Lexikon

Fixed Effect Modell

Feste Effekte (englisch: fixed effects) beziehen sich auf eine Art von unabhängiger Variable oder Faktor, in der Regel in ANOVA-Designs. In den meisten experimentellen Versuchspläne werden Modelle mit festen Effekten verwendet, bei denen die Niveaus oder Faktorstufen der unabhängigen Variablen endlich und bekannt sind und in den meisten Fällen von den Forschenden so manipuliert werden, dass sie einigermaßen unterschiedlich sind, um einen Unterschied bei der abhängigen Variable festzustellen.

Beispiele hierfür sind das biologische Geschlecht (zweistufiger Faktor), der Vergleich der Auswirkungen der drei einzigen Medikamente, von denen bekannt ist, dass sie gegen eine bestimmte Erkrankung wirken (dreistufiger Faktor), oder der Vergleich von Bundesländern (sechzehnstufiger Faktor).

Unabhängige Variablen mit festem Effekt unterscheiden sich von Zufallsfaktoren (random effects) in Versuchsdesigns. Bei Zufallsfaktoren handelt es sich um unabhängige Variablen, die aus einem Pool potenzieller Faktorstufen bestehen, bei denen die Stufen nicht vom Forscher manipuliert werden, sondern vielmehr ausgewählt werden.

Beispiel

Nehmen wir zum Beispiel an, dass ein Forscher daran interessiert ist, die Auswirkungen eines bestimmten Unterrichtsstils auf die mathematischen Leistungen in Schulen eines bestimmten Bundeslandes zu untersuchen. Der feste Faktor wäre das Vorhandensein bzw. Nichtvorhandensein des Unterrichtsstils. Da es aber höchst unwahrscheinlich ist, dass der Forscher dieses Experiment in allen Schulen durchführen kann, würde eine Zufallsstichprobe (die in der Regel systematisch durchgeführt wird, z.B. mit Hilfe einer stratifizierten Stichprobe) von Schulen ausgewählt. Die Schule wäre der Zufallsfaktor.

Ein gängiger Kritikpunkt an reinen Fixed-Effect-Designs, insbesondere an solchen, bei denen die Faktorstufen der unabhängigen Variable vom Forscher festgelegt werden, ist die Tatsache, dass die Ergebnisse nur auf vergleichbare Stufen dieser unabhängigen Variable innerhalb der Population verallgemeinert werden können. Im Gegensatz dazu sind die Ergebnisse von reinen Zufallsfaktorenmodellen mutmaßlich verallgemeinerbar, da die in das Experiment einbezogenen Faktorstufen zufällig ausgewählt wurden und daher für die Grundgesamtheit repräsentativ sind.