineata, diferentele de productivitate ar putea fi legate de diferentele de
performanta in diferite zile ale saptamanii, si nu de tratament. Cercetatorul ar
trebui sa verifice de asemenea daca evenimente istorice unice nu cumva
urmaresc aceslasi tipar temporar al introducerilor si eliminarilor. In general,
totusi, modelul este robust in privinta validitatii interne, in special atunci cand
cercetatorul controleaza introducerea si eliminarea tratamentului.

11