Empirische Datenanalyse

Quantitative Methoden setzt man eher bei Naturwissenschaften ein, wo numerische Daten, also Zahlen, herauskommen sollen, welche dann mittels statistischer Methoden analysiert werden sollen. Er läuft sequentiell und strukturiert ab.

Qualitative Methoden setzt man eher bei Geisteswissenschaften ein, wo nicht-numerische Daten, wie z.b. Fotos oder Videos, mit interpretativen Methoden ausgewertet werden. Es läuft zirkulär und iterativ ab.

Gezielt im Hinblick auf das Forschungsproblem ausgewählte und dokumentierte Informationen über die Erfahrungswirklichkeit.

z.b. Interviews, Fragebögen usw.

—> im Rahmen eines angemessenen Forschungsprozess, Untersuchungsdesigns und Stichprobe

—> Sammlung mit wissenschaftlichen Dastenerhebungsmethoden

—> Nutzung (nicht-)standardisierter Erhebungsinstrumente

• Wissenschaftstheoretischer Ansatz

• Erkenntnisziel der Studie

• Gegenstand der Studie

• Datengrundlage

• Erkenntnisinteresse

• Bildung und Behandlung von Untersuchungsgruppen bei explanativen Studien

• Untersuchungsort

• Anzahl der Untersuchungszeitpunkte bei empirischen Studien

• Anzahl der Untersuchungsobjekte bei empirischen Studien

• Persönliches Interesse

• Theoretische und methodische Vorkenntnisse zum Thema

• Betreuungsangebot zum Thema

• Empirische Untersuchbarkeit

• Wissenschaftliche Relevanz des Themas

• Praktische Relevanz des Themas

Primärquelle: Erstmalige Darstellung einer Studie durch den Forschenden selbst in z.b. einer Fachzeitschrift, Büchern oder Konferenzvorträgen

Sekundärquelle: Texte und Darstellungen, die inhaltlich auch Primärquellen Bezug nehmen und Inhalt summarisch, selektiv oder bewertend vornehmen, z.b. Lehrbücher, Vorlesungen oder Skripte, Reviews usw.

• Validität

  • Interne Validität

  • Externe Validität

  • Konstruktvalidität

• Reliabilität

• Objektivität

————————- Alt (Glaube, das darüber ist wichtiger)

1. Forschungsthema und -problem = Inhaltliche Relevanz

1. Forschungsstand und theoretischer Hintergrund = Methodische Strenge

2. Untersuchungsdesign = Methodische Strenge

3. Operationalisierung = Methodische Strenge

4. Stichprobenziehung = Methodische Strenge

5. Datenerhebung = Methodische Strenge, Ethische Strenge

6. Datenaufbereitung = Methodische Strenge

7. Datenanalyse = Methodische Strenge

8. Ergebnispräsentation = Inhaltliche Relevanz, Ethische Strenge, Präsentationsqualität

Unterschiedshypothesen

• postulieren Unterschiede zwischen 2 oder mehr Gruppen

Zusammenhangshypothesen

• postulieren Zusammenhang zwischen 2 oder mehr Variablen

Veränderungshypothesen

• postulieren Veränderungen von Variablen bei den selben Individuen über Zeit

Richtung des Effekts:

• Gerichtet/einseitig (positiv/negativ) oder ungerichtet

Größe des Effekts:

• Spezifisch (stark/schwach) oder unspezifisch

Wiederholbare, unter kontrollierten, vorher festgelegten Umweltbedingungen durchgeführte Versuchsanordnung

• Austeilen und Einsammeln

• schriftlich-postalisch

• telefonisch

• online

• mündlich-persönlich

Primärforschung und Sekundärforschung

Grundgesamtheit = Eine Gruppe von Merkmalsträgern, z.b. alle Menschen in Deutschland oder auf der Welt

Merkmalsträger = eine einzelne Einheit aus der Grundgesamtheit, welche ein Merkmal trägt, welches untersucht werden soll

Merkmal = Eingenschaften einer Merkmalsträgers, z.b. sein Einkommen, die Hautfarbe, Größe usw.

