Słownik metodologiczny · Dobór próby

Efekt warunkowania panelowego – jak udział w panelu zmienia odpowiedzi?

Efekt warunkowania panelowego to zmiana odpowiedzi uczestników badania podłużnego wywołana wcześniejszymi pomiarami. Pokazujemy mechanizmy, sposób wykrycia z próbą odświeżającą, przykład w R i opis do pracy.

Strona główna / Słownik / Efekt warunkowania panelowego
W skrócie: Efekt warunkowania panelowego (panel conditioning) to zmiana odpowiedzi lub zachowań uczestników badania podłużnego wywołana samym udziałem we wcześniejszych falach. Wykrywa się go, porównując w tym samym czasie osoby o różnym stażu w panelu, np. z próbą odświeżającą.

Co to jest efekt warunkowania panelowego?

Efekt warunkowania panelowego (ang. panel conditioning, time-in-sample bias) to zmiana odpowiedzi albo zachowań uczestników badania podłużnego wywołana samym udziałem we wcześniejszych pomiarach. W schemacie podłużnym zakładamy zwykle, że pomiar niczego nie zmienia. Warren i Halpern-Manners (2012) pokazują, że jeśli to założenie nie jest spełnione, można źle opisać istnienie, wielkość i korelaty zmian między falami.

Mechanizmy są dwa. Po pierwsze, pytanie może zmienić samą cechę: ktoś zapytany o oszczędzanie zaczyna oszczędzać. Po drugie, zmienia się sposób odpowiadania. Doświadczony uczestnik wie, że „tak” w pytaniu filtrującym otwiera serię pytań dalszych. Eckman i in. (2014) wykazali takie motywowane zaniżanie w obrębie jednego wywiadu; w panelu respondent może się tego nauczyć między falami. Pokrewny jest efekt pretestu, który kontroluje plan Solomona.

Jak go wykryć

Trzeba porównać osoby o różnym stażu w panelu, mierzone w tym samym czasie. Najczęściej porównuje się próbę odświeżającą (nowych uczestników) z osobami, które mają za sobą kilka fal, albo losuje się, kto dostaje pytania wcześniej. Halpern-Manners i in. (2014) w eksperymencie w panelu internetowym stwierdzili, że odpowiedzi o kradzieży i jeździe po alkoholu zmieniały się po wcześniejszym pomiarze, ale tylko przy krótkim odstępie między falami.

Przykład

W danych symulowanych 600 nowych uczestników i 600 osób z trzech fal odpowiada na to samo pytanie filtrujące. „Tak” odpowiedziało 31.2% nowych i 24.7% doświadczonych, różnica 6.5 p.p., 95% CI [1.4, 11.6], p = .012 (test dla dwóch proporcji). Ponieważ prawdziwy odsetek jest w obu grupach taki sam (30%), różnica wynika wyłącznie ze stażu w panelu.

Jak opisać w pracy

Aby ocenić efekt warunkowania panelowego, porównano odpowiedzi nowych uczestników z próby odświeżającej (n = 600) i osób uczestniczących w trzech falach (n = 600). Odsetek odpowiedzi twierdzących na pytanie filtrujące wyniósł odpowiednio 31.2% i 24.7% (różnica 6.5 p.p., 95% CI [1.4, 11.6], p = .012).

Na co uważać

  • Mylenie z odpadaniem. Różnica między nowymi a starymi uczestnikami może wynikać też z selektywnej utraty uczestników; porównanie trzeba uzupełnić o analizę tego, kto odpadł.
  • Panele zawodowych respondentów. W panelach internetowych ludzie wypełniają wiele ankiet, więc warunkowanie może dotyczyć też pytań, których badacz wcześniej nie zadawał.
  • Planowanie. Odstępy między falami i grupę kontrolną bez wcześniejszego pomiaru zaplanuj z góry – zob. badanie podłużne w doktoracie.
Przykład reprodukowalny

Warunkowanie panelowe w R

Kod symuluje te same prawdziwe zachowania w obu grupach i motywowane zaniżanie u osób z kilku fal, a potem porównuje odsetki „tak” testem dla dwóch proporcji. Liczby w tekście pochodzą z tego kodu.

Nowi uczestnicy a osoby z kilku fal

Dane wejściowe: 1200 osób w jednej fali: 600 nowych i 600 z trzech fal, prawdziwy odsetek 30% w obu grupach (dane symulowane, set.seed(665)).

Co odczytać: odsetki „tak” 31.2% i 24.7%, różnica 6.5 p.p., 95% CI [1.4, 11.6], p = .012.

R
set.seed(665)
n <- 600                                     # osoby w tej samej fali: nowe vs w panelu od 3 fal
prawda_nowi <- rbinom(n, 1, 0.30)            # prawdziwe korzystanie z usługi: 30% w obu grupach
prawda_starzy <- rbinom(n, 1, 0.30)
tak_nowi <- prawda_nowi                      # nowi odpowiadają zgodnie z prawdą
# doświadczeni wiedzą, że „tak” w pytaniu filtrującym otwiera 8 pytań dalszych,
# więc 25% z nich zaprzecza (motywowane zaniżanie)
tak_starzy <- prawda_starzy * rbinom(n, 1, 0.75)
tab <- rbind(nowi = c(tak = sum(tak_nowi), nie = n - sum(tak_nowi)),
             w_panelu = c(tak = sum(tak_starzy), nie = n - sum(tak_starzy)))
tab
odsetek <- 100 * prop.table(tab, 1)[, "tak"]   # odsetek „tak” w %
round(c(odsetek, roznica = unname(odsetek[1] - odsetek[2])), 1)
pt <- prop.test(tab, correct = FALSE)        # test dla dwóch proporcji
round(100 * as.numeric(pt$conf.int), 1)                # 95% CI różnicy (nowi − w panelu), p.p.
signif(pt$p.value, 2)
Wynik w R
         tak nie
nowi     187 413
w_panelu 148 452
    nowi w_panelu  roznica 
    31.2     24.7      6.5 
[1]  1.4 11.6
[1] 0.012

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Czym warunkowanie panelowe różni się od utraty uczestników?

Utrata uczestników zmienia skład próby, bo część osób odpada. Warunkowanie zmienia odpowiedzi osób, które zostają. Oba efekty mogą działać naraz, dlatego analizuje się je osobno.

Jak ograniczyć efekt warunkowania panelowego?

Pomagają próby odświeżające, rotacja uczestników, dłuższe odstępy między falami i układ pytań filtrujących, który nie zdradza, że „tak” wydłuża ankietę.

Czy warunkowanie panelowe dotyczy tylko pytań o zachowania?

Nie. Może dotyczyć postaw, wiedzy i sposobu odpowiadania, np. częstszego zaprzeczania w pytaniach filtrujących. Jego siła zależy od tematu pytań i odstępu między falami.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Eckman, S., Kreuter, F., Kirchner, A., Jäckle, A., Tourangeau, R., & Presser, S. (2014). Assessing the mechanisms of misreporting to filter questions in surveys. Public Opinion Quarterly, 78(3), 721–733. https://doi.org/10.1093/poq/nfu030
  2. Halpern-Manners, A., Warren, J. R., & Torche, F. (2014). Panel conditioning in a longitudinal study of illicit behaviors. Public Opinion Quarterly, 78(3), 565–590. https://doi.org/10.1093/poq/nfu029
  3. Warren, J. R., & Halpern-Manners, A. (2012). Panel conditioning in longitudinal social science surveys. Sociological Methods & Research, 41(4), 491–534. https://doi.org/10.1177/0049124112460374 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{eckman2014assessing, author={Eckman, Stephanie and Kreuter, Frauke and Kirchner, Antje and Jäckle, Annette and Tourangeau, Roger and Presser, Stanley}, title={{Assessing the mechanisms of misreporting to filter questions in surveys}}, journal={Public Opinion Quarterly}, year={2014}, volume={78}, number={3}, pages={721--733}, doi={10.1093/poq/nfu030}}
@article{halpernmanners2014panel, author={Halpern-Manners, Andrew and Warren, John Robert and Torche, Florencia}, title={{Panel conditioning in a longitudinal study of illicit behaviors}}, journal={Public Opinion Quarterly}, year={2014}, volume={78}, number={3}, pages={565--590}, doi={10.1093/poq/nfu029}}
@article{warren2012panel, author={Warren, John Robert and Halpern-Manners, Andrew}, title={{Panel conditioning in longitudinal social science surveys}}, journal={Sociological Methods \& Research}, year={2012}, volume={41}, number={4}, pages={491--534}, doi={10.1177/0049124112460374}}
R