• Bij dit onderzoek zijn we niet in staat de interventie te manipuleren. We kunnen niet bepalen aan wie interventie wordt uitgedeeld en we kunnen ook de groepen voor wel/geen interventie niet samen stellen.
  
  
• Problemen om eventuele veranderingen aan interventie toe te schrijven. Een teveel aan rivaliserende verklaringen kan een interventie (oorzaak) doen stranden.
  
  
• Met behulp van additionele metingen verzameld in een zogenaamd tijdreeksdesign kunnen we in ieder geval een aantal rivaliserende verklaringen uitsluiten.
  
  
• Een unieke gebeurtenis, die normaliter om ethische of praktische redenen niet in onderzoek te creëren zou zijn, wordt natuurlijk experiment genoemd (nucleaire ramp, vuurwerkramp, orkaan etc.).

Aan kwantitatieve opzetten voor causale samenhang liggen een aantal veronderstellingen ten grondslag:

• Observatie-eenheden zijn replicaties van dezelfde structuur
• Dit maakt het mogelijk om onze bevindingen over een steekproef uit de populatie over de gehele populatie van toepassing te verklaren.
• Observatie-eenheden vertonen onafhankelijk van elkaar het te onderzoeken gedrag
• Mocht het zo zijn dat respondenten onder invloed van elkaar bepaald gedrag vertonen, dan kunnen we niet meer zuiver bij de respondenten de scores op de afhankelijke variabele meten en hebben ze geen functie meer als replicatie van een bepaalde structuur.

• De groep observatie-eenheden is representatief voor een populatie
• Observatie-eenheden werken mee, en vertonen hun natuurlijk gedrag
• Mocht het zo zijn dat de metingen obtrusive zijn, dan zijn we niet goed meer in staat de eigenschap te meten die we willen meten.

• In een onderzoeksontwerp worden variabelen onderscheiden naar de rol die zij spelen. Een bepaalde variabele neemt dus niet altijd dezelfde rol aan.
  
  
• De afhankelijke variabele kan nooit gemanipuleerd worden door de onderzoeker; scores op de afhankelijke variabele zijn het resultaat van, de respons op, de onafhankelijke variabele.
• Het is niet zo dat de onafhankelijke variabele altijd gemanipuleerd kan worden door de onderzoeker (bij observationeel onderzoek kan dit bijv. niet). Een onafhankelijke variabele is in dat geval de variabele waarvan verondersteld wordt dat die leidt tot een verandering in de scores op de afhankelijke variabele.

• De onafhankelijke variabele wordt gemanipuleerd door verandering in de afhankelijke variabele, deze veranderingen komen al dan niet van de onderzoeker.
• Interventie wordt gebruikt voor een stimulus die gegeven wordt aan personen, organisaties etc. die tot doel heeft iets te veranderen bij de analyse eenheden (afhankelijke variabelen). Interventie is in die zin gelijk te stellen aan een onafhankelijke variabele, die als categorieën heeft: wel de interventie gekregen, niet de interventie gekregen. -> Interventies kunnen in verschillende doseringen gegeven worden.
• Om effecten van interventies te vinden moeten we vrijwel altijd twee metingen verrichten. Een vóór het intreden van de toediening, en een na de interventie.
• De verandering tussen voor- en nameting kan verdwijnen in de ‘ruis’: de gevolgen van interventie kunnen zo niet meer zijn dan de variatie die de scores al vertoonden.
• Het verbinden van conclusies aan een kale voor- en nameting zonder nadere inspectie van de scores is een moeilijke zaak. Het gaat er namelijk niet om vast te stellen of er een verandering intreedt op de scores van afhankelijke variabele, maar dat het erom gaat vast te stellen dat die verandering is toe te schrijven aan de onafhankelijke variabele, i.c. de interventie.
• De oplopende controle van onderzoeksopzetten vertaald zich in oplopende hardheid van uitspraken die over het causaal verband tussen de interventie en afhankelijke variabelen kunnen worden gedaan. De opzetten zijn:
• Observationeel design
• Quasi experimenteel design
• Experimenteel design

• In zijn algemeenheid geldt dat X directe oorzaak is van Y als er aan een drietal voorwaarden is voldaan:
  
  
• X gaat vooraf aan Y
• X hangt empirisch samen met Y
• Er is geen alternatieve verklaring voor de samenhang tussen X en Y

• X gaat vooraf aan Y is logisch in de zin dat een oorzaak na een gevolg niet plausibel is. Gelijktijdigheid is wel toegestaan.
• X hangt empirisch samen met Y, er is een verband tussen de scores op de ene variabele en de andere. Dit kan tot uitdrukking komen in de Pearsoncorrelatiecoëfficiënt.
• Geen alternatieve verklaring voor causaliteit van X en Y is moeilijker aan te geven. 3 impliceert dat we pas van X als oorzaak van Y mogen spreken als we zeker weten dat er geen andere verklaring is voor het verband dat we zien. In de situatie waarin een waargenomen verband tussen twee variabelen X en Y wordt verklaard door een derde variabele, noemen we het verband X en Y spurieus.
• Spurieuze verbanden zijn te ontdekken door de relatie tussen de vermeende oorzaak X en gevolg Y uit te rekenen terwijl voor de invloed van de verstorende factor Z wordt gecorrigeerd.
• Een voorbeeld is de partiële correlatiecoëfficiënt.
• Als er meerdere complicerende factoren aanwezig zijn spreekt men van multipele oorzaken.
• Oorzaak gevolg relaties kunnen ook reciprook zijn, dat wil zeggen dat eerst X Y veroorzaakt, waarna Y invloed op X uitoefent. We spreken dan van reciproke causale relaties.
• Daarnaast kan een verband tussen twee variabelen onderdrukt worden door een derde variabele; we spreken dan van een suppressor-variabele.
• Als er geen verband verdwijnt na correctie voor een derde factor, dan weet men dat er geen oorzakelijkheid tussen X en Y is. Het blijft onmogelijk voor alle mogelijk vertekenende derde factoren te corrigeren, een causale uitspraak blijft daarom altijd een hypothese.