Einführung in die quantitative und qualitative Sozialforschung

Größe: px
Ab Seite anzeigen:

Download "Einführung in die quantitative und qualitative Sozialforschung"

Transkript

1 Einführung in die quantitative und qualitative Sozialforschung 8. Sitzung Empirische Forschung III Operationalisierung Messung und Skalierung

2 Wiederholung: Untersuchungsdesigns Experimentelles Design: Der Forscher (Versuchsleiter) bestimmt, welche Ausprägungen der erklärenden Variablen (Treatment) bei den Untersuchungseinheiten hervorgerufen werden. Nach der Setzung des Treatments erfolgt die Messung der abhängigen Variable. Randomisiertes Experiment: Zuordnung zu Experimental- und Kontrollgruppen erfolgt per Zufall daher: erklärende Variablen sind statistisch unabhängig von beliebigen anderen denkbaren Einflussgrößen. Der Effekt des Treatments kann durch statistische Tests abgesichert werden. Quasi-experimentelles Design: keine randomisierte Zuordnung der Untersuchungseinheiten zu den Gruppen oder keine vollständige Beeinflussung der erklärenden Größe durch Experimentator. Zeitlicher Abstand zwischen Erfassung der erklärenden Variable (Treatment) und der Erfassung der abhängigen Variable. Ex-post-facto-Design: Forscher hat überhaupt keine Kontrolle über die Ausprägungen der erfassten Variablen. Gleichzeitige Erfassung von abhängigen und erklärenden Variablen

3 Klassifikation von Untersuchungen nach Zeitbezug Querschnittserhebungen Alle Informationen werden zu einem Zeitpunktgemessen LängsschnittuntersuchugenWiederholte Messungen (der gleichen Variablen!) zu verschiedenen Zeitpunkten Trend Zu jedem Zeitpunkt werden verschiedene Untersuchungseinheiten betrachtet Panel Zu jedem Zeitpunkt werden die selben Untersuchungseinheiten betrachtet echtes Panel Datenerhebung zu verschiedenen Zeitpunkten Retrospektiverhebung ex-post-erhebung der Daten vergangener Zeitpunkte Zeitreihe Erfassung einer Variable bei einer Untersuchungseinheit (i.a. Aggregatgröße) zu sehr vielen Zeitpunkten

4 Gefährdungen der Gültigkeit von Untersuchungsergebnissen Verletzung der internen Validität: Existenz einer anderen Ursache als postuliert bzw. Ursache-Wirkungs-Richtung wirkt entgegengesetzt als vermutet Verletzung der externen Validität: Fehlerhafte Verallgemeinerung der Untersuchungsergebnisse von der speziellen Untersuchungssituation Verletzung der statistischen Schlussvalidität: Beobachteter (statistischer) Zusammenhang ergibt sich allein durch die Zufälligkeit der Aufteilung der beobachteten Untersuchungseinheiten in Treatment- u. Kontrollgruppen Verletzung der Konstruktvalidität: Bezeichnungen der Einfluss- und/oder Wirkungsgrößen ist falsch.

5 Gefährdungen der Gültigkeit von Untersuchungsergebnissen Maßnahmen zur Erhöhung der internen Validität: a) experimentelles Design statt Ex-Post-facto-Design b) Drittvariablenkontrolle In der Drittvariablenkontrolle werden die bivariaten Zusammenhänge bei jeweils gleichen Werten von anderen möglichen Einflussgrößen betrachtet (= Konstanthalten der Ausprägungen von Drittvariablen) Scheinkausalität: Ein beobachtbarer Zusammenhang (Korrelation) verschwindet bei Drittvariablenkontrolle (z.b. Zusammenhang zwischen Telefonbesitz und Haltung zur Abtreibung bei Kontrolle des Erhebungsgebiets)

6 2.6 Operationalisierung und Messen Operationalisierung= Herstellung einer Beziehung zwischen Begriff und beobachtbarem Sachverhalt Begriffesexplikation : Bedeutung eines Begriffes : Extension: Gesamtheit der Objekte, auf die ein Begriff zutrifft; extensionale Aufzählung nicht immer möglich Intension: Gesamtheit der gemeinsamen Eigenschaften, die die Objekte haben, auf die ein Begriff zutrifft. Voraussetzungen für eine konsistente Verwendung eines Begriffs: Eindeutigkeit: Begriffsverwendung in immer gleicher, einheitlicher Bedeutung Präzision: Für jeden Begriff soll entscheidbar sein, ob etwas unter diesen Begriff fällt.(extensionale Präzision); alle Eigenschaften des Begriffs sollen bekannt sein (intensionale Präzision) Präzisierung vager Begriffe: Extensionale Festlegung (Aufzählung) Einengung der Extension (Einführung zusätzlicher Merkmale) Erweiterung der Extension (Eliminierung von Merkmalen) Konzeptspezifikation= Explizierung der Bedeutung eines Begriffes;

7 Definitionen = Gleichsetzungen (unbekannter) Begriffe mit bekannten Begriffen: Definiendum: zu definierender Begriff; Definiens: Aussagen, die ausschließlich bekannte Begriffe enthalten. a) Nominaldefinitionen sprachliche Festlegung, nach der das Definiendum mit dem Definiens gleichgesetzt wird Daher ist jede Nominaldefinitionen eine Tautologien, d..h.. können nicht falsch sein; jedoch inadäquat sein. Kriterien bei Nominaldefinitionen: Eliminierbarkeit: Definiens und Definiendum müssen austauschbar sein. Nichtkreativität: Bei Austausch von Definiens und Definiendum darf keine zusätzliche Bedeutung erzeugt werden. Nicht-Zirkularität: Der zu definierende Begriff darf nicht unmittelbar oder mittelbar im Definiens vorkommen. Keine Mehrfachdefinitionen: Ein Begriff darf nur einmal definiert werden

8 b) Realdefinitionen Realdefinition = Behauptung über die richtige Verwendung eines Begriffes Beispiel: Handy ist eine in Deutschland übliche Bezeichnung für Mobiltelefone. = empirische Aussage, d.h. empirisch wahr oder falsch unterschiedliche Konzeptionen von Sprache und Sprechen: Begriffskonventionalismus: Bedeutung eines Begriffs wird durch Konvention vereinbart Problem: infiniter Regress Begriffsessentialismus: Bedeutung eines Begriffes ist naturnotwendig vorgegeben Problem: intersubjektive Erkennbarkeit der wahren Bedeutung ; keine Berücksichtigung der kulturellen Bedingtheit von Begriffen

9 2.6.3 Operationalisierung Operationalisierung = Formulierung von Regeln, mit deren Hilfe festgestellt wird, bzw. in welchem Ausmaß der durch einen Begriff bezeichnete Sachverhalt vorliegt. = Verknüpfungen von Begriffen mit beobachtbaren Sachverhalten. operationalen Definitionen = Gleichsetzung eines (empirischen) Begriffs mit seinem Messinstrument. Beispiel: Intelligenz ist, was der Intelligenztest misst. Problem: Missachtung der Unterschiedlichkeit von Definition und Operationalisierung. Operationalisierungen = Anwendung einer Messtheorie, die Annahmen über die Konsequenzen der in einem theoretischen Begriff enthaltenen Eigenschaften auf empirisch beobachtbare Sachverhalte beinhaltet. Korrespondenzhypothesen = Annahmen der Messtheorie Korrespondenzregeln = Anwendungen von Korrespondenzhypothesen

10 Beispiel: Hypothese: Abhängigkeit des Ausmaßes an Systemunterstützung von der Bewertung der Beeinflussbarkeit des politischen Systems und der Reaktionsbereitschaft des Systems Notwendigkeit der Definition und Operationalisierung der drei Begriffe Systemunterstützung, Beeinflussbarkeit und Reaktionsbereitschaft Def.: Systemunterstützung = Zufriedenheit mit dem politischen System und seiner Komponenten Operationalisierung : Was würden Sie allgemein zu der Demokratie in der Bundesrepublik, d.h. zu unseren politischen Parteien und zu unserem ganzen politischen System sagen? Sind Sie damit sehr zufrieden, eher zufrieden, eher unzufrieden oder sehr unzufrieden? Auswertung: starke Systemunterstützung, wenn Befragte die Antwort sehr zufrieden gibt, eine geringere Systemunterstützung, wenn sie die Antwort eher zufrieden gibt, eine geringe Systemablehnung, wenn sie die Antwort eher unzufrieden gibt und eine starke Systemablehnung, wenn sie die Antwort sehr unzufrieden gibt.

11 Korrespondenzhypothesen: (1) Je zufriedener eine Person mit dem politischem System ist, desto größer ist die geäußerte Zufriedenheit in der Antwort auf die Frage: Sind Siemit der Art und Weise, wie die Demokratie in der Bundesrepublik funktioniert sehr zufrieden, eher zufrieden, eher unzufrieden oder völlig unzufrieden? (2) Wenn eine Person A auf die Frage nach der Demokratiezufriedenheit eine positivere Antwort gibt als eine Person B, dann ist Person A zufriedener mit der Demokratie als Person B. Korrespondenzregeln: sehr zufrieden = große Systemzufriedenheit, eher zufrieden = geringere,aber vorhandene Systemzufriedenheit, eher unzufrieden = geringe Unzufriedenheit völlig unzufrieden = große Unzufriedenheit mit dem politischen System

12 Notwendigkeit der Operationalisierung aller Begriffe, soweit sie empirische Bedeutung haben. Beispiel: Begriff Alter Wenn mit Alter das tatsächliche biologische Lebensalter gemeint ist, dann ist Alter definiert als die Anzahl der Tage oder Jahre, die seit der Geburt einer Person vergangen sind. Operationalisierung des so definierten Begriffs: Frage in einem Fragebogen: Sagen Sie mir bitte, wie alt Sie sind. Frage: Sagen Sie mir bitte, in welchem Jahr Sie geboren sind. Notieren des Geburtstages aus dem Personalausweis (Dokumentenanalyse) Einschätzung des Alters durch den Forscher (Beobachtung) Problem: verschiedene Operationalisierungen können bei manchen Personen zu verschiedenen Ergebnissen führen.

13 Vom Begriff zur Variablen Durch die Operationalisierung werden Begriffen in einer empirischen Aussage beobachtbare Sachverhalte zugeordnet. Beobachtbare Sachverhalte beziehen sich auf Variablen. Folge: Über die Operationalisierung werden daher gleichzeitig die Variablen festgelegt, die in einer empirischen Untersuchung erhoben werden. Problem: keine eindeutige Korrespondenz zwischen einem Begriff und einer Variablen, da ein Begriff mehrere Eigenschaften beinhalten kann. Unterschiedliche Möglichkeiten der Operationalisierung des Begriffs Systemunterstützung : eine Frage nach der Zufriedenheit mit den Politikern, nach der Zufriedenheit mit den Parteien, nach der Zufriedenheit mit dem Funktionieren der Demokratie. Die Befragung ergibt hier also drei Variablen, die zusammen das Ausmaß der Systemunterstützung bei einer Person erfassen sollen.

14 Indikatoren und unbeobachtbare Variablen Viele Eigenschaften von Untersuchungseinheiten sind nicht direkt beobachtbar. Beispiel: Einstellung oder Meinung sind nicht direkt beobachtbar. Beobachtbar ist allein das Verhalten der Menschen, zu dem auch das Beantworten einer Frage gehört. Folge: Sinnvoll zu unterscheiden zwischen der unbeobachtbaren tatsächlichen Systemzufriedenheit und der Antwort auf die Frage nach der Systemzufriedenheit. Differenz zwischen unbeobachtbaren oder latenten Variablen (= Faktoren) und ihren Indikatoren. tatsächliche Systemzufriedenheit = latente Variable; Antwort auf die Frage im Fragebogen = ein Indikator, der zur Messung (Erfassung) der latenten Variablen herangezogen wird. Messfehler = Abweichungen zwischen latenten Variablen und Indikatoren Bei einer engen Auffassung sind (nahezu) alle in einer Untersuchung interessierenden Größen latente Variablen, da sie nicht mit Sicherheit messfehlerfrei erfasst werden können. Beispiel: Abweichung des erfassten Alters einer Person von ihrem tatsächlichen Alter.

15 2.6.4 Beobachten und Messen Messinstrument/ Erhebungsinstrument = Ergebnis der Operationalisierung Messen = Vorgang der Datengewinnung= tatsächliche Anwendung der Korrespondenzregeln bei Untersuchungseinheiten. Beispiel für ein Erhebungsinstrument: sehr kurzer Fragebogen zur Untersuchung, ob Systemzufriedenheit von der Bewertung der Beeinflussbarkeit und der Reaktionsbereitschaft des Systems abhängt. Neben den drei Variablen, die diese drei Begriffe operationalisieren, wird noch das Alter über das Geburtsjahr und das Geschlecht der befragten Personen erfasst. Berücksichtigung von fehlenden (item non-response) oder ungültigen Antworten: die Zahl 9 (bzw beim Alter) = keine Angabe die Zahl 8 = Weiß nicht

16 Beispiel: Erhebungsinstrument zur Prüfung vermuteter Ursachen von Systemunterstützung Frage 1: Systemzufriedenheit Zufriedenheit mit politischem System Frage 2 a. subjektiv wahrgenommene Beeinflussbarkeit des politischen Systems b. subjektiv wahrgenommene Reaktionsbereitschaft des politischen Systems Geschlecht Alter F R A G E A N T W O R T Code 1. Sind Sie mit der Art und Weise, wie die Demokratie in der Bundesrepublik funktioniert, alles in allem gesehen Nun einige Aussagen, über die man verschiedener Ansicht sein kann. Sagen Sie mir bitte jeweils, ob Sie der Aussage eher zustimmen oder eher nicht zustimmen. a) Leute wie ich haben so oder so keinen Einfluss darauf, was die Regierung tut b) Die Parteien wollen nur die Stimmen der Wähler, ihre Ansichten interessieren sie nicht 3. ohne Abfrage eintragen! Das Interview wurde geführt mit Zum Schluss noch eine Frage zur Statistik. Sagen Sie mir bitte, in welchem Jahr Sie geboren sind...sehr zufrieden,......eher zufrieden,......eher unzufrieden,......oder_völlig unzufrieden?. weiß nicht 1 keine Angabe stimme stimme weiß keine eher eher nicht nicht Angabe zu zu einem Mann... einer Frau... Geburtsjahr vierstellig eintragen! keine Angabe Kursiver gedruckter Text ist für den Interviewer bestimmt und wird nicht vorgelesen

17 zwei unterschiedliche Bedeutungen des Begriffs Messen : (1) Messen im weiteren Sinne = Akt der Datenerhebung (= Beobachtung) (2) Messen im engeren Sinne = Zuordnung von Zahlen zu den beobachteten empirischen Eigenschaften eines Objekts. = Codierung Wenn Person A auf die Frage nach der Zufriedenheit mit dem Funktionieren der Demokratie die Antwort eher zufrieden gibt: Messen im weiteren Sinne = das Stellen der Frage und das Beobachten (Hören) der Antwort; Messen im engeren Sinne = das Notieren bzw. Ankreuzen z.b. der Zahl 2 im Fragebogen In der empirischen Sozialforschung und Statistik wird das Wort Messen i.a. nur im engeren Sinne der Codierung verwendet, unter Verweis auf axiomatische Messtheorie: Messen = homomorphe (strukturtreue) Abbildung eines empirischen Relativs in ein numerisches Relativ.

18 Messen als homomorphe Abbildung eines empirischen in ein numerisches Relativ: Möglichkeit der Vergleichbarkeit von Merkmalsträgern (Untersuchungseinheiten, Objekte) hinsichtlich der Ausprägungen eines Merkmals Beispiel: zwei Personen können die gleiche politische Zufriedenheit aufweisen, oder eine Person kann unzufriedener sein als die andere. empirisches Relativ = mögliche Beziehungen (Relationen), die sich aufgrund der Ausprägungen des betrachteten Merkmals zwischen einer Menge von Merkmalsträgern herstellen lassen. numerisches Relativ = eine Menge von Zahlen, zwischen denen mathematische Beziehungen (Relationen) bestehen. Strukturtreue (homomorphe) Abbildung = Zuordnung von Zahlen zu den einzelnen Ausprägungen eines Merkmals, sodass den empirischen Eigenschaften zwischen den Merkmalsträgern mathematische Beziehungen zwischen den Zahlen entsprechen. Beispiel: Abbildung einer empirischen Relation zufriedener als zwischen zwei Personen als mathematische Relation größer als zwischen Zahlen

19 Mess- oder Skalenniveau Nicht allen mathematischen Beziehungen zwischen Zahlen entsprechen auch empirische Beziehungen zwischen den gemessenen Eigenschaftsausprägungen. Zahl 2 = doppelt so groß wie die Zahl 1; Frage nach der Demokratiezufriedenheit; völlig unzufrieden (Code 1 ); eher unzufrieden (Code 2 ); Problem: Person 1 muss nicht genau halb so zufrieden sein, wie ein anderer Befragter Folge: Notwendigkeit der Beachtung des Mess- oder Skalenniveaus = Angabe, welchen numerischen Informationen tatsächlich empirische Informationen entsprechen: Nominalskalenniveau enthält nur Informationen, ob gleiche oder ungleiche Ausprägungen einer Eigenschaft vorliegen; Ordinalskalenniveau gibt zusätzlich Auskunft über ein Mehr oder Weniger des Ausmaßes einer Eigenschaft; Intervallskalenniveau erlaubt zusätzlich den Abstand zwischen einzelnen Werten inhaltlich zu interpretieren; Ratioskalenniveau (= Verhältnisskalenniveau, Proportionalskalenniveau) ermöglicht zusätzlich Interpretation des Verhältnisses zweier Werte.

20 Hierarchische Ordnung zwischen den Messniveaus: Folge: Alle Informationen eines geringeren Messniveaus gelten auch bei einem höherem Messniveau. Die Informationen eines höheren Messniveaus können aber nicht bei einem tieferen Messniveau genutzt werden: Interpretierbare Relationen Identität Ränge Abstände Bezugspunkt Nominalskala ja nein nein nein Ordinalskala ja ja nein nein Intervallskala ja ja ja nein Ratioskala ja ja ja ja metrische Skalen: Intervall- und Ratioskalen

21 Generell gilt: Je höher das Skalenniveau, desto informativer ist eine Messung, Beispiel: Religionsgemeinschaften werden auf Nominalskalenniveau gemessen: Feststellung sinnvoll, dass zwei Personen der gleichen Religionsgemeinschaft oder aber verschiedener Religionsgemeinschaften angehören. Aber sinnlos zu behaupten, dass Person A mit dem Messwert 1 (katholisch) eine geringere oder größere Religiosität aufweist als Person B mit dem Messwert 2 (islamisch).

22 Systemzufriedenheit = ordinales Skalenniveau Nominalskaleninformation : Person A weist eine gleiche oder eine unterschiedliche Systemzufriedenheit als Person B auf. Ordinalskaleninformation: Person A weist eine größere Systemzufriedenheit auf als Person B. Aber sinnlos zu interpretieren, dass die Systemzufriedenheit zwischen Person A, die sehr unzufrieden ist (Code: 1), und Person B, die eher unzufrieden ist (Code: 2), geringer ist als der Abstand zwischen Person B und Person C, die sehr zufrieden ist (Code 4), obwohl die Messwerte auf größere Abstände hinweisen (2-1 < 4-2). Allerdings ist der Abstand zwischen Person A und B geringer als zwischen Person A und C! Messung von Temperatur in Celsius = Intervallskala sinnvoll, zu behaupten, dass der Abstand zwischen 20 Grad Celsius und 40 Grad Celsius (um das Zweifache) größer ist als der zwischen 20 Grad Celsius und 10 Grad Celsius. Aber nicht sinnvoll, zu behaupten, dass eine Temperatur von 40 Grad Celsius doppelt so heiß ist wie eine Temperatur von 20 Grad.

23 Alter = Ratioskala: Ratioskaleninformation: vierzigjährige Person ist doppelt so alt wie eine zwanzigjährige Person Intervallskaleninformation: Der Abstand zwischen einer vierzigjährigen und einer zwanzigjährigen Person ist größer als der Abstand zwischen einer zwanzigjährigen und einer achtzehnjährigen Person Ordinalskaleninformation: eine zwanzigjährige Person ist älter als eine zehnjährige Person Nominalskaleninformation: zwei zehnjährige Personen sind gleich alt

24 Beispiele für unterschiedliche Skalenniveaus: Nominalskala (Klassifikation): Religion, Familienstand, Parteineigung Ordinalskala (Rangordnung): Einstellungsmessungen, z.b. Demokratiezufriedenheit Intervallskala (Abstand): Temperatur in Celsius oder Fahrenheit, Geburtsjahr Ratioskala (Verhältnis): Alter, Einkommen Welche Zahlen den Ausprägungen eines Merkmals zugeordnet werden, ist solange willkürlich, solange die strukturtreue Abbildung der empirischen Beziehungen in die mathematischen Beziehungen erhalten bleibt. Ob bei der Ordinalskala Demokratiezufriedenheit die Zahlen (Codes) 1,2,3,4 oder 0,1,2,3 oder 10,11,15,20 verwendet werden, ist beliebig, solange eine größere Zahl stets für eine größere Demokratiezufriedenheit steht. Es ist aber unzulässig, die Codes 1, 2, 4, 3 zu verwenden, da dann eher zufrieden (Code: 4) für eine größere Zufriedenheit stehen würde als sehr zufrieden (Code 3):

25 Ursprünglich Alternative Codierungen zulässig unzulässig völlig unzufrieden: eher unzufrieden: eher zufrieden: sehr zufrieden: Codierung

26 Zulässige Transformationen Messniveau legt fest, was die zulässigen Transformationen sind, die die Information der Messung erhalten: Nominalskala: alle ein-eindeutigen Transformationen z.b.: 1 2, 2 1, 3 4, 4 3 aber nicht nicht-ein-eindeutige Transformationen z.b.: 1 2, 2 2, 3 1, 4 3 Ordinalskala:alle monoton steigenden, die Rangordnung bewahrenden Transformationen z.b.: 1 1, 2 4, 3 9, 4 16 (Quadrieren positiver Zahlen) aber nicht nicht-monoton steigende Transformationen z.b.: 1 2, 2 2, 3 4, 4 5 Intervallskala: alle positiven, linearen Transformationen (Y = a + b X mit b>0) z.b.: 1 3, 2 5, 3 7, 4 9 (Y=1+2 X) aber nicht beliebige, monoton steigende Transformationen z.b.: 1 1, 2 4, 3 9, 4 16 (Quadrieren positiver Zahlen), da die Abstandsinformation verloren geht:

27 Ursprungswerte Abstände transformierte transformierte Werte Abstände unzulässig 1,2,3 2-1=3-2 1,4,9 4-1<9-4 zulässig 1,2,3 2-1=3-2 3,5,7 5-3=7-5 Ratioskala: alle Streckungen und Stauchungen (Y = b X mit b>0) z.b.: 1 3, 2 6, 3 9, 4 12 (Y=3 X) aber nicht beliebige, linear steigende Transformationen z.b.: 1 3, 2 5, 3 7, 4 9 (Y=1+2 X), da die Verhältnisinformation verloren geht: Ursprungswerte Verhältnisse transformierte Verhältnisse Werte Unzulässig 1,2 2/1=2 3,5 5/3=1.67 zulässig 1,2 2/1=2 3,6 6/3=2 Messungen auf verschiedenen Messskalen, die sich durch zulässige Transformationen ineinander umrechnen lassen, sind äquivalent. Beispiel: Temperaturmessungen in Celsius oder in Fahrenheit

28 Bedeutung des Skalenniveaus für die Sozialforschung: Angemessenheit statistischer Analysemodelle: nicht gegeben, wenn sich nach der Transformation einer Messwertreihe mit einer zulässigen Transformation die inhaltliche Aussage ändert. Die Ergebnisse sind dann Artefakte. Beispiel: Berechnung von Mittelwerten bei ordinalen Messungen Angenommen, eine ordinale Messung ergäbe bei einer Teilgruppe von drei Merkmalsträgern die Rangwerte 1,3,6, bei einer zweiten Teilgruppe die Rangwerte 2,4,5. Nach diesen Messwerten ist der Durchschnittswert in der ersten Gruppe (10/3) geringer als der Durchschnittswert in der zweiten Gruppe (11/3). Quadriert man die Werte erhält man für die erste Gruppe die Werte 1,9,36 und für die zweite Gruppe die Werte 4,16,25. Die Transformation ist zulässig, da die transformierten Werte die ordinale Information bewahren. Nach der Transformation ist aber der Mittelwert der ersten Gruppe (46/3) größer als der Mittelwert der zweiten Gruppe (45/3). Folge: Die auf Ordinalskalenniveau zulässige Transformation verändert also die Relation zwischen Mittelwerten. Mittelwerte sind daher bei ordinal gemessenen Größen unbrauchbar und damit unzulässig.

29 Wie wird das Messniveau festgelegt? Repräsentationstheorem: Bedingungen im empirischen Relativ, die Voraussetzung einer strukturtreuen Abbildung sind Eindeutigkeitstheorem: Möglichkeit von mathematischen Funktionen im numerischen Relativ, ohne die Strukturtreue der Abbildung zu verletzen. Nach der axiomatischen Messtheorie muss zum Nachweis eines Messniveaus die empirische Gültigkeit beider gezeigt werden. 'measurement per fiat' = Festlegung des Messniveaus als eine Konvention (Setzung) Drei Aspekte sind zu beachten: a. Messniveau einer Größe kann nicht theorielos (d.h. ohne ungeprüfte theoretische Annahmen) ermittelt werden. b. Empirisches Gesetz kann bestimmtes Messniveau für die beteiligten Konzepte voraussetzen. Ist dieses nicht gegeben, ist Gesetz nicht oder nur eingeschränkt prüfbar. c. Bei latenten Variablen kann Messniveau von manifester Variable (Indikator) und latenter Variable abweichen.

30 Notwendigkeit der Möglichkeit der inhaltlichen Interpretierbarkeit der Zahlen: Beispiel: Befragung zur Einstellung zur Abtreibung: Operationalisierung durch die Frage: 'Welche Position haben Sie: Sollen Ihrer Ansicht nach Abtreibungen grundsätzlich verboten werden, sollen Abtreibungen grundsätzlich erlaubt sein oder sollen Abtreibungen nur in bestimmten Situationen erlaubt sein?' Zuordnung von Zahlen: Ausprägung 'grundsätzlich erlaubt' = die Zahl +1, Ausprägung 'grundsätzlich verboten' = die Zahl 1, Ausprägung 'eingeschränkt erlaubt' = die Zahl 0 Mittelwert über die drei Zahlen = informative Größe: Wenn von 100 Personen 20 für ein grundsätzliches Verbot von Abtreibungen, 40 für eine Freigabe in bestimmten Situationen, 40 für eine generelle Freigabe sind, dann ist der Mittelwert 0.2 (=(20 (-1) )/100): Der Anteil der generellen Befürworter ist also mit 40% um 20% (=0.2) größer als der Anteil der generellen Ablehner mit 20%. Folge: Einzelfallentscheidung notwendig: Abwägen zwischen Gefahr der Artefaktproduktion oder unzureichende Analyse der Daten. Lösung: Prüfung auf Robustheit der Ergebnisse

31 2.6.5 Gütekriterien von Messungen: Objektivität, Reliabilität und Validität von Messungen Kriterien für möglichst gute Messungen: Objektivität: Die Anwendung des Messinstruments durch unterschiedliche Forscher (Versuchsleiter) führt zum gleichen Ergebnis. Reliabilität: Gegeben, wenn verschiedene Messungen einer Eigenschaft beim gleichen Objekt zum gleichen Ergebnis führen, solange sich die Eigenschaft zwischen den Messungen nicht verändert hat. Validität: Eine Messung ist valide (gültig), wenn sie tatsächlich das misst, was sie messen soll. Validität = wichtigste Kriterium. Reliabilität = notwendige, aber nicht hinreichende Voraussetzung für Validität, da Möglichkeit, reliable Messung zu erhalten, die aber etwas anderes misst, als angestrebt wird. Beispiel Schuhgröße Objektivität = Spezialfall der Reliabilität, Intercoder-Reliabilität

32 Klassische Testtheorie klassische psychologischen Testtheorie: Messung als Summe aus einem wahren Wert und einem Messfehler. Unterscheidung zwischen systematischen und zufälligen Messfehlern Messwert = wahrer Wert + systematischer Fehler + zufälliger Fehler valider Teil reliabler Teil unreliabler Teil invalider Teil Messung = valide, wenn es weder systematische, noch zufällige Messfehler gibt, Messung = reliabel, wenn es nur systematische, aber keine zufälligen Messfehler gibt, Messung ist nicht reliabel (und auch nicht valide), wenn es zufällige Messfehler gibt.

33 Reliabilität: Reliabilitätskoeffizient: Nicht perfekte Reliabilität wird als Anteil der Unterschiedlichkeit (Variation) der Messungen definiert, der auf zufällige Messfehler zurückzuführen ist. unterschiedliche Verfahren und Kenngrößen zur Beurteilung der Reliabilität: 1) Mehrere Indikatoren für gleiches Konstrukt: Skalembildung Crombach s Alpha (α), = Maß der internen Konsistenz = Schätzung der Reliabilität eines summativen Index (Likert-Skala) unter der Annahme, dass alle im Index zusammen gefassten Fragen den gleichen wahren Wert messen und nur zufällige Messfehler zu unterschiedlichen Ergebnissen führen. nur Werte zwischen 0 und 1, hoher Wert entspricht hoher interner Konsistenz 2) Mehrfachmessungen über Zeit: Test-Retest-Methode = Eigenschaft mindestens zweimal in einem zeitlichen Abstand messen. Interpretation der Korrelation, (= statistischer Kennwert zur Erfassung der Übereinstimmung zwischen zwei Datenreihen), zwischen den Messungen als Reliabilitätsmaß Problem: Möglichkeit der Veränderung der Eigenschaft zwischen den Messungen

34 Validität: Schwere Erfassbarkeit der Validität Inhaltsvalidität = face-validity : Analyse beschränkt sich auf eine rein semantische Analyse der Bedeutung von Fragen, Bsp Interviews Kriteriumsvalidität: Untersuchung der Beziehung (Korrelation) mit einem externen Kriterium. Korrelation = hoch, dann gilt ein Maß als valide. Problem: Annahme, dass zumindest das Kriterium valide gemessen werden kann und die Hypothese über die Art der Beziehung zum Kriterium (positive Korrelation oder aber negative Korrelation) zutrifft. Konstruktvalidität = Ausweitung dieser Vorgehensweise Prüfung, ob die Beziehung zwischen dem Messinstrument und einer Menge von anderen Größen in der erwarteten Richtung ist. Folge: Nicht nur Prüfung des Messinstruments, sondern auch der inhaltlichen Theorien Hinweis: sog. Validitätsindex = eher eine Größe zur Beurteilung der Reliabilität

Einführung in die quantitative und qualitative Sozialforschung

Einführung in die quantitative und qualitative Sozialforschung Einführung in die quantitative und qualitative Sozialforschung 7. Sitzung Empirische Forschung III Untersuchungsdesign Gültigkeit der Ergebnisse Operationalisierung Überblick Wiederholung Untersuchungsdesign

Mehr

0 Einführung: Was ist Statistik

0 Einführung: Was ist Statistik 0 Einführung: Was ist Statistik 1 Datenerhebung und Messung Die Messung Skalenniveaus 2 Univariate deskriptive Statistik 3 Multivariate Statistik 4 Regression 5 Ergänzungen Grundbegriffe Statistische Einheit,

Mehr

Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion

Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 4. Messtheorie Messen in den Sozialwissenschaften, Operationalisierung und Indikatoren, Messniveaus,

Mehr

Teil I: Deskriptive Statistik

Teil I: Deskriptive Statistik Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten

Mehr

5. MESSUNG & DATENERHEBUNG IN DEN SOWI

5. MESSUNG & DATENERHEBUNG IN DEN SOWI 5. MESSUNG & DATENERHEBUNG IN DEN SOWI Ziel: kontrollierte Gewinnung empirischer Informationen Bei den Entscheidungen über geeignete Erhebungsinstrumente, Messen, Auswahlverfahren und dem anzustrebenden

Mehr

Grundbegriffe (1) Grundbegriffe (2)

Grundbegriffe (1) Grundbegriffe (2) Grundbegriffe (1) S.1 Äquivalenzklasse Unter einer Äquivalenzklasse versteht man eine Klasse von Objekten, die man hinsichtlich bestimmter Merkmalsausprägungen als gleich (äquivalent) betrachtet. (z.b.

Mehr

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse

Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Skript zur Übung: Grundlagen der empirischen Sozialforschung - Datenanalyse Phasen des Forschungsprozesses Auswahl des Forschungsproblems Theoriebildung Theoretische Phase Konzeptspezifikation / Operationalisierung

Mehr

Grundlagen der Datenanalyse

Grundlagen der Datenanalyse Schematischer Überblick zur Behandlung quantitativer Daten Theorie und Modellbildung Untersuchungsdesign Codierung / Datenübertragung (Erstellung einer Datenmatrix) Datenerhebung Fehlerkontrolle / -behebung

Mehr

Untersuchungsdesign: 23.11.05

Untersuchungsdesign: 23.11.05 Untersuchungsdesign: 23.11.05 Seite 1! Ablauf Untersuchungsdesign! Beispiel! Kleine Übung! Diskussion zur Vorbereitung von Übung 2 Während Sie das Untersuchungsdesign festlegen, planen und bestimmen Sie:

Mehr

Florian Frötscher und Demet Özçetin

Florian Frötscher und Demet Özçetin Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60

Mehr

Studiendesign/ Evaluierungsdesign

Studiendesign/ Evaluierungsdesign Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung

Mehr

1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK

1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1 1. GEGENSTAND UND GRUNDBEGRIFFE DER STATISTIK 1.1 Gegenstand der Statistik Die Statistik stellt ein Instrumentarium bereit, um Informationen über die Realität oder Wirklichkeit verfügbar zu machen. Definition

Mehr

5. Untersuchungsdesigns

5. Untersuchungsdesigns Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 5. Untersuchungsdesigns Experimente als Instrument zur Prüfung von Kausalität Kohortenstudien, Fall-Kontroll-Studien,

Mehr

XIV. fragebogen. Wirtschaftsstatistik Datenproduktion und -analyse in der amtlichen Statistik. Statistisches Bundesamt www.forschungsdatenzentrum.

XIV. fragebogen. Wirtschaftsstatistik Datenproduktion und -analyse in der amtlichen Statistik. Statistisches Bundesamt www.forschungsdatenzentrum. XIV. fragebogen Wirtschaftsstatistik Datenproduktion und -analyse in der amtlichen Statistik Gliederung 1) Fragebogen allgemein 2) Planung und Konzeption 3) Was ist eine Messung 4) Fragebogenerstellung

Mehr

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010

Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Sozialwissenschaftliche Methoden I [BA IM 2stündig] Sommersemester 2010 Max. Gesamtpunktzahl: 28 (bestanden mit 14 Punkten) Matrikelnummer: - Bei Antwortmöglichkeiten mit müssen Sie jeweils alle die Kästchen

Mehr

5. Wie wird im Experiment die interessierende, vom Versuchsleiter gemessene Variable bezeichnet?

5. Wie wird im Experiment die interessierende, vom Versuchsleiter gemessene Variable bezeichnet? Bei jeder Frage ist mindestens eine Antwort anzukreuzen. Es können mehrere Antwortalternativen richtig sein. Die Frage gilt nur dann als richtig beantwortet, wenn alle richtigen Alternativen angekreuzt

Mehr

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II)

18.04.2013. Prinzipien der Fragebogenkonstruktion. Allgemeine Bestandteile. Richtlinien zur Formulierung. Die 10 Gebote der Frageformulierung (II) Prinzipien der Fragebogenkonstruktion Seminar: Patricia Lugert, Marcel Götze 17.04.2012 Medien-Bildung-Räume Inhalt Fragebogenerstellung Grundlagen Arten von Fragen Grundlegende Begriffe: Merkmal, Variable,

Mehr

Forschungsmethoden in der Sozialen Arbeit

Forschungsmethoden in der Sozialen Arbeit Forschungsmethoden in der Sozialen Arbeit Erhebungsinstrument Lehrveranstaltung an der Fachhochschule für Sozialarbeit und Sozialpädagogik "Alice Salomon" Hochschule für Soziale Arbeit, Gesundheit, Erziehung

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

Empirische Methoden PM-EMP-P12-040828

Empirische Methoden PM-EMP-P12-040828 Studiengang Pflegemanagement Fach Empirische Methoden Art der Leistung Prüfungsleistung Klausur-Knz. Datum 28.08.2004 Die Klausur besteht aus 5 Aufgaben, von denen alle zu lösen sind. Ihnen stehen 90 Minuten

Mehr

Sozialwissenschaftliche Methoden I

Sozialwissenschaftliche Methoden I Sozialwissenschaftliche Methoden I 4. Grundlagen der empirischen Sozialforschung Wintersemester 2008/09 Jr.-Prof. Dr. Thomas Behrends Internationales Institut für Management ABWL, insb. Personal und Organisation

Mehr

Grundlagen der empirischen Sozialforschung

Grundlagen der empirischen Sozialforschung Grundlagen der empirischen Sozialforschung Sitzung 1 Jan Finsel Lehrstuhl für empirische Sozialforschung Prof. Dr. Petra Stein 20. Oktober 2008 1 / 28 Online-Materialien Die Materialien zur Vorlesung finden

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

Empirische Sozialforschung

Empirische Sozialforschung Andreas Diekmann Empirische Sozialforschung Grundlagen, Methoden, Anwendungen ro ro ro rowohlts enzyklopädie Inhalt Vorwort 11 i. Grundlagen 17 I. Einführung: Ziele und Anwendungen 17 1. Methoden Vielfalt

Mehr

3 Messmethoden und Messtechniken

3 Messmethoden und Messtechniken 3 Messmethoden und Messtechniken 3.1 Variablen und Daten 1. Qualitative und quantitative Variablen 2. Stetige und diskrete Variablen 3.2 Messniveau und Skalentypen 1. Nominales Messen 2. Ordinales Messen

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung

Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Intrinsisch motivierte Mitarbeiter als Erfolgsfaktor für das Ideenmanagement: Eine empirische Untersuchung Bearbeitet von Martina Sümnig Erstauflage 2015. Taschenbuch. 176 S. Paperback ISBN 978 3 95485

Mehr

Teil II: Einführung in die Statistik

Teil II: Einführung in die Statistik Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu

Mehr

Einführung. 2. Sie entstehen erst durch Beobachtung, Erhebung, Befragung, Experiment

Einführung. 2. Sie entstehen erst durch Beobachtung, Erhebung, Befragung, Experiment Einführung In vielen Gebieten des öffentlichen Lebens, in der Wirtschaft, der Verwaltung, der Industrie, der Forschung, in der Medizin etc. werden Entscheidungen auf der Grundlage von bestimmten Daten

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Allgemeines Lineares Modell Einführung

Allgemeines Lineares Modell Einführung Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Allgemeines Lineares Modell Einführung Zu meiner Person Guenter-Daniel.Rey@Phil.TU-Chemnitz.de Rawema-Haus, Straße

Mehr

Klausuraufgaben für Probeklausur. 1.Die Zuverlässigkeit von Kodierern in der Inhaltsanalyse kann man berechnen.

Klausuraufgaben für Probeklausur. 1.Die Zuverlässigkeit von Kodierern in der Inhaltsanalyse kann man berechnen. A. Geschlossene Fragen Klausuraufgaben für Probeklausur 1.Die Zuverlässigkeit von Kodierern in der Inhaltsanalyse kann man berechnen. 2.Das Informationszentrum Sozialwissenschaften liefert die Rohdaten

Mehr

Verändern sich zwischenmenschliche Beziehungen im Handyzeitalter

Verändern sich zwischenmenschliche Beziehungen im Handyzeitalter Verändern sich zwischenmenschliche Beziehungen im Handyzeitalter LV: 18.92 Empirische Forschungsmethoden in praktischer Anwendung Leiterin: Mag. Dr. Gunhild Sagmeister Inhaltsverzeichnis 1. Fragestellung/Erkenntnisinteresse

Mehr

Vorwort zur 6. Auflage 11 Einleitung 13. Kapitel 1 Psychologie als Wissenschaft 15

Vorwort zur 6. Auflage 11 Einleitung 13. Kapitel 1 Psychologie als Wissenschaft 15 5 Inhalt Vorwort zur 6. Auflage 11 Einleitung 13 Kapitel 1 Psychologie als Wissenschaft 15 1.1 Alltagspsychologie und wissenschaftliche Psychologie 15 1.2 Sammlung von Tatsachenwissen Erforschung von Gesetzmäßigkeiten

Mehr

QM: Prüfen -1- KN16.08.2010

QM: Prüfen -1- KN16.08.2010 QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,

Mehr

LOT S E. Statistik 00055-6-13-A7. Kurseinheit 13: Selbstkontrollaufgaben. Fakultät für Wirtschaftswissenschaft

LOT S E. Statistik 00055-6-13-A7. Kurseinheit 13: Selbstkontrollaufgaben. Fakultät für Wirtschaftswissenschaft LOT S Statistik Kurseinheit 3: Selbstkontrollaufgaben 2009 FernUniversität in Hagen Fakultät für Wirtschaftswissenschaft Alle Rechte vorbehalten 00055-6-3-A7 Modul 309: Statistische Methodenlehre Kurs

Mehr

8. Grundlagen der empirischen Sozialforschung

8. Grundlagen der empirischen Sozialforschung Einführung in das Studium der Management- und Wirtschaftswissenschaften WS 2013/14 8. Grundlagen der empirischen Sozialforschung Internationales Institut für Management und ökonomische Bildung Professur

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Messung. Mariem Ben Rehouma 14.04.2009

Messung. Mariem Ben Rehouma 14.04.2009 Messung Mariem Ben Rehouma Gliederung Motivation Definition von Messung Metriken Klassifikation von Metriken Beispiele Objektorientierte Metriken Charakteristiken von Messungen Skala-Arten Messungsarten

Mehr

Quantitative empirische Sozialforschung

Quantitative empirische Sozialforschung Heinz-Günter Micheel Quantitative empirische Sozialforschung Mit 37 Abbildungen und 34 Tabellen Ernst Reinhardt Verlag München Basel Dr. Heinz-Günter Micheel ist Privatdozent an der Fakultät für Erziehungswissenschaft

Mehr

Skalenniveau Grundlegende Konzepte

Skalenniveau Grundlegende Konzepte Skalenniveau Grundlegende Konzepte M E R K M A L / V A R I A B L E, M E R K M A L S A U S P R Ä G U N G / W E R T, C O D I E R U N G, D A T E N - M A T R I X, Q U A N T I T A T I V E S M E R K M A L, Q

Mehr

JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft

JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE. Empirische Methoden der Politikwissenschaft JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 1 Einleitung 13 2 Methoden im empirischen Forschungsprozess 17 2.1 Methoden und wissenschaftliche Theorie 17 2.2

Mehr

Einführung in die Statistik Einführung

Einführung in die Statistik Einführung Professur E-Learning und Neue Medien Institut für Medienforschung Philosophische Fakultät Einführung in die Statistik Einführung Professur E-Learning und Neue Medien www.tu-chemnitz.de/phil/imf/elearning

Mehr

Statistische Grundlagen I

Statistische Grundlagen I Statistische Grundlagen I Arten der Statistik Zusammenfassung und Darstellung von Daten Beschäftigt sich mit der Untersuchung u. Beschreibung von Gesamtheiten oder Teilmengen von Gesamtheiten durch z.b.

Mehr

Grundlagen empirische Sozialforschung Befragung und Fragebogen im Unternehmen. Marco Skulschus Marcus Wiederstein

Grundlagen empirische Sozialforschung Befragung und Fragebogen im Unternehmen. Marco Skulschus Marcus Wiederstein Grundlagen empirische Sozialforschung Befragung und Fragebogen im Unternehmen Marco Skulschus Marcus Wiederstein 1 2 Grundlagen empirische Sozialforschung Befragung und Fragebogen im Unternehmen Marco

Mehr

Übung: Praktische Datenerhebung

Übung: Praktische Datenerhebung Übung: Praktische Datenerhebung WS 2011 / 2012 Modul: Methoden der empirischen Sozialforschung 1 (Übung zur Vorlesung) Judith Jahn / Aline Hämmerling 1 Ablauf Block 1 Dauer 3 h Inhalt Einführung: Ziel

Mehr

Roland Bässler. Research & Consultinq

Roland Bässler. Research & Consultinq J 3 z = Roland Bässler Research & Consultinq Roland Bässler QUANTITATIVE FORSCHUNGSMETHODEN Ein Leitfaden zur Planung und Durchführung quantitativer empirischer Forschungsarbeiten (2. überarb. Auflage)

Mehr

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik:

1. Einführung und statistische Grundbegriffe. Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: . Einführung und statistische Grundbegriffe Grundsätzlich unterscheidet man zwei Bedeutungen des Begriffs Statistik: Quantitative Information Graphische oder tabellarische Darstellung von Datenmaterial

Mehr

Überblick über die Verfahren für Ordinaldaten

Überblick über die Verfahren für Ordinaldaten Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische

Mehr

A. Mystery Shopping - Kin Instrument zur Evaluation der Dienstleistungsqualität

A. Mystery Shopping - Kin Instrument zur Evaluation der Dienstleistungsqualität IX Inhaltsverzeichnis Abbildungsverzcichnis Tabellenverzeichnis Abkürzungs Verzeichnis Xy XVII XIX A. Mystery Shopping - Kin Instrument zur Evaluation der Dienstleistungsqualität 1. Bedeutung der Dicnstleistungsqualität

Mehr

Herzlich Willkommen zur Vorlesung Statistik

Herzlich Willkommen zur Vorlesung Statistik Herzlich Willkommen zur Vorlesung Statistik Thema dieser Vorlesung: Kovarianz und Korrelation Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de

Mehr

Planung und Ablauf einer empirischen Marktforschung

Planung und Ablauf einer empirischen Marktforschung Planung und Ablauf einer empirischen Marktforschung Für die Lehrveranstaltung Marktforschung WS 2012/13 in 5 grobe Phasen teilbar: 1 1. Forschungsproblem muss formuliert und ggf. präzisiert werden 2. Erhebung

Mehr

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren)

Multiple Regression. Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Multiple Regression 1 Was ist multiple lineare Regression? Ziel: Vorhersage der Werte einer Variable (Kriterium) bei Kenntnis der Werte von zwei oder mehr anderen Variablen (Prädiktoren) Annahme: Der Zusammenhang

Mehr

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen

Analyse von Querschnittsdaten. Regression mit Dummy-Variablen Analyse von Querschnittsdaten Regression mit Dummy-Variablen Warum geht es in den folgenden Sitzungen? Datum Vorlesung 9.0.05 Einführung 26.0.05 Beispiele 02..05 Forschungsdesigns & Datenstrukturen 09..05

Mehr

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Messgeräte: Mess-System-Analyse und Messmittelfähigkeit Andreas Berlin 14. Juli 2009 Bachelor-Seminar: Messen und Statistik Inhalt: 1 Aspekte einer Messung 2 Mess-System-Analyse 2.1 ANOVA-Methode 2.2 Maße

Mehr

Klausur in Statistik VWA Essen

Klausur in Statistik VWA Essen Prof. Dr. Peter von der Lippe Klausur in Statistik VWA Essen neue Regelung (verkürzter Stoff) Bitte schreiben Sie hier Ihren Namen auf das Deckblatt. Bitte neben dieser Aufgabenstellung keine weitere Blätter

Mehr

Norm- vs. Kriteriumsorientiertes Testen

Norm- vs. Kriteriumsorientiertes Testen Norm- vs. Kriteriumsorientiertes Testen Aus psychologischen Test ergibt sich in der Regel ein numerisches Testergebnis, das Auskunft über die Merkmalsausprägung der Testperson geben soll. Die aus der Testauswertung

Mehr

Fragebogenkonstruktion

Fragebogenkonstruktion Fragebogenkonstruktion Seminar: Applied Quantitative Methods Dr. Sigbert Klinke Freitag, 25.04.2008, 10:00 15:00 Uhr Literatur Bortz, J. & Döring, N. (2006). Forschungsmethoden und Evaluation. Für Human-

Mehr

12.1 Wie funktioniert ein Signifikanztest?

12.1 Wie funktioniert ein Signifikanztest? Sedlmeier & Renkewitz Kapitel 12 Signifikanztests 12.1 Wie funktioniert ein Signifikanztest? Zentrales Ergebnis eine Signifikanztests: Wie wahrscheinlich war es unter der Bedingung dass H0 gilt, diesen

Mehr

Messsystemanalyse (MSA)

Messsystemanalyse (MSA) Messsystemanalyse (MSA) Inhaltsverzeichnis Ursachen & Auswirkungen von Messabweichungen Qualifikations- und Fähigkeitsnachweise Vorteile einer Fähigkeitsuntersuchung Anforderungen an das Messsystem Genauigkeit

Mehr

Data Mining (ehem. Entscheidungsunterstützungssysteme)

Data Mining (ehem. Entscheidungsunterstützungssysteme) Data Mining (ehem. Entscheidungsunterstützungssysteme) Melanie Pfoh Anja Tetzner Christian Schieder Übung WS 2014/15 AGENDA TEIL 1 Aufgabe 1 (Wiederholung OPAL / Vorlesungsinhalte) ENTSCHEIDUNG UND ENTSCHEIDUNGSTHEORIE

Mehr

Schritte der Fragebogenkonstruktion

Schritte der Fragebogenkonstruktion Schritte der Fragebogenkonstruktion Definition des zu messenden Konstrukts Bestimmung der Form des Fragebogens Festlegung der Antwortdimension sammlung revision Richtung der s Reihenfolge der s Art und

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

Messung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes

Messung von Veränderungen. Dr. Julia Kneer Universität des Saarlandes von Veränderungen Dr. Julia Kneer Universität des Saarlandes Veränderungsmessung Veränderungsmessung kennzeichnet ein Teilgebiet der Methodenlehre, das direkt mit grundlegenden Fragestellungen der Psychologie

Mehr

Vorlesung: Statistik für Kommunikationswissenschaftler

Vorlesung: Statistik für Kommunikationswissenschaftler Vorlesung: Statistik für Kommunikationswissenschaftler Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München WiSe 2009/2010 Übungen zur Veranstaltung Mittwoch: 14.15-15.45 HG DZ007 Cornelia Oberhauser

Mehr

Interne und externe Modellvalidität

Interne und externe Modellvalidität Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

Empirische Inhaltsanalyse

Empirische Inhaltsanalyse Empirische Inhaltsanalyse Die Darstellung der Arbeitslosigkeit in den Medien Aufgabe 3 a) Nachbearbeitung der Aufgabe 2. Diese dient als Grundlage der Weiterarbeit am gewählten Thema. b) Operationalisierung

Mehr

Fortgeschrittene Statistik SPSS Einführung

Fortgeschrittene Statistik SPSS Einführung Fortgeschrittene Statistik SPSS Einführung Q U A N T I T A T I V E M E R K M A L E, Q U A L I T A T I V E M E R K M A L E, A U S P R Ä G U N G E N, C O D I E R U N G E N, S K A L E N N I V E A U, D A T

Mehr

Sozialwissenschaftliche Methoden I

Sozialwissenschaftliche Methoden I Sozialwissenschaftliche Methoden I 5. Die Befragung - Fortsetzung Wintersemester 2008/09 Jr.-Prof. Dr. Thomas Behrends Internationales Institut für Management ABWL, insb. Personal und Organisation 2. Gütekriterien

Mehr

Einführung in die statistische Datenanalyse I

Einführung in die statistische Datenanalyse I Einführung in die statistische Datenanalyse I Inhaltsverzeichnis 1. EINFÜHRUNG IN THEORIEGELEITETES WISSENSCHAFTLICHES ARBEITEN 2 2. KRITIERIEN ZUR AUSWAHL STATISTISCH METHODISCHER VERFAHREN 2 3. UNIVARIATE

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Index 321 322 Index Abbildung 300 Abbildungstypen (Grafik) 111, 112 Abhängigkeiten zwischen Fragen 190 Ablauf in einem Fragebogen 217 Absolutskala 117 Abstimmung 124 Abstraktionsniveau 99, 100 Allquantor

Mehr

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit

Motivation. Jede Messung ist mit einem sogenannten Fehler behaftet, d.h. einer Messungenauigkeit Fehlerrechnung Inhalt: 1. Motivation 2. Was sind Messfehler, statistische und systematische 3. Verteilung statistischer Fehler 4. Fehlerfortpflanzung 5. Graphische Auswertung und lineare Regression 6.

Mehr

Claus Ebster, Lieselotte Stalzer, Wissenschaftliches Arbeiten für Wirtschafts- und Sozialwissenschaftler

Claus Ebster, Lieselotte Stalzer, Wissenschaftliches Arbeiten für Wirtschafts- und Sozialwissenschaftler Zusatzmaterialien zum UTB-Band Claus Ebster, Lieselotte Stalzer, Wissenschaftliches Arbeiten für Wirtschafts- und Sozialwissenschaftler bereitgestellt über www.utb-shop.de/9783825238612 Das Buch vermittelt

Mehr

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln

Beurteilung der biometrischen Verhältnisse in einem Bestand. Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand Dr. Richard Herrmann, Köln Beurteilung der biometrischen Verhältnisse in einem Bestand 1 Fragestellung Methoden.1 Vergleich der Anzahlen. Vergleich

Mehr

4.2 Grundlagen der Testtheorie

4.2 Grundlagen der Testtheorie 4.2 Grundlagen der Testtheorie Januar 2009 HS MD-SDL(FH) Prof. Dr. GH Franke Kapitel 5 Vertiefung: Reliabilität Kapitel 5 Vertiefung: Reliabilität 5.1 Definition Die Reliabilität eines Tests beschreibt

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen.

Modul G.1 WS 07/08: Statistik 17.01.2008 1. Die Korrelation ist ein standardisiertes Maß für den linearen Zusammenhangzwischen zwei Variablen. Modul G.1 WS 07/08: Statistik 17.01.2008 1 Wiederholung Kovarianz und Korrelation Kovarianz = Maß für den linearen Zusammenhang zwischen zwei Variablen x und y Korrelation Die Korrelation ist ein standardisiertes

Mehr

Analyse bivariater Kontingenztafeln

Analyse bivariater Kontingenztafeln Analyse bivariater Kontingenztafeln Werden zwei kategoriale Merkmale mit nicht zu vielen möglichen Ausprägungen gemeinsam analysiert, so kommen zur Beschreibung der gemeinsamen Verteilung im allgemeinen

Mehr

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik)

Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) 2 3 Klausur-Nr = Sitzplatz-Nr Prüfung zu Modul 26 (BA Bw) bzw. 10 (BA IB) (Wirtschaftsstatistik) Klausurteil 1: Beschreibende Statistik BeStat-1 (7 ) n = 400 Personen wurden gefragt, wie viele Stück eines

Mehr

Messen im medizinischen Kontext II: Expositionsmessung

Messen im medizinischen Kontext II: Expositionsmessung Messen im medizinischen Kontext II: Expositionsmessung Bachelor-Seminar Messen und Statistik Institut für Statistik LMU Daniel Krklec Daniel.Krklec@campus.lmu.de 16. Juni 2009 Inhaltsverzeichnis 1 Begriffsklärung

Mehr

Deskriptive Statistik Kapitel III - Merkmalsarten

Deskriptive Statistik Kapitel III - Merkmalsarten Deskriptive Statistik Kapitel III - Merkmalsarten Georg Bol bol@statistik.uni-karlsruhe.de hoechstoetter@statistik.uni-karlsruhe.de April 26, 2006 Typeset by FoilTEX Agenda 1. Merkmalsarten 2. Skalen 3.

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Empirische Sozialforschung

Empirische Sozialforschung Empirische Sozialforschung Seminar Methoden zur Bearbeitung komplexer Umweltprobleme bei Hr. Dr. Pez & AGiHL Referentinnen: Karen Biesgen, Sochanthy Chhoeung, Lisa Dobutowitsch, Svenja Schünemann Was kommt

Mehr

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt!

Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! Grundlagen der Inferenzstatistik: Was Ihnen nicht erspart bleibt! 1 Einführung 2 Wahrscheinlichkeiten kurz gefasst 3 Zufallsvariablen und Verteilungen 4 Theoretische Verteilungen (Wahrscheinlichkeitsfunktion)

Mehr

Ästhetik von Websites

Ästhetik von Websites Meinald T. Thielsch Ästhetik von Websites Wahrnehmung von Ästhetik und deren Beziehung zu Inhalt, Usability und Persönlichkeitsmerkmalen Inhaltsverzeichnis Vorwort xiii I Theoretische Grundlagen 1 1 Das

Mehr

Gütekriterien für evaluative Messinstrumente in der Rehabilitation

Gütekriterien für evaluative Messinstrumente in der Rehabilitation 12. Rehabilitationswissenschaftliches Kolloquium Rehabilitation im Gesundheitssystem Bad Kreuznach, 10. bis 12. März 2003 Gütekriterien für evaluative Messinstrumente in der Rehabilitation Dipl.-Psych.

Mehr

TÜV Service tested Prüfgrundlagen

TÜV Service tested Prüfgrundlagen TÜV Service tested Prüfgrundlagen 60 Grundsätzliche Prüfgrundlagen Für die Auszeichnung TÜV Service tested müssen drei Voraussetzungen erfüllt sein: 1. Die Gesamtzufriedenheit muss von den Kunden des Unternehmens

Mehr

Glossar Statistik & Forschungsmethoden

Glossar Statistik & Forschungsmethoden Glossar Statistik & Forschungsmethoden Hinweis: Mit * markierte Begriffe sollten Ihnen aus der Schulzeit bekannt sein! A Abbildung (auch *Funktion): Beziehung bzw. Relation zwischen zwei Mengen, die jedem

Mehr

ISPA-Arbeitspapier 2014

ISPA-Arbeitspapier 2014 ISPA-Arbeitspapier 2014 (1. Ausgabe 2009) Datenerhebung mit ISPA-Standardfragebogen Autor: Prof. Dr. Karl-Friedrich Ackermann Einladung zum Dialog Immer wieder werden an uns Fragen gestellt, die die Datenerhebung

Mehr

Phrasensammlung für wissenschaftliches Arbeiten

Phrasensammlung für wissenschaftliches Arbeiten Phrasensammlung für wissenschaftliches Arbeiten Einleitung In diesem Aufsatz/dieser Abhandlung/dieser Arbeit werde ich... untersuchen/ermitteln/bewerten/analysieren... Um diese Frage zu beantworten, beginnen

Mehr

Analyse von Tabellen und kategorialen Daten

Analyse von Tabellen und kategorialen Daten Hans-Jürgen Andreß Jacques A. Hagenaars Steffen Kühnel Analyse von Tabellen und kategorialen Daten Log-lineare Modelle, latente Klassenanalyse, logistische Regression und GSK-Ansatz Mit 32 Abbildungen

Mehr

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik

Felix Klug SS 2011. 2. Tutorium Deskriptive Statistik 2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr