5. Quantitative Daten aufbereiten

unbehandelte bzw. noch nicht weiterverarbeitete Daten einer Untersuchung

• technisch Anspruchsvoll, enthält potenzielle Fehlerquellen

• praktische Bedeutung in den letzten Jahren nicht zuletzt aufgrund der Masse an digitalen Daten und internationalen Forschungskooperationen deutlich gestiegen

• Rohdatenmaterial enthält oft Inkosistenzen und Lücken, existiert in verschiedenen Formaten, ist, insgesamt schwer zu überblicken

• muss sortiert, kommentiert, anonymisiert, bereinigt und transformiert werden

• kann zeitintensiver als die tatsächliche Auswertung sein

(nicht immer trennscharf)

1. Erstellung der Datensätze

2. Kommentieren der Datensätze

3. Anonymisieren der Datensätze

4. Datenbereinigung

5. Datentransformation

Umwandlung des Rohmaterials in strukturierte Datensätze durch

• Sortierung,

• Zuordnung,

• Digitalisierung,

• Formatierung

Ergänzung um Metainformation wie

• Erhebungsdatum

• Wellenbezeichnung in einer Trackingstudie,

• Vergabe von Variablen- und Wertelabels

nach DSGVO = Verordnung der EU mit der die Regeln zur Verarbeitung personenbezogener Daten durch private Unternehmen und öffentliche Stellen EU-weit vereinheitlicht wurden

-> es müssen alle Informationen, die zur Identifikation von Teilnehmenden dienen könnten, entfernt werden

Herausfinden und Korrektur fehlerhafter numerischer Angaben, Entfernung von Dubletten, Umgang mit fehlenden Werten

Daten zusammenfassen und Rekodieren um bestimmte Auswertungen zu ermöglichen oder auch um die Daten für die Generierung von repräsentativen Ergebnissen zu gewichten

• Vermeidung fehlerhafter Ergebnisse und Folgefehler

• Vermeidung von Schwierigkeiten und Verzögerungen bei der Datenanalyse

• Wiederverwendbarkeit sicherstellen für Reanalyse oder Sekundäranalyse

• Ethische Probleme vermeiden

wiederholte Analyse durch Forscher selbst

wiederholte Analyse durch andere Forschende

Software zur Berechnung von statistischen Kennzahlen und komplexen Auswertungsverfahren, wird genutzt um quantitative Datensätze zu erstellen und zu analysieren.

zum Beispiel:

• SPSS (Statistical Package for the Social Siences) von IBM

  • Marktführer

  • modular aufgebaut, hoher Preis

• Stata (Open Source)

• PSPP (freier Anbieter)

  • freier und kompatibler Ersatz für SPSS

  • begrenzter Umfang und begrenzte Optionen -> nur für einfache Grundauswertungen zu empfehlen

• R (freier Anbieter)

  • orientiert sich an der Programmiersprache S (für statitstische Berechnungen und Grafiken, aus Mitte 70er Jahre)

Ergebnisse können einfach in SPSS Format exportiert werden, man kann mit der Datenbereinigung beginnen

um diese Daten in die Software zu bekommen, braucht es zunächst eine Codierung!

Zuordnung der Fragen- und Antwortoptionen zu Zahlencodes für die Verwendung von Statistikprogrammen

• Fragen bekommen einzelne Variablennamen aus Buchstaben und Ziffern

• Variablen können unterschiedliche Merkmalsausprägungen (Antwortmöglichkeiten) besitzen

• Fragebogen hat selbst auch eine ID, um die Daten identifizierbar zu machen

• wenn man SPSS startet, erhält man einen leeren Variablenmonitor, in den man die Variablen, wie sie im Codeplan definiert wurden, eingibt

• Variablen eingeben und die Variablenwerte (Merkmalsausprägungen) dazu eingeben

Werden in den Dateneditor eingegeben - wie ein Spreadsheet

-> sind alle Variablen angeleht und alle Fragebögen eingegeben, hat man die Rohdaten in einem strukturierten SPSS Datensatz und kann mit der Bereinigung fortfahren

möglichst hohe Datenqualität

• Vollständigkeit

• Einheitlichkeit (z.B. von Datums- und Währungsangaben)

• Ausschluss doppelter Werte/mehrfacher Datenzeilen

• Sachgerechte Behandlung von Ausreißerwerten

• Plausibilität der Antwortmuster

1. kommentierten und strukturiereten Datensatz erstellen

2. Überblick über vorhandene Daten verschaffen

3. Anonymisieren

z.B. Häufigkeitsverteilung erstellen

• hier fällt auf, wenn unbekannte Werte im Ergebnis sind, die geprüft werden müssen

• Fehler können auch entstehen, wenn mehrere Datensätze zusammengefasst werden (z.B. mehrere Wellen (Zeitpunkte) der gleichen Befragung und nicht alle Datensätze gleich kodiert wurden

• unvollständige oder nicht ernsthaft ausgefüllte Datensätze sollten ggfs. rausgenommen werden (geringer %satz ist normal)

  • bei Online-Befragungen sind nicht erstnsthaft ausgefüllte Bögen eher vermeidbar, weil nur gewisse Werte eingegeben werden können, Geschwindigkeit des Ausfüllens (Ausfülldauer wird erhoben) und stereotype Antwortmuser aussortiert werden können

• es darf unter keinen Umständen ersichtlich sein, wer welche Angaben gemacht hat (DSGVO)

• es muss überlegt werden, welche Daten eliminiert werden müssen, auch wenn sie relevant sein könnten, oder ob man andere Sicherheitsmechanismen (z.B: verstärkte Rechteverwaltung) sinnvoll sind, wenn sich durch die Dateneingrenzen lässt, um wen es sich handeln könnte

• Löschen der IP-Adressen der Rechner, von denen aus auf die Online-Befragung zugegriffen wurde -> sollten eigentlich gar nicht erhoben werden, braucht es aber um festzustellen, ob eine Person den Bogen mehrere Male ausgefüllt hat

• Nach der Dateneingabe, Codierung und Datenbereinigung den Datensatz speichern und für die Datentransformation mit einer Kopie weiterarbeiten, damit man noch Backup hat, wenn Daten verloren gehen!

• Transformationsoption als Befehlssyntax (Befehlssprache in SPSS, liegt jedem Befehl zugrunde während man in SPSS arbeitet) ausgeben lassen, damit der Prozess der Datenaufbereitung transparent ist und von Außenstehenden nachvollzogen werