Grundbegriffe. Worum geht es in diesem Modul?
|
|
- Britta Meta Lange
- vor 7 Jahren
- Abrufe
Transkript
1 Grundbegriffe Worum geht es in diesem Modul? Einführung Merkmale Merkmalstyp Skalenniveaus Skalentransformation Erhebung Erhebungsarten Datenmatrix Exkurs, Indexnotation Resümee Worum geht es in diesem Modul? Die Statistik hat wie jede andere Wissenschaft ihre eigene Sprache. Wo es im alltäglichen Gespräch heißt, dass Sie fünf Freunde nach ihrer Meinung zur Farbe eines Autos gefragt haben, spricht ein Statistiker von einem erhobenen Datensatz vom Umfang fünf zur Erfassung des nominal skalierten Merkmals "subjektiver Farbgeschmack" der Merkmalsträger "Personen". Dieses Kapitel soll Sie Schritt für Schritt mit der Sprache der Statistik vertraut machen. Darüber hinaus werden einige für diese Anwendung benötigte Begriffe erläutert, wie z.b. Skalenniveau und Merkmale. Einführung Bei einer statistischen Untersuchung werden verschiedene Phasen durchlaufen: Planung, Erhebung, Aufbereitung und Auswertung. In der Stufe der Planung legen wir unter anderem das Untersuchungsziel und die statistischen Einheiten der Grundgesamtheit fest. Untersuchungsziel Das Untersuchungsziel ist zu Beginn häufig eine vage Vorstellung des zu untersuchenden Problems. Nötig ist jedoch eine präzise Formulierung. Es sollen präzise Ergebnisse aus einer statistischen Untersuchung gewonnen werden. Es soll die Lärmbelastung in einer bestimmten Straße untersucht werden. Statistische Einheit und Grundgesamtheit Die statistische Einheit (auch Merkmalsträger) ist das Einzelobjekt einer statistischen Untersuchung. Sie ist Träger der für die Untersuchung interessanten Informationen. Die Grundgesamtheit ist die Menge aller statistischer Einheiten, für die sachliche, räumliche und zeitliche Abgrenzungskriterien gelten, so dass wir eindeutig feststellen können, ob eine Einheit zur Grundgesamtheit gehört, also eine statistische Einheit ist oder nicht. Endliche Grundgesamtheiten verfügen über endlich viele statistische Einheiten. Unendliche Grundgesamtheiten (statistische Massen) sind Mengen mit unendlich vielen statistischen Einheiten. Beispiele: Page 1
2 Endliche Grundgesamtheit: Alle Anwohner in einer bestimmten Straße Unendliche Grundgesamtheit: Alle Atome im Universum Merkmale Fragebogen Ein Fragebogen ist eine Sammlung von Fragen, durch die Informationen bezüglich des Untersuchungsziels gewonnen werden sollen. Er ist nichts anderes als eine Übersetzung des zugrundeliegenden Forschungsproblems in Fragen. Beispiel Fragebogen ( a2f.jpg ) Bei der Gestaltung müssen wir bestimmte Regeln beachten. Zum Beispiel soll ein Fragebogen motivierend wirken, die Fragen folglich leicht verständlich sein. Durch einfache Einleitungsfragen kann die Scheu vor der Beantwortung genommen werden. Die weiteren Fragen sollten nach Themenblöcken sortiert sein. Auch das Layout spielt eine nicht zu unterschätzende Rolle. Eine klare thematische Gliederung ist unabdingbar, ebenso eine gut lesbare Schrift. Alles in allem sollten wir ein professionelles Äußeres anstreben. Bevor wir einen Fragebogen verteilen, sollte er einem vorhergehenden Test unterzogen werden. So stellen wir sicher, dass die Fragen verstanden werden oder ob sich Fehler eingeschlichen haben. Durch den sogenannten Pretest werden Verbesserungsmöglichkeiten aufgezeigt. Merkmale Merkmale sind die laut Untersuchungsziel interessierenden Eigenschaften der statistischen Einheiten. In der Regel sind die Eigenschaften einer Einheit, nicht die Einheit selbst von Belang. Die statistischen Einheiten nennen wir folglich auch Merkmalsträger. Merkmalsträger Ein Merkmal ordnet jeder statistischen Einheit einen Wert zu, den sogenannten Merkmalswert. Merkmale bezeichnen wir mit lateinischen Großbuchstaben: Merkmalsausprägungen Merkmalsausprägungen sind alle möglichen Werte, die ein Merkmal annehmen können. Wir bezeichnen die Merkmalsausprägungen mit kleinen lateinischen Buchstaben, wobei dieser kleine Buchstabe der Bezeichnung des Merkmals entspricht: Merkmal Merkmalsausprägungen Merkmalsausprägungen werden häufig mit einer ganzzahligen Ziffer bezeichnet (nur bei nominalskalierten Merkmalen). Merkmalstyp Page 2
3 Merkmale unterscheiden wir folgendermaßen: Qualitative bzw. Klassifikatorische Merkmale Bei qualitativen (klassifikatorischen) Merkmalen besteht keine natürliche Reihenfolge. Es ist nicht möglich, aufgrund der Merkmalsausprägungen Rangfolgen zu ermitteln. Sie klassifizieren nur die Elemente der Grundgesamtheit, es werden Klassen gebildet. Farbe; Geschlecht; Beruf; Studienfach Komparative Merkmale Im Gegensatz zu den qualitativen Merkmalen kann bei komparativen Merkmalen eine Rangordnung gebildet werden. Eine Differenzbildung der Merkmalsausprägungen lässt jedoch keine Schlüsse zu. Klassifizierung bei der Bahn: 1. Klasse ist besser als 2. Klasse, aber nicht doppelt so komfortabel Quantitative bzw. Metrische Merkmale Ergänzend zu den komparativen Merkmalen kann bei den quantitativen (metrischen) Merkmalen nicht nur eine Rangordnung gebildet werden, sondern auch eine Differenzbildung der Merkmalsausprägungen lässt Raum für Interpretationen. Es existiert ein Abstandsmaß (Metrik) zur numerischen Erfassung dieser Differenzen. Merkmale weisen also unterschiedliche Eigenschaften auf. Um Merkmalswerte zu erhalten, benötigen wir eine Messvorschrift, eine Skala. Geschwindigkeiten; Entfernungen Skalenniveaus Die beobachteten Ausprägungen der erhobenen Merkmale bilden die Datengrundlage, auf die wir anschließend statistische Methoden anwenden. Ausschlaggebend für die Auswahl der Methoden und die Art der grafischen Aufbereitung ist das Skalenniveau eines Merkmals. Eine Skala ist eine Anordnung von Werten, denen die Merkmalsausprägungen eindeutig zugeordnet werden. Nominalskala Die Nominalskala ist die einfachste Form. Es gibt keine natürliche Reihenfolge der Skalenwerte, es lässt sich lediglich bestimmen, ob diese Werte gleich oder verschieden sind. Auf der Nominalskala finden wir aus diesem Grund die qualitativen Merkmale. Geschlecht, Nominalskala Neben dem Geschlecht ist beispielsweise auch das Merkmal "Studienrichtung" (BWL, VWL, WiInf,...) nominalskaliert. Ordinalskala Auf einer Ordinalskala können die Merkmalsausprägungen in eine natürliche Reihenfolge gebracht werden, es existiert eine Rangordnung. Die Ausprägungen der Page 3
4 komparativen Merkmale sind ordinal messbar, also auf der Ordinalskala zu finden. Platzierung, Ordinalskala Kardinalskala Ergänzend zu den ordinalskalierten Merkmalen können wir bei den kardinalskalierten Merkmalen nicht nur eine Rangordnung bilden, sondern auch eine Differenzbildung der Merkmalsausprägungen lässt Raum für Interpretationen. Es existiert ein Abstandsmaß (Metrik) zur numerischen Erfassung dieser Differenzen. Eine Skala, deren Skalenwerte reelle Zahlen sind und alle Ordnungseigenschaften der reellen Zahlen besitzt, heißt Kardinalskala. Wir unterteilen Kardinalskalen in drei weitere Skalen. Geschwindigkeit, Kardinalskala (Kardinale) Intervallskala Eine metrische Skala, die keinen natürlichen Nullpunkt und keine natürliche Einheit besitzt, nennen wir Intervallskala. Im Gegensatz zur Ordinalskala (Bsp. Noten) können hier Differenzen bzw. Abstände verglichen werden. Längengrad; Temperatur (Kardinale) Verhältnisskala Eine metrische Skala, die einen natürlichen Nullpunkt, aber keine natürliche Einheit besitzt, nennen wir Verhältnisskala. Entfernung; Geschwindigkeit (Kardinale) Absolutskala Eine metrische Skala, die einen natürlichen Nullpunkt und eine natürliche Einheit besitzt, nennen wir Absolutskala. Stückzahlen Skalentransformation Notwendigkeit von Transformationen Oft ist es für die Arbeit mit Daten notwendig, diese zuerst geeignet zu transformieren: Bei der weiteren Auswertung sind nichtnumerische Ausprägungen, wie das Geschlecht von Personen, schlecht zu handhaben. Wollen wir beispielsweise die Temperaturunterschiede zwischen den USA und Deutschland vergleichen, müssen wir die entsprechenden Daten von Grad Fahrenheit in Grad Celsius umrechnen. Mit einer Transformationwird jeder Ausprägungdes Merkmals ein neuer Wert zugeordnet: z.b. dem Geschlecht "Männlich" die 0 und "Weiblich" die 1; dem Wert 70 Fahrenheit der Wert 21 Celsius; dem Wert 100 db die Bezeichnung "laut", etc. Page 4
5 Transformationen können bewirken, dass sich das Skalenniveau des Merkmals ändert. Werden z.b. in -Werten vorliegende Umweltbelastungen auf die drei Kategorien "gering", "mittel" und "hoch" abgebildet, ist das Merkmal nun nicht mehr kardinal, sondern nur noch ordinal skaliert. Skalenerhaltende Transformation Im folgenden sind die jeweils skalenerhaltendentransformationen aufgeführt: Nominalskala - eineindeutige Transformation, d.h. zu jedemexistiert genau einund umgekehrt. Ordinalskala - monotone Transformation, d.h. wenn, dann gilt auch. Kardinalskala - lineare Transformation, d.h., wobeiundbeliebige reelle Zahlen sind undgilt. Ein Übergang von einer höheren zu einer niedrigeren Skala ist jederzeit möglich. Ein Übergang von einer niedrigeren zu einer höheren Skala wird z.b. über Standardisierung oder Messziffern ermöglicht. Erhebung Quellen Wir können Daten über mehrere verschiedenartige Quellen gewinnen. Primäre Quellen Bei einer Primärerhebung erheben wir die Daten für einen spezifischen Untersuchungszweck. Vorteil: - Erhebungskonzept kann genau auf das Untersuchungsziel zugeschnitten werden Nachteil: - hoher Kosten- und Zeitaufwand bei der Entwicklung (für viele private Erhebungen zu kostspielig) - fragwürdige Zuverlässigkeit der gewonnenen Daten - (keine Verpflichtung zur wahrheitsgemäßen Beantwortung bei privater Befragung; bei amtlicher Befragung, z.b. bei Fragen des Statistischen Bundesamts jedoch schon) Sekundäre Quellen Bei Sekundärerhebungen greifen wir auf vorhandenes Datenmaterial zurück. Diese Daten wurden vorher von anderen Stellen für andere Untersuchungszwecke erhoben, z.b. vom Statistischen Bundesamt. Häufig werden Primär- und Sekundäranalyse kombiniert. Vorteil: - im Vergleich zu Primärerhebung relativ niedriger Kosten- und Zeitaufwand (schnell verfügbar) Nachteil: - nicht immer aktuelle Daten Page 5
6 - für einen anderen Zweck erhoben, daher eingeschränkte Verwendbarkeit Beispiele für Quellen: Statistisches Bundesamt in Wiesbaden UN Eurostat in Luxemburg Zentralarchiv für empirische Sozialforschung in Köln usw. Totalerhebung vs. Stichprobenerhebung Eine wichtige Frage bei jeder Erhebung ist der Umfang(die Anzahl) der zu berücksichtigenden Merkmalsträger. Alle für eine Erhebung in Frage kommenden Merkmalsträger bilden die Grundgesamtheit der Erhebung. Berücksichtigen wir alle Merkmalsträger der Grundgesamtheit in der statistischen Erhebung, sprechen wir von einer Totalerhebung, andernfalls handelt es sich um eine Stichprobe. Erhebungsarten Befragung Die Befragung ist die in den Wirtschafts- und Sozialwissenschaften am häufigsten verwendete Methode der Datenerhebung. Die Befragung kann je nach Untersuchungsziel strukturiert (bestimmte Kernfragen), frei (nur das Thema ist vorgegeben) oder standardisiert (feste Reihenfolge der Fragen) erfolgen. Wir können Befragungen auf unterschiedliche Arten durchführen:. Persönlich. Telefonisch. Schriftlich. Internet Persönliche Befragungen (sog. Face-to-Face Interviews) sind in der Regel sehr kostenund zeitaufwändig. Man geht jedoch davon aus, dass relativ "zuverlässige" Ergebnisse (im Sinne einer guten Datenqualität) erreicht werden. Telefonische Befragungen sind in allgemeinen kostengünstiger, jedoch meist vom Umfang der Befragung stark eingeschränkt. Bei postalisch versendeten Umfragen besteht häufig das Problem einer geringen Antwortrate. Aus diesem Grund ist die Fragebogengestaltung, die zur Teilnahme an der Befragung motivieren soll, nicht unerheblich. Internetbefragungen können wir ebenfalls als schriftliche Befragung auffassen. Sie sind schnell und kostengünstig durchführbar, jedoch ist noch wenig über den Selektionsmechanismus bekannt. Mitarbeiterbefragung über die Zufriedenheit im Unternehmen Beobachtung Hier werden die zu erhebenden Daten durch Beobachter unmittelbar erfasst. Dies kann Page 6
7 durch Augenschein oder durch Messgeräte erfolgen. Voraussetzung ist eine neutrale Einstellung des Beobachters, er darf den Sachverhalt nicht beeinflussen. Ideal ist, wenn der Beobachter am Geschehen nicht teilnimmt. Beobachtungen sind objektiv, wenn bei einer Aufzeichnung von Daten durch Messgeräte der menschliche (subjektive) Einfluss fehlt. Problematisch ist, dass wir nur einen momentanen Zustand erfassen können. Vergangenheitsbezogene Daten können wir folglich nicht gewinnen. Die Beobachtung finden wir vor allem im ökonomischen Bereich in der Marktforschung, etwa bei der Erfassung von Scannerdaten am "Point of Sale". Weiteres Verkehrszählung Experiment Bei einem Experiment ermitteln wir die zu gewinnenden Daten durch geplante Versuche. Es können Eigenschaften von Produkten experimentell ermittelt werden (z.b. Stiftung Warentest). Wir können jedoch auch von einem Experiment sprechen, wenn z.b. verschiedene Fragebögen in Umlauf gebracht werden, um die "Akzeptanz" der Befragung zu testen. Diese können wir durch die Anzahl des Rücklaufes der jeweiligen Fragebögen bestimmen. Winterreifentest durch Versuche auf Schnee, Eis und Matsch Datenmatrix Wird bei einer Erhebung nur ein Merkmal erhoben, ist das Resultat eine Liste von Merkmalswerten, die sog. Urliste. Liegen jedoch von jedem Merkmalsträger mehrere Merkmale vor, stellen wir die Ausprägungen tabellarisch, in einer sogenannten Datenmatrix, dar. Jede Zeile der Datenmatrix steht für einen Merkmalsträger, jede Spalte für ein Merkmal. Die Bezeichnungen der Merkmale notieren wir in einer Kopfzeile. Zusätzlich stellen wir der Datenmatrix eine Indexspaltezur Kennzeichnung der Zeilen voran. Die gesamte Datenmatrix (ohne die Indexspalte) bildet einen sog. Datensatz. Betrachten wir nur ein Merkmal, also eine einzelne Spalte, handelt es sich um einen univariaten Datensatz. Werden mehrere Spalten gleichzeitig betrachtet - z.b. um Abhängigkeiten zwischen Merkmalen zu bestimmen - ist der Datensatz multivariat. Bei der Betrachtung zweier Merkmale wird häufig auch von einem bivariaten Datensatz gesprochen. Vollständige Datenmatrix ( b7a.xls ) Exkurs, Indexnotation Um die in einer Urliste oder Datenmatrix enthaltenen Werte unterscheidbar zu machen, wenden wir eine Indexnotation auf die Daten an. Page 7
8 Die in einer Urliste angegebenen Ausprägungen eines Merkmals werden so z.b. als durchnumeriert, wobei für den Umfang des Datensatzes steht. Für die Form der Benennung gelten bestimmte Konventionen. Zur Bezeichnung von Merkmalen verwenden wir Großbuchstaben, für einzelne Ausprägungen die zugehörigen Kleinbuchstaben. Wollen wir die Summe aller Werte des Merkmalseiner Urliste angeben, so geschieht dies über die Schreibweise: Als Laufvariable wird die Indexvariable von 1 bis zum Umfang der Urliste hochgezählt und die zugehörigen Ausprägungen addiert. Bei der Datenmatrix bezeichnen wir jedes Merkmal (jede Spalte) mit einem eigenen Buchstaben. Zusätzlich wird eine Indexspalte vorangestellt, in der wir die Zeilen durchnumerieren. Die Kennzeichnung eines Wertes in der Matrix besteht somit aus dem Index der Zeile sowie dem Buchstaben oder Namen der Spalte. Auch hier bezeichnen wir die Merkmale mit Großbuchstaben und die Ausprägungen mit Kleinbuchstaben. Der dritte Wert der Spalte, welche das Merkmalenthält, heißt damit. Viele Lehrbücher verwenden für die in einer Datenmatrix enthaltenen Werte auch die Notation, wobei die Nummer der Zeile und j den Index der Spalte bezeichnet. Resümee Statistik als Methodenlehre Der Skalentyp entscheidet darüber, welche Aussagen mit den Messwerten sinnvoll gemacht werden können. Wir können mindestens drei verschiedene statistische Methodenlehren unterscheiden: Absolutskala ErklärungGrundgesamtheit ErklärungIntervallskala ErklärungKardinalskala ErklärungKomparative Merkmale ErklärungMerkmale ErklärungMerkmalsausprägungen ErklärungMerkmalswert ErklärungMetrische Merkmale ErklärungNominalskala ErklärungOrdinalskala ErklärungSkala ErklärungSkalentransformation ErklärungStatistische Einheit ErklärungUntersuchungsziel ErklärungVerhältnisskala ErklärungRepresentavität Erklärung Page 8
9 (c) Projekt Neue Statistik 2003, Freie Universität Berlin, Center für Digitale Systeme Kontakt: Page 9
3. Merkmale und Daten
3. Merkmale und Daten Ziel dieses Kapitels: Vermittlung des statistischen Grundvokabulars Zu klärende Begriffe: Grundgesamtheit Merkmale (Skalenniveau etc.) Stichprobe 46 3.1 Grundgesamtheiten Definition
MehrTeil 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
MehrGrundbegriffe. Bibliografie
Grundbegriffe Merkmale und Merkmalsausprägungen Skalen und Skalentransformation Einführung und Grundbegriffe II 1 Bibliografie Bleymüller / Gehlert / Gülicher Verlag Vahlen Statistik für Wirtschaftswissenschaftler
MehrForschungsmethoden in der Sozialen Arbeit
Forschungsmethoden in der Sozialen Arbeit Fachhochschule für Sozialarbeit und Sozialpädagogik Alice- Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrDaten, Datentypen, Skalen
Bildung kommt von Bildschirm und nicht von Buch, sonst hieße es ja Buchung. Daten, Datentypen, Skalen [main types of data; levels of measurement] Die Umsetzung sozialwissenschaftlicher Forschungsvorhaben
MehrStatistische 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.
MehrVariablen und Skalenniveaus
Analytics Grundlagen Variablen und Skalenniveaus : Photo Credit: Unsplash, Roman Mager Statistik Was ist eigentlich eine Variable? Variable In der Datenanalyse wird häufig die Bezeichnung Variable verwendet.
MehrWISTA WIRTSCHAFTSSTATISTIK
WISTA WIRTSCHAFTSSTATISTIK PROF. DR. ROLF HÜPEN FAKULTÄT FÜR WIRTSCHAFTSWISSENSCHAFT Seminar für Theoretische Wirtschaftslehre Vorlesungsprogramm 16.04.2013 Gegenstand der Vorlesung und Grundbegriffe der
MehrDeskriptive 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.
MehrTEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG
TEIL 7: EINFÜHRUNG UNIVARIATE ANALYSE TABELLARISCHE DARSTELLUNG / AUSWERTUNG Statistik eine Umschreibung Mathematische Hilfswissenschaft mit der Aufgabe, Methoden für die Sammlung, Aufbereitung, Analyse
MehrAlle weiteren Messoperationen schließen die Klassifikation als Minimaloperation ein.
1 unterschiedliche Skalenniveaus Wir haben zuvor schon kurz von unterschiedlichen Skalenniveaus gehört, nämlich dem: - Nominalskalenniveau - Ordinalskalenniveau - Intervallskalenniveau - Ratioskalenniveau
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik 1 Überblick Das Gesamtbild (Ineichen & Stocker, 1996) 1. Ziehen einer Stichprobe Grundgesamtheit 2. Aufbereiten der Stichprobe (deskriptive Statistik) 3. Rückschluss
MehrStatistik Grundbegriffe
Kapitel 2 Statistik Grundbegriffe 2.1 Überblick Im Abschnitt Statistik Grundbegriffe werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene
MehrKapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße. x mod (lies: x-mod) Wofür? Lageparameter. Modus/ Modalwert Zentrum. Median Zentralwert
Kapitel 5 Kenngrößen empirischer Verteilungen 5.1. Lagemaße Wofür? Lageparameter Modus/ Modalwert Zentrum Median Zentralwert Im Datensatz stehende Informationen auf wenige Kenngrößen verdichten ermöglicht
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrStatistik I für Betriebswirte Vorlesung 8
Statistik I für Betriebswirte Vorlesung 8 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 30. Mai 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrModul 04: Messbarkeit von Merkmalen, Skalen und Klassierung. Prof. Dr. W. Laufner Beschreibende Statistik
Modul 04: Messbarkeit von Merkmalen, Skalen und 1 Modul 04: Informationsbedarf empirische (statistische) Untersuchung Bei einer empirischen Untersuchung messen wir Merkmale bei ausgewählten Untersuchungseinheiten
MehrKapitel III - Merkmalsarten
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Statistik 1 - Deskriptive Statistik Kapitel III - Merkmalsarten Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
MehrDatenerhebung, Skalenniveaus und Systemdatei
Datenerhebung, Skalenniveaus und Systemdatei Institut für Geographie 1 Beispiele für verschiedene Typen von Fragen in einer standardisierten Befragung (3 Grundtypen) Geschlossene Fragen Glauben Sie, dass
MehrStatistik Grundbegriffe
Statistik Grundbegriffe 2 2.1 Überblick Im Kap. 2 werden Sie die Bedeutung von statistischen Grundbegriffen wie Stichprobe oder Merkmal kennenlernen und verschiedene Skalenniveaus voneinander abgrenzen.
MehrTeil 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
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
Mehrhtw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK
htw saar 1 EINFÜHRUNG IN DIE STATISTIK: BESCHREIBENDE STATISTIK htw saar 2 Grundbegriffe htw saar 3 Grundgesamtheit und Stichprobe Ziel: Über eine Grundgesamtheit (Population) soll eine Aussage über ein
MehrAllgemeine Grundlagen Seite Termin: Eindimensionale Häufigkeitsverteilung
Statistik für alle Gliederung insgesamt Allgemeine Grundlagen Seite 1 1. Termin: Allgemeine Grundlagen 2. Termin: Eindimensionale Häufigkeitsverteilung 3. Termin: Lageparameter 4. Termin: Streuungsparameter
MehrJOACHIM 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
MehrDeskriptive Statistik Auswertung durch Informationsreduktion
Deskriptive Statistik Auswertung durch Informationsreduktion Gliederung Ø Grundbegriffe der Datenerhebung Total-/Stichprobenerhebung, qualitatives/quantitatives Merkmal Einteilung der Daten (Skalierung,
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrMüssen Texte statistisch anders ausgewertet werden als Menschen?
CROCO LINGUISTIC PROPERTIES OF TRANSLATIONS A CORPUS-BASED INVESTIGATION FOR THE LANGUAGE PAIR ENGLISH-GERMAN Müssen Texte statistisch anders ausgewertet werden als Menschen? Stella Neumann Grundüberlegung
Mehrer einen Fragebogen, den er von den Teilnehmern ausfüllen lässt. Der Fragebogen ist auf Seite 8 zu finden.
Kapitel 1 Grundbegriffe Fragt man Personen, was sie mit dem Begriff Statistik assoziieren, so werden in den Antworten in der Regel die Begriffe Zahlenkolonnen, Tabellen und Graphiken auftauchen. Es schließt
MehrForschungsmethoden VORLESUNG SS 2017
Forschungsmethoden VORLESUNG SS 2017 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Messen Rückblick: Qualitativer vs. quantitativer Ansatz Qualitativ Quantitativ
MehrDeskriptive Statistik
Modul G.1 WS 07/08: Statistik 8.11.2006 1 Deskriptive Statistik Unter deskriptiver Statistik versteht man eine Gruppe statistischer Methoden zur Beschreibung von Daten anhand statistischer Kennwerte, Graphiken,
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrKapitel 1: Gegenstand und Grundbegriffe der Statistik
Kapitel 1: Gegenstand und Grundbegriffe der Statistik 1. Gegenstand der Statistik... 1 2. Einheiten, Masse, Merkmal... 3 3. Messen, Skalen... 9 a) Messung... 9 b) Skalenarten... 11 1. Gegenstand der Statistik
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
Mehr1. 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
MehrEmpirische Methoden der Politikwissenschaft
JOACHIM BEHNKE / NINA BAUR / NATHALIE BEHNKE Empirische Methoden der Politikwissenschaft 2., aktualisierte Auflage FERDINAND SCHÖNINGH Inhaltsverzeichnis Einleitung 13 Methoden im empirischen Forschungsprozess
MehrStatistik für Ingenieure Vorlesung 7
Statistik für Ingenieure Vorlesung 7 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 12. Dezember 2017 4. Deskriptive Statistik 4.1. Grundbegriffe der Statistik Der Begriff
MehrStatistik I für Betriebswirte Vorlesung 8
Statistik I für Betriebswirte Vorlesung 8 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 1. Juni 2017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 8 Version: 30. Mai
MehrSkalenniveaus =,!=, >, <, +, -
ZUSAMMENHANGSMAßE Skalenniveaus Nominalskala Ordinalskala Intervallskala Verhältnisskala =,!= =,!=, >, < =,!=, >, ,
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
Mehr2 Häufigkeitsverteilungen
14 Häufigkeitsverteilungen 2 Häufigkeitsverteilungen Lernziele In diesem Kapitel geht es um beschreibende Statistik. Nach erfolgreicher Bearbeitung sind Sie in der Lage, eine zunächst unübersichtliche
MehrSTATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich)
WS 07/08-1 STATISTIK FÜR STATISTIK-AGNOSTIKER Teil 1 (wie mich) Nur die erlernbaren Fakten, keine Hintergrundinfos über empirische Forschung etc. (und ich übernehme keine Garantie) Bei der Auswertung von
Mehr1 Einführung und Grundbegriffe
1 Einleitung Die deskriptive Statistik dient der systematischen Erfassung und Darstellung von Daten, die bestimmte Zustände oder Entwicklungen aufzeigen. Sehr viele Entscheidungen des Alltags, in Wirtschaftsunternehmen
MehrDeskriptive Statistik Kapitel IX - Kontingenzkoeffizient
Deskriptive Statistik Kapitel IX - Kontingenzkoeffizient Georg Bol bol@statistik.uni-karlsruhe.de Markus Höchstötter hoechstoetter@statistik.uni-karlsruhe.de Agenda 1. Untersuchung der Abhängigkeit 2.
MehrConstantin von Craushaar FH-Management & IT Statistik Angewandte Statistik (Übungen) Folie 1
FHManagement & IT Folie 1 Angewandte Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines einfachen Beispieles Häufigkeitsauswertungen Grafiken Datenmanipulationen Mehrfachantworten
MehrQUANTITATIVE VS QUALITATIVE STUDIEN
1 QUANTITATIVE VS QUALITATIVE STUDIEN Q UA N T I TAT I V E ST U D I E (lat. quantitas: Größe, Menge) Q UA L I TAT I V E ST U D I E (lat.: qualitas = Beschaffenheit, Merkmal, Eigenschaft, Zustand) 2 QUANTITATIVES
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrDie deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen. oder Grafiken zu beschreiben.
Die deskriptive (beschreibende) Statistik hat als Aufgabe, große Datenmengen durch wenige Kennzahlen wie Lage- und Streuungsmaße oder Grafiken zu beschreiben. Solche Datenmengen entstehen bei der Untersuchung
Mehra 1 < a 2 <... < a k. 2 Häufigkeitsverteilungen 52
2 Häufigkeitsverteilungen 2.0 Grundbegriffe Ziel: Darstellung bzw. Beschreibung (Exploration) einer Variablen. Ausgangssituation: An n Einheiten ω 1,..., ω n sei das Merkmal X beobachtet worden. x 1 =
MehrVorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe
Vorlesung Grundlagen der Biometrie WS 2011/12 1. Grundbegriffe Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 1. Grundbegriffe der beschreibenden Statistik Statistische Einheiten, Grundgesamtheit
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2016 Anmeldung in Basis: 06. 10.06.2016 Organisatorisches Einführung Statistik Analyse empirischer Daten
MehrForschungsmethoden VORLESUNG SS 2018
Forschungsmethoden VORLESUNG SS 2018 SOPHIE LUKES Übersicht Letzte Sitzung: Psychologie als empirische Wissenschaft Heute: Nachtrag Messen Forschungsethik Freiwilligkeit, Aufklärung nicht möglich/nötig,
Mehr1 x 1 y 1 2 x 2 y 2 3 x 3 y 3... n x n y n
3.2. Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare von Merkmalsausprägungen (x, y) Beispiele:
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden I Dr. Malte Persike persike@uni-mainz.de
MehrQuantitative Methoden der Agrarmarktanalyse und des Agribusiness
Quantitative Methoden der Agrarmarktanalyse und des Agribusiness Teil Quantitative Methoden der Agrarmarktanalyse Vorlesung: Montag und Mittwoch 8:30-10:00 Dr. Bernhard Brümmer Tel.: 0431-880-4449, Fax:
MehrMathematische und statistische Methoden II
Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike
MehrBeispiele qualitativer und quantitativer Sozialforschung
Beispiele qualitativer und quantitativer Sozialforschung siehe Teil A, How to do Empirie A 8 Umsetzungs Tipps für die Praxis... 152 A 8.1 Jedes Forschungsvorhaben benötigt einen roten Faden... 152 A 8.2
MehrDer Forschungsprozess in der Quantitativen Sozialforschung. Crash-Kurs
Der Forschungsprozess in der Quantitativen Sozialforschung Eine jede empirische Studie ist ein PROZESS. Definition: Unter PROZESS ist der Ablauf von Strukturen zu verstehen. Definition: Unter STRUKTUR
MehrLeidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I. Messtheoretische Vorüberlegungen
Leidlmair / Planung und statistische Auswertung psychologischer Untersuchungen I Messtheoretische Vorüberlegungen Am Anfang jeder statistischen Auswertung steht das 'Messen' bestimmter Phänomene bzw. Merkmale.
Mehr2 Grundzüge der Datenerhebung
2 Grundzüge der Datenerhebung 2.1 Merkmale, statistische Einheit, statistische Masse Vor jeder statistischen Analyse muss das Untersuchungsziel genau angegeben sein. Obwohl die Vorgabe dieses Zieles nicht
MehrInhalt. 1 Ziel und Forschungsprozess Grundlage von Wissenschaft Wissenschaftstheoretische Grundbegriffe 27
Inhalt Vorwort 11 1 Ziel und Forschungsprozess 13 1.1 Ziel empirischer Sozialforschung 13 1.1.1 Exploration 13 1.1.2 Beschreibung sozialer Sachverhalte 13 1.1.3 Erklärung sozialer Sachverhalte 14 1.1.4
MehrGrundbegriffe (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.
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
Mehr1. Tutorial. Online-Tutorium-Statistik von T.B.
Online-Tutorium-Statistik von T.B. 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen) bei denen man sich für gewisse Eigenschaften (z.b. Geschlecht,
Mehr0 Einführung: Was ist Statistik
0 Einführung: Was ist Statistik 1 Datenerhebung und Messung 2 Univariate deskriptive Statistik Häufigkeitsverteilungen Statistische Kennwerte 3 Multivariate Statistik 4 Regression 5 Ergänzungen Deskriptive
MehrWelche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret.
Grundlagen der Statistik 25.9.2014 7 Aufgabe 7 Welche der folgenden Aussagen sind richtig? (x aus 5) A Ein metrisches Merkmal, das überabzählbar viele Ausprägungen besitzt heißt diskret. B Ein Merkmal
MehrPhasen des Forschungsprozesses (hypothesenprüfende Studie)
Phasen des Forschungsprozesses (hypothesenprüfende Studie) Konzeptspezifikation/ Operationalisierung/Messung rot: Planungsphase Auswahl des Forschungsproblems Theoriebildung Auswahl der Untersuchungseinheiten
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2017 Organisatorisches Anmeldung in Basis: 19. 23.06.2017 Skript und Übungsaufgaben unter: http://www.iam.uni-bonn.de/users/rezny/statistikpraktikum
MehrSchlüsselfaktor für den. empirische Untersuchung von ausgewählten Unternehmen. University of Applied Sciences Fachbereich Wirtschaft und Recht
Fachhochschule h h Frankfurt am Main University of Applied Sciences Fachbereich Wirtschaft und Recht Personalentwicklung als Schlüsselfaktor für den Unternehmenserfolg - eine empirische Untersuchung von
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
Mehrfh management, communication & it Constantin von Craushaar FH-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Angewandte Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines einfachen Beispieles Häufigkeitsauswertungen Grafiken Datenmanipulationen
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrWas sind»daten«? Prof. Dr. Hagen Knaf Studiengang Angewandte Mathematik WS 2015/16
Was sind»daten«? Studiengang Angewandte Mathematik WS 2015/16 Daten: Überblick Im Data Mining werden Daten analysiert um allgemein über Data Mining Verfahren sprechen zu können, benötigt man also eine
MehrDie Statistik besitzt drei Grundaufgaben im Rahmen der Datenanalyse. Jeder entspricht ein Teilgebiet.
Statistik I für Statistiker, Mathematiker und Informatiker Lösungen zu Blatt 1 Gerhard Tutz, Jan Ulbricht, Jan Gertheiss WS 07/08 Lösung Aufgabe 1 Die Statistik besitzt drei Grundaufgaben im Rahmen der
MehrInhaltsverzeichnis. 1 Über dieses Buch Zum Inhalt dieses Buches Danksagung Zur Relevanz der Statistik...
Inhaltsverzeichnis 1 Über dieses Buch... 11 1.1 Zum Inhalt dieses Buches... 13 1.2 Danksagung... 15 2 Zur Relevanz der Statistik... 17 2.1 Beispiel 1: Die Wahrscheinlichkeit, krank zu sein, bei einer positiven
MehrKlausuraufgaben 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
MehrForschungsmethoden in der Sozialen Arbeit (XI)
Forschungsmethoden in der Sozialen Arbeit (XI) Fachhochschule für Sozialarbeit und Sozialpädagogik Alice-Salomon Hochschule für Soziale arbeit, Gesundheit, Erziehung und Bildung University of Applied Sciences
MehrStatistiktutorium (Kurs Frau Jacobsen)
Statistiktutorium (Kurs Frau Jacobsen) von Timo Beddig Einführungsveranstaltung am 16.4.2012 1 Grundbegriffe I Gegenstand einer statistischen Untersuchung sind bestimmte Objekte (z.b. Personen, Unternehmen)
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 1 2010 FernUniversität in Hagen Alle Rechte vorbehalten Fakultät für Wirtschaftswissenschaft Übersicht über die mit den insendeaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrPrüfungstutorat: Angewandte Methoden der Politikwissenschaft. Polito Seminar Carl Schweinitz 10.12.2014
Prüfungstutorat: Angewandte Methoden der Politikwissenschaft Polito Seminar Carl Schweinitz 10.12.2014 Übersicht 1. Einheiten und Variablen 2. Skalen und ihre Transformation 3. Deskriptive Statistik 4.
MehrPlanung statistischer Erhebungen
Planung statistischer Erhebungen Katrin Hahnebach & Matthias Reimann Institut für Mathematik Universität Koblenz-Landau, Campus Landau Didaktik der Stochastik Prof. Dr. Jürgen Roth Wintersemester 2011/2012
MehrSTATISTIK I Übung 04 Spannweite und IQR. 1 Kurze Wiederholung. Was sind Dispersionsparameter?
STATISTIK I Übung 04 Spannweite und IQR 1 Kurze Wiederholung Was sind Dispersionsparameter? Die sogenannten Dispersionsparameter oder statistischen Streuungsmaße geben Auskunft darüber, wie die Werte einer
MehrKontingenztabellen. Worum geht es in diesem Modul?
Kontingenztabellen Worum geht es in diesem Modul? Die Ausgangssituation Die 2x2 Felder Tafel Randverteilungen in 2x2-Tafeln Bedingte Häufigkeiten in 2x2-Tafeln Die IxJ-Felder Tafel Kontingenztabelle und
Mehr2. Statistisches Rüstzeug
03. JULI 006: BLATT 9. Statistisches Rüstzeug.1. Grundbegriffe der Statistik Grundgesamtheit (a. Population Menge aller statistischen Einheiten, über die man Aussagen gewinnen will. In der Computerlinguistik
MehrStatistik. ist damit unter anderem die Zusammenfassung bestimmter Methoden, um empirische Daten zu analysieren. Projektmanagement
Technischer Betriebswirt VIII die Lehre von Methoden zum Umgang mit quantitativen Informationen (Daten). Möglichkeit, eine systematische Verbindung zwischen Erfahrung (Empirie) und Theorie herzustellen.
MehrSoSe 2015 Klausur zur LV 36654: Einführung in 28. Juli 2015 die Methoden empirischer Forschung. Name: Studiengang: B.A. M.A.
Name: Studiengang: B.A. M.A. Vorname: Studienfächer: Matrikelnummer: Fachsemester: Allgemeine Hinweise: 1. Überprüfen Sie bitte, ob Sie alle Seiten der Klausurangabe vollständig erhalten haben (Gesamtzahl:
MehrAuswertung statistischer Daten 1
Auswertung statistischer Daten 1 Dr. Elke Warmuth Sommersemester 2018 1 / 26 Statistik Untersuchungseinheiten u. Merkmale Grundgesamtheit u. Stichprobe Datenaufbereitung Urliste, Strichliste, Häufigkeitstabelle,
MehrInhaltsverzeichnis. II. Statistische Modelle und sozialwissenschaftliche Meßniveaus 16
Vorwort 1 1. Kapitel: Der Stellenwert der Statistik für die sozialwissenschaflliche Forschung 1 1. Zur Logik (sozial-)wissenschaftlicher Forschung 1 1. Alltagswissen und wissenschaftliches Wissen 1 2.
MehrGrundlagen empirischer Forschung. Korpuslinguistik Heike Zinsmeister WS 2009/10
Grundlagen empirischer Forschung Korpuslinguistik Heike Zinsmeister WS 2009/0 Grundlagen Vorbereitung einer empirischen Studie Allgemeine Beschreibung des zu untersuchenden Phänomens Literaturstudien Erkundigungen
Mehr2 Merkmalsausprägungen, Skalen, Häufigkeiten, Klassierung
2 2.1 Merkmalsausprägungen und Skalen Bei statistischen Analysen wird eine bestimmte Anzahl von Elementen untersucht und mit den Methoden der Statistik quantifiziert. Je nach Untersuchung kann es sich
MehrGASTVORTRAG IM RAHMEN DER: EINFÜHRUNG IN DIE EMPIRISCHE HUMAN- UND SOZIALFORSCHUNG. Mag. a Andrea Schaffar
GASTVORTRAG IM RAHMEN DER: EINFÜHRUNG IN DIE EMPIRISCHE HUMAN- UND SOZIALFORSCHUNG Mag. a Andrea Schaffar Inhalte der heutigen VO-Einheit 2 Projektabläufe: Gegenüberstellung Forschung und Praxisprojekte
Mehr5 Assoziationsmessung in Kontingenztafeln
5 Assoziationsmessung in Kontingenztafeln 51 Multivariate Merkmale 51 Multivariate Merkmale Gerade in der Soziologie ist die Analyse eindimensionaler Merkmale nur der allererste Schritt zur Beschreibung
Mehr