Merkmalsausprägung = Wert des Merkmals, z.b. 1,5m, Hautfarbe weiß,schwarz oder Einkommen 4000€

Bei einer Vollerhebung ist die Stichprobe die Population, d.b. würde man einer Vollerhebung in Deutschland machen, müsste man jeden Deutschen fragen

Bei einer Teilerhebung wird eine Stichprobe gezogen, welche kleiner als die Population bzw. ein Teil von ihr ist. d.b. wir fragen nicht jeden deutschen, sondern nur z.b.50000

Bei einer Zufallsstichprobe werden Objekte unabhängig voneinander und mit der gleichen Wahrscheinlichkeit in die Stichprobe aufgenommen. Dies geschiet z.b. mit Zufallszahlentafeln oder Losziehen.

Stichprobenfehler und Systematische Fehler

Variablen können unterschiedliche Skalenniveaus (Messniveaus) haben. Man unterscheidet zwischen:

• Nominal-Skala

• Ordinal-Skala

• Intervall-Skala

• Verhältnis-Skala

Das Skalenniveau einer Variable sagt etwas über die Abstufungsmöglichkeiten und numerische Genauigkeit der in der Variable enthaltenen Werte aus (Name/qualitative Bezeichnung vs. Einordnung der Rangfolge möglich vs. präzise Messwerte)

deskriptiv = beschreibend, fasst Daten zusammen

Inferenz = schließend, schließt von der Stichprobe auf eine Grundgesamtheit

Q1 = erstes Quartil

Q3 = Zweites Quartil

Z = Median Z ( ordinalskaliertes Merkmal, Wert der größer als 50% der Stichprobe ist, teilt Verteilung in der Hälfte)

1. Textarbeit

2. Kategorienbildung

3. Codierung

4. Analyse

5. Ergebnisdarstellung

Initiierende Textarbeit bedeutet:

• mit Forschungsfrage an den Text herangehen

• den Text intensiv lesen

• zentrale Begriffe markieren

• wichtige Abschnitte kennzeichnen & notieren

• unverständliche Passagen & schwierige Passagen kennzeichnen

• Argumente & Argumentationslinien analysieren

• die formale Struktur beachten (Länge etc.)

• die inhaltliche Struktur identifizieren (Abschnitte, Brüche etc.)

• die Aufmerksamkeit auf den Ablauf richten

Memo: von den Forschenden während des Analyseprozesses festgehaltenen Gedanken, Ideen, Vermutungen, Hypothesen

„[…] eine Kategorie ist das Ergebnis der Klassifizierung von Einheiten.“

• Personen

• Ideen

• Institutionen

• Prozesse

• Aussagen

• Diskurse

• Gegenstände

• Argumente

• Fakten-Kategorien

• evaluative Kategorien

• formale Kategorien

• analytische Kategorien

• thematische Kategorien

• a-priori-Kategorienbildung

• induktive Kategorienbildung

• Mischformen beider Ansätze

Kategoriensystem

• Gesamtheit aller Kategorien

Kodiertes Segment

• Textstelle mit zugewiesener Kategorie

• Qualitative und quantitative empirische Forschung basieren auf unterschiedlichen Glaubenssätzen

• Verschiedene Konsequenzen & Probleme

• Das humanistische Paradigma der Persönlichkeitspsychologie

  • Der Mensch steht im Mittelpunkt

  • Subjekte streben nach Selbstverwirklichung

  • Selbstverwirklichung als wichtigste Grundlage innermenschlicher Prozesse; beeinflusst bewusstes Denken & Handeln

  • Selbstverwirklichung als aktives Bemühen, kein Automatismus

  • Willensfreiheit wird vorausgesetzt

  • Der Einzelne wird als „Ganzes“, als „organisiertes System“ betrachtet

  • Duales Weltsystem (Historizität & „Hier & Jetzt“)

  • Subjektive Wahrnehmung der Wirklichkeit ist für Verhalten entscheidend

1. Gegenstand humanwissenschaftlicher Forschung sind immer Menschen, Subjekte. Die von der Forschungsfrage betroffenen Subjekte müssen Ausgangspunkt & Ziel der Untersuchung sein.

2. Am Anfang einer Analyse muss eine genaue & umfassende Beschreibung (Deskription) des Gegenstandsbereiches stehen.

3. Der Untersuchungsgegenstand der Humanwissenschaften liegt nie völlig offen, er muss immer auch durch Interpretation erschlossen werden.

4. Humanwissenschaftliche Gegenstände müssen immer möglichst in ihrem natürlichen, alltäglichen Umfeld untersucht werden.

