Kausalanalysen und Experimentalmethoden
Kausalanalysen und Experimentalmethoden werden benutzt, um den Zusammenhang zwischen einer Intervention und ihrer Wirkung zu untersuchen: Wie wirkt sich ein Steueranreiz auf Investitionen in erneuerbare Energien aus? Ist eine Gamification-Kampagne besser darin, Mitarbeitende zu energieeffizientem Verhalten zu motivieren als eine klassische Kommunikationskampagne? Wenn sich nach einer neuen Maßnahme der Energieverbrauch ändert, lag es dann wirklich an der Maßnahme oder an etwas anderem? All dies sind kausale Fragen, die auf die Ursache-Wirkungs-Beziehung zwischen zwei Variablen abzielen. Wenn eine Maßnahme z. B. eigentlich keinen kausalen Effekt hat, wäre es eine Verschwendung von Ressourcen, diese Maßnahme weiter durchzuführen. Durch das Verständnis von Ursache-Wirkungs-Beziehungen können fundierte Entscheidungen getroffen und gezielte Maßnahmen ergriffen werden, um positive Veränderungen herbeizuführen.
Im Geschäftsfeld Sozialwissenschaftliche Evaluation bietet IREES eine Reihe an Methoden an, die solche kausalen Fragen beantworten können. Das Vorgehen kann dabei von kleinen Vignettenexperimenten in Umfragen bis hin zu Feldexperimenten oder Quasiexperimenten reichen. Wir begleiten diese Studien bei Konzeption, Durchführung und Auswertung.
Was wir anbieten
Der Goldstandard für kausale Analysen sind Experimente, in denen Menschen oder Organisationen zufällig einer von mehreren Gruppen zugeteilt werden. In der einfachsten Variante wird in der Experimentalgruppe wird eine bestimmte Veränderung eingeführt, während die Kontrollgruppe unverändert bleibt. Durch den Vergleich der Ergebnisse zwischen den beiden Gruppen wird der kausale Effekt der eingeführten Veränderung bestimmt. Zu dieser Variante gehören auch AB-Tests und komplexere Vergleiche zwischen mehreren möglichen Veränderungsansätzen.
In der Praxis gibt es aber viele Situationen, in denen eine zufällige Zuteilung nicht möglich ist. Dann kommen quasi-experimentelle Methoden zum Einsatz, um dennoch den kausalen Effekt so gut wie möglich von anderen Effekten unterscheiden zu können. Zum Beispiel werden dafür Vorher-Nachher-Vergleiche in beiden Gruppen herangezogen (Differenz-in-Differenzen-Ansatz). In diese Kategorie gehören auch innovative Methoden wie z. B. neue Formen des Propensity Score Weightings, bei dem die Unterschiede zwischen zwei Gruppen unter bestimmten Annahmen so gewichtet werden, dass man einen kausalen Effekt schätzen kann, obwohl die Gruppen nicht zufällig zugeteilt wurden.
Mit unserem Methodenportfolio können wir unser Vorgehen auf die individuellen Anforderungen einer Studie abstimmen und so möglichst genau schätzen, wie stark die Ursache-Wirkungs-Beziehung ist.