Einen Effekt darfst du kausal deuten, wenn dein Design einen glaubwürdigen Ersatz für den Vergleich liefert, den du nie direkt beobachten kannst: dieselben Personen einmal mit und einmal ohne Behandlung. Im randomisierten Experiment übernimmt das die Zufallszuteilung. Im Quasi-Experiment fehlt sie, deshalb hängt die kausale Deutung an einer benennbaren Annahme, die du begründen und so weit wie möglich prüfen musst. Ohne diese Annahme bleibt es bei einem Zusammenhang.
Was macht eine Aussage kausal?
Eine kausale Aussage vergleicht zwei mögliche Ergebnisse derselben Person: das Ergebnis mit Training und das Ergebnis ohne Training, zum selben Zeitpunkt. Beobachtet wird immer nur eines davon. Das andere ist kontrafaktisch, es hätte eintreten können, ist aber nicht eingetreten.
Weil der individuelle Effekt grundsätzlich unbeobachtbar ist, arbeiten Studien mit Gruppen. Sie vergleichen die mittleren Ergebnisse behandelter und unbehandelter Personen. Dieser Vergleich ist nur dann eine Schätzung des Effekts, wenn sich die Gruppen ohne Behandlung im Mittel gleich entwickelt hätten. Genau diese Bedingung muss das Design sichern.
Was leistet die Randomisierung?
Bei korrekter Zufallszuteilung ist die Gruppenzugehörigkeit unabhängig von allen Merkmalen der Personen, gemessenen wie ungemessenen. Motivation, Vorwissen und Tagesform verteilen sich im Erwartungswert gleich auf beide Gruppen. In einer einzelnen kleinen Stichprobe können trotzdem Unterschiede auftreten, aber sie sind zufällig und werden vom Signifikanztest berücksichtigt.
Zwei Verwechslungen kommen in Klausuren häufig vor. Erstens ist Zufallszuteilung nicht dasselbe wie eine Zufallsstichprobe aus der Bevölkerung. Die Zuteilung sichert die interne Validität, die Stichprobe die Übertragbarkeit. Den Unterschied erklärt der Artikel zu interner und externer Validität. Zweitens schützt Randomisierung nur, solange die Zuteilungsfolge vor der Aufnahme verborgen bleibt und die Gruppen nach der Zuteilung nicht durch selektiven Ausfall auseinanderfallen.
Was unterscheidet ein Quasi-Experiment vom Experiment?
Im Quasi-Experiment gibt es eine Intervention und eine Vergleichsbedingung, aber keine Zufallszuteilung. Typisch sind bestehende Gruppen wie Schulklassen, Stationen oder Studiengänge, eine Förderung ab einem festen Testwert oder eine Maßnahme, die zu einem bestimmten Zeitpunkt für alle eingeführt wird. Die Gruppen können sich dann schon vor der Intervention systematisch unterscheiden.
Quasi-experimentelle Designs gleichen diesen Nachteil mit einer zusätzlichen Struktur aus, etwa mit Vormessungen, einer Schwelle oder einer langen Zeitreihe. Jede Struktur bringt ihre eigene Annahme mit:
| Design | Vergleich | tragende Annahme | typische Bedrohung |
|---|---|---|---|
| Vorher-Nachher ohne Kontrollgruppe | dieselbe Gruppe vor und nach der Maßnahme | ohne Maßnahme keine Veränderung | Reifung, Übung, zeitgleiche Ereignisse |
| Kontrollgruppe mit Vor- und Nachtest (Differenz von Differenzen) | Veränderung der Interventionsgruppe minus Veränderung der Vergleichsgruppe | parallele Trends ohne Maßnahme | Gruppen entwickeln sich ohnehin verschieden |
| Regressionsdiskontinuität | Personen knapp über und knapp unter einer Schwelle | stetiger Verlauf ohne Behandlung an der Schwelle | gezielte Manipulation des Zuteilungswerts |
| Unterbrochene Zeitreihe | Verlauf vieler Messpunkte vor und nach dem Eingriff | der bisherige Trend hätte sich fortgesetzt | Saisonalität, zeitgleiche Reformen |
Rechenbeispiel: Differenz von Differenzen
Eine Schule führt ein Lesetraining ein, eine vergleichbare Nachbarschule nicht. Gemessen wird ein fiktiver Lesetest vor und nach dem Schuljahr.
| Schule | vorher | nachher | Veränderung |
|---|---|---|---|
| A, mit Training | 61 | 68 | +7 |
| B, ohne Training | 60 | 64 | +4 |
| Differenz von Differenzen | 7 − 4 = 3 |
Ein reiner Vorher-Nachher-Vergleich in Schule A würde sieben Punkte als Wirkung ausweisen. Ein Teil davon entsteht aber durch Reifung und Unterricht, die auch Schule B erlebt hat. Die Differenz der Veränderungen schätzt den Trainingseffekt auf drei Punkte, unter der Annahme, dass sich beide Schulen ohne Training parallel entwickelt hätten.
Diese Annahme lässt sich teilweise prüfen, wenn frühere Messungen vorliegen. Angenommen, im Jahr davor stieg Schule A von 57 auf 61 Punkte und Schule B von 58 auf 60. Dann lag der Vorsprung im Zuwachs schon vor dem Training bei zwei Punkten. Setzt sich dieser Trendunterschied fort, bleibt von den drei Punkten der DiD-Schätzung nur etwa ein Punkt für das Training übrig. Ähnliche Ausgangsniveaus allein belegen keine parallelen Trends.
Warum gilt ein Schwelleneffekt nur an der Schwelle?
Bei der Regressionsdiskontinuität entscheidet ein Zuteilungswert über die Behandlung. Angenommen, alle Erstsemester mit weniger als 40 Punkten im Mathe-Eingangstest erhalten einen Vorkurs. Wer 39 Punkte hat, unterscheidet sich von jemandem mit 41 Punkten kaum, außer im Vorkurs. Ein Sprung in der späteren Klausurnote genau an der Grenze lässt sich deshalb gut dem Vorkurs zuschreiben.
Die Schätzung gilt aber lokal für Personen nahe bei 40 Punkten. Ob der Vorkurs Studierenden mit 15 Punkten genauso hilft, sagt der Vergleich an der Schwelle nicht. Prüfen solltest du außerdem, ob sich Werte auffällig knapp unter der Grenze häufen. Das wäre ein Hinweis auf gezielte Manipulation des Zuteilungswerts.
Das Studienheft Experiment, Quasi-Experiment und Kausalität geht diese Designs in 15 Lernstationen durch, von der kontrafaktischen Frage über Randomisierung, Differenz von Differenzen und Regressionsdiskontinuität bis zu Collider, Attrition und Übertragbarkeit. Jede Station enthält ein Fallpaar oder eine Kontrastrechnung und eine Prüfungsfrage mit kommentierter Lösung.
Hilft es, möglichst viele Kontrollvariablen aufzunehmen?
Nein. Ob eine Kontrollvariable die Schätzung verbessert oder verschlechtert, hängt von ihrer Rolle im Wirkgefüge ab. Drei Rollen solltest du unterscheiden:
- Konfundierer: Eine Variable beeinflusst sowohl die Behandlung als auch das Ergebnis. Wählen motivierte Studierende häufiger ein bestimmtes Lernformat, kann Motivation einen scheinbaren Formatvorteil erzeugen. Die Kontrolle einer gut gemessenen Störvariable hilft, unbeobachtete Unterschiede beseitigt sie nicht.
- Mediator: Die Behandlung verändert eine Variable, die ihrerseits das Ergebnis beeinflusst, etwa die Übungszeit. Kontrollierst du sie, schätzt du nicht mehr den Gesamteffekt. Variablen, die erst nach der Zuteilung gemessen werden, gehören deshalb nicht automatisch ins Modell.
- Collider: Zwei Variablen beeinflussen gemeinsam eine dritte, zum Beispiel die Teilnahme an einer Studie. Beschränkst du die Analyse auf Teilnehmende oder kontrollierst die Teilnahme, entsteht ein Zusammenhang, den es in der Population nicht gibt.
Eine kleine Pfeilskizze vor der Auswertung klärt meist schnell, welche Variable welche Rolle spielt. Sie ist auch im Methodenteil einer Abschlussarbeit eine gute Begründung für die Auswahl der Kovariaten.
Wie formulierst du Ergebnisse vorsichtig, aber klar?
Bei einem gut durchgeführten randomisierten Experiment darfst du schreiben, dass die Intervention die Leistung verbessert hat, bezogen auf Stichprobe und Setting. Bei einem Quasi-Experiment nennst du die tragende Annahme mit: Unter der Annahme paralleler Trends entspricht der Unterschied einem Effekt von drei Punkten. Bei Querschnittsdaten ohne Design für die Wirkungsfrage bleibst du bei Zusammenhängen. Ein Pfeil in einer Abbildung macht eine zeitgleiche Messung nicht kausal.
Auch eine sauber identifizierte Wirkung gilt zunächst für die untersuchten Personen und Bedingungen. Ob sie sich auf andere Altersgruppen, Aufgaben oder Kontexte überträgt, ist eine eigene Frage.
Übungsfrage im Klausurstil
In Klinik X steigt ein fiktiver Zufriedenheitswert nach Einführung eines neuen Aufnahmegesprächs von 40 auf 46 Punkte. In der vergleichbaren Klinik Y ohne neues Gespräch steigt er im selben Zeitraum von 42 auf 45 Punkte. Welchen Effekt schätzt der Differenz-von-Differenzen-Ansatz?
- A6 Punkte
- B3 Punkte
- C1 Punkt
- D−2 Punkte
- E9 Punkte
Lösung zeigen
Weiterlernen
- Studienhefte Statistik und Methoden im Bachelor: alle Methodenhefte im Überblick
- Versuchspläne: Between- und Within-Design: Grundformen experimenteller Pläne
- Forschungsmethoden-Klausur: Themen und Lernplan für die Prüfung
Passendes Material

Häufige Fragen
Was ist der Unterschied zwischen Experiment und Quasi-Experiment?
Im Experiment werden Personen zufällig den Bedingungen zugeteilt. Im Quasi-Experiment gibt es ebenfalls eine Intervention und eine Vergleichsbedingung, die Zuteilung erfolgt aber nicht zufällig, etwa über bestehende Gruppen oder eine Schwelle. Kausale Schlüsse brauchen dort zusätzliche, begründete Annahmen.
Ist Randomisierung dasselbe wie eine Zufallsstichprobe?
Nein. Randomisierung verteilt die vorhandenen Personen zufällig auf Bedingungen und sichert die interne Validität. Eine Zufallsstichprobe zieht Personen zufällig aus einer Population und betrifft die Übertragbarkeit.
Darf ich bei einem Quasi-Experiment von einer Wirkung sprechen?
Ja, wenn du die tragende Annahme nennst und begründest, zum Beispiel parallele Trends beim Differenz-von-Differenzen-Ansatz. Die Formulierung sollte diese Bedingung sichtbar machen.
Sollte ich möglichst viele Kontrollvariablen aufnehmen?
Nein. Die Kontrolle von Konfundierern kann helfen, die Kontrolle von Mediatoren oder Collidern verzerrt die Schätzung dagegen. Entscheidend ist die Rolle der Variable im Wirkgefüge.
Stand: November 2026. Psychologie Helden ist ein unabhängiges Lernangebot und mit keiner Hochschule verbunden. Verbindlich sind die Studien- und Prüfungsordnung deines Studiengangs und die Vorgaben deiner Lehrenden.