5. Die Verallgemeinerbarkeit der Ergebnisse humanwissenschaftlicher Forschung stellt sich nicht automatisch über bestimmte Verfahren her; sie muss im Einzelfall schrittweise begründet werden.

1. Induktion

2. Introspektion

3. Vorverständnis

4. Offenheit

5. Problemorientierung

6. Einzelfallbezogenheit

7. Forscher-Gegenstands-Interaktion

8. Ganzheit

9. Methodenkontrolle

10. Regelbegriff

11. Argumentative Verallgemeinerung

12. Quantifizierbarkeit

13. Historizität

Anhand eines zuvor erstellten Leitfadens, werden flexible Fragen gestellt.

Ziel: tiefgehende, persönliche und detaillierte Informationen

• Fokussiertes Interview

• Halbstandardisiertes Interview

• Problemzentriertes Interview

• Ethnografisches Interview

• Expert*innen Interview

Ansatz

• uns interessiert die Person in ihrer Funktion als Expert*in

• Person als Repräsentant*in

Kriterien

• Begrenzung auf das Thema des Expertentum

Einsatzgebiet

• Als eigenständiges Verfahren

• Als komplementäres Verfahren

Ansatz

• Subjektive Bedeutungsstrukturen, eingebunden in soziale Zusammenhänge, sind durch Gruppendiskussionen erhebbar

• Kollektive Einstellungen, Vorurteile, öffentliche Meinungen & Ideologien werden erkennbar

• Aufbrechen psychischer Sperren

Kriterien

• Provokanter Einstieg

• Darauf folgende Diskussion wird nicht dirigiert

• Reizargumente können eingebracht werden

• Abschließende Metadiskussion über Diskussionsdynamik

Einsatzgebiet

• Erfasst alltägliche Sinnstrukturen

• Verwendung größerer Stichproben möglich(5-15 P/Runde)

Dos

• Fragen stellen, die:

• Textgenerierend

• Aufrechterhaltene

• Prozessorientiert

• Offen

• Kurz und verständlich

• Beantwortbar

• Weich

• Konkreten Erzählgegenstand wählen

• Befragte Personen besitzen ein monologisches Rederecht

Don´ts

• Geschlossene Fragen

• Begründungen abfragen

• Suggestivfragen

• Wertende Fragen

• Metaphorische Fragen

• Fragen im Konjunktiv

• Hauptforschungsfrage direkt stellen

• Fragen, die das Wissen des*der Befragten übersteigen

• Fremd- und Selbstbeobachtung

• Persönliche und unpersönliche(z.B Video) Beobachtung

• Teilnehmende und nicht teilnehmende Beobachtung

• Extraktion wichtiger Informationen

• Datenreduktion

• Vereinfachung der Datenbeschreibung

• Analyse der Struktur von Beobachtungen und Variablen

• Konfirmatorische Faktorenanalyse (CFA)

• Explorative Faktorenanalyse (EFA)

  • z.B. PCA

    
    

• Bartlett-Test

• Kaiser-Meyer-Olkin (KMO) Kriterium

• Metrisch skalierte Daten

• Fallzahl mindestens dreifach höher als Variablenzahl

• Mindestfallzahl n=50

• Standardisierung der Variablen

• Analyse der Variablenzusammenhänge

• rechnerische Ermittlung der Komponenten

• Bestimmung der Komponentenanzahl

• Interpretation der Komponenten

• Berechnung der Komponentenwerte

• Darstellung der Variablen als Vektoren

  • Korrelation als Cosinus des Winkels zwischen Vektoren

• Maximierung der Ladungen der Variablen auf eine Komponente

• Minimierung auf anderen Komponenten

• Orthogonale (rechtwinklige) Rotationsmethode

  • z.B. Varimax

• Oblique (schiefwinklige) Rotationsmethode

  • z.B. Oblimin

• Cosinus des Winkels zwischen Variablenvektor und Hauptkomponente

• repräsentiert Korrelationskoeffizient zwischen Variablen und Hauptkomponenten

• Summe der quadrierten Komponentenladungen aller Variablen für eine Komponente

• Maß für durch die Komponente erklärte Varianz

• Sukzessive varianzmaximierende Extraktion

• Orthogonalität zwischen den Hauptkomponenten

• Kaiser-Kriterium

• Screeplot

• Elbow-Kriterium

• Ursachenanalyse

• Wirkungsprognose

1. Modellformulierung

2. Schätzung der Regressionsfunktion

3. Prüfung der Regressionsfunktion

4. Prüfung der Regressionskoeffizienten

5. Prüfung der Modellprämissen

Y = b0 + b1 X + ε

Messfehler, Unvollständige Erfassung der Einflussfaktoren

Best Linear Unbiased Estimator

• ist linear

• unverzerrt (unbiased)

• hat die geringste Varianz

• Prüfung von Toleranz der Variablen(Tj=1-Rj^2)

• VIF-(Variance Inflation Factor)- Wert (=Kehrwert der Toleranz)

• Faustregel: Tj soll > 0,2 bzw. VIFmax < 10

• t-Statistik

• Konfidenzintervalle

Visuelle Inspektion der Residuen in einem Plot

„Dreieck“ → Hinweis auf Heteroskedastizität

Kleinst-Quadrat-Methode

• Minimierung der Summe der quadrierten Abweichungen

• Bestimmtheitsmaß R²

• F-Statistik

• Standardfehler

Ermittlung der Wahrscheinlichkeit des Eintretens eines Ereignisses in Abhängigkeit verschiedener Einflussgrößen

Abhängige Variable

• Dichotom/Binär/(2)

• multinomial(>2)

  Benötigt für jede Ausbrägung eingenes Set an Regresionskoeffizenten

Unabhängige Variablen

• Metrisch

• kategorial

  -> Dummy-Zerlegung

• Devianz

• Likelihood-Ratio-Test

• Pseudo-R-Quadrat-Statistiken

• Beurteilung der Klassifikationsergebnisse

Inhaltliche Interpretation nicht trivial, oft über das Vorzeichen des Koeffizienten bevorzugt

1. Modellformulierung

2. Schätzung der Regressionsfunktion

3. Interpretation der Regressionskoeffizienten

4. Prüfung des Gesamtmodells

5. Prüfung der Merkmalsvariablen

Maximum-Likelihood-Methode

• iterative Schätzung

• i.d.R. mit Newton-Raphson-Algorithmus

Normalverteilung

• Shapiro-Wilks-Test

• Kolmogorov-Smirnov-Test

• grafisch mit Q-Q-Plot

  Je deutlicher die Punkte auf einer Geraden liegenm desto näher ist die Verteilung an einer Normalverteilung.

homogene Varianzen

• Einfaktorielle Varianzanalyse

Der p-Wert ist die Wahrscheinlichkeit für die beobachtete und noch extremere Prüfgrößen (in die selbe Richtung) bei Gültigkeit der H0 (Fläche rechts von Xvers)

Sie liegt zwischen 0 und 1, ist der p-Wert klein (IdR 0,05) so lässt sich die H0 ablehnen, diese Prozedur wird Signifikanztest genannt

Anders gesagt: p-Wert sagt, wie stark die Daten gegen H0 sprechen

1. Festlegung der Fragestellung

2. Formulierung von Hypothesen

3. Festlegung des Signifikanzniveaus alpha

4. Wahl eines geeigneten Tests (passende Fragestellung, passende Voraussetzungen)

5. Berechnung der Prüfstatistiken

6. Vergleich der Prüfstatistiken mit geeigneten Tabellenwerten und Entscheidung für die Beibehaltung oder Verwerfung der H0

Mithilfe von Schätzverfahren sollen Rückschlüsse aus einer Zufallsstichprobe auf die Grundgesamtheit gezogen werden. Bei der Punktschätzung geht es um einen bestimmten, unbekannten Parameterwert, der auf Basis der Daten einer Zufallsstichprobe geschätzt werden soll. Solche Schätzwerte können sich z.B. auf Lagemaße (zb den Erwartungswert), auf Streuungsmaße (zb Varianz), auf Anteilswerte (zb Prozentanteil) beziehen.

Er muss sein:

• konsistent

  d.h. mit steigender Stichprobengröße immer genauere Schätzungen des gesuchten Parameters liefern

• erwartungstreu

  d.h. im Durchschnitt sollten die mit ihr geschätzten Werte mit den Parametern in der Grundgesamtheit übereinstimmen

• effizient

  d.h. bei wiederholten Schätzungen sollten die resultierenden Schätzwerte möglichst minimal streuen

• suffizient (erschöpfend)

  d.h. es sollten möglichs sämtliche Daten in der Stichprobe für die Schätzungen genutzt werden und keine Informationen verloren gehen

Methode der kleinsten Quadrate —> Lineare Regressionsanalyse

Maximum-Likelihood-Methode —> siehe Logistische Regressionsanalyse

—> bei der Intervallschätzung wird durch Verknüpfung der Aspekte mittlere Lage und Streuung ein Intervall (—> Konfidenzintervall oder Vertrauensintervall) ermittelt, das den zu schätzenden Parameter mit einer Wahrscheinlichkeit von mindestens 1-alpha enthält.

1-alpha= Vertrauenswahrscheinlichkeit, dass der wahre Parameter innerhalb des Vertrauensintervalls liegt

alpha= Irrtumswahrscheinlichkeit oder Signifikanznivaeu, ist das Risiko oder die Wahrscheinlichkeit, dass der wahre Parameter außerhalb des Vertrauensintervalls liegt

IdR wird als Vertrauenswahrscheinlichkeit 95% gewählt

Die Verteilung von Mittelwerten aus den Stichproben des Umfangs n, die aus der selben GG entnommen wurden, geht mit wachsendem Stichprobenumfang in eine Normalverteilung über.

Standardnormalverteilung=eine spezielle Normalverteilung mit Mittelwert 0 und Standardabweichung 1. Die zugehörige Zufallsvariable wird mit Z bezeichnet.

• Aufgabe von Hypothesentests ist es, eine Verbindung zwischen Stichprobe (Experiment) und Grundgesamtheit (Wirklichkeit) herzustellen

• Es wird geprüft, ob Hypothesen über die Grundgesamtheit zutreffen oder nicht, ob sie zu verwerfen sind oder beizubehalten sind

• Ansatz: zunächst Postulierung von EIgenschaften einer Grundgesamtheit, anschließend Überprüfung, inwiefern eine Bestätigung dieser Eigenschaften durch stichprobenartig erhobene Daten (Empirie) möglich ist.

d.h. am Anfang steht eine Behauptung über die EIgenschaften einer Population, deren Brauchbarkeit durch empirische Untersuchungen überprüft werden muss.

—> Frage: Wie kann ein Stichprobenergebnis, das mehr oder weniger starken Zufallsschwankungen unterliegt, herangezogen werden, um über die Richtigkeit einer Hypothese zu entscheiden, die zb aus einer allgemeine Theorie abgeleitet ist?

Die Kontrolle des Fehlers 1.Art erfolgt durch die Festlegung des Signifikanzniveaus.

Der Fehler 2.Art ist unbekannt und kann nur durch eine Erhöhung der Stichprobengröße oder durch eine Vergrößerung von alpha verkleinert werden, aber nicht kontrolliert

Festlegung der zu beantwortenden Fragestellung

Formulierung von Hypothesen zur Beantwortung der Fragestellung

Möglichkeit 1

• Festlegung einer maximalen Irrtumswahrscheinlichkeit in Form des Signifikanzniveaus alpha

• Wahl eines geeigneten Tests (passende Fragestellung, passende Vorraussetzungen)

• Berechnung der zugehörigen Prüfstatistiken aus den Messwerten der Stichproben

• Vergleich der Prüfstatistiken mit geeigneten Tabellenwerten (zb ttab) und Entscheidung fur die Beibehaltung oder Verwerfung der H0.

Möglichkeit 2

• Wahl und Durchführung eines geeigneten Tests (passende Fragestellung und Voraussetzungen)

• Entscheidung für die Beibehaltung oder die Verwerfung der Nullhypothese anhand des vom Statistikprogramms ausgegebenen p-Werts

• Deskriptiv:

  • Beschreibung von Merkmalen einer Population.

  • Sammlung und Darstellung von Daten.

  • Kein Fokus auf Kausalität.

  • Oft Vorstufe zu explorativen/explanativen Studien.

• Explorativ:

  • Erforschung neuer Phänomene.

  • Generierung von Hypothesen.

  • Offene, flexible Herangehensweise.

  • Geringe Vorannahmen.

• Explanativ:

  • Erklärung von Ursache-Wirkungs-Beziehungen.

  • Überprüfung von Hypothesen.

  • Fokus auf Kausalität.

  • Strukturierte Methodik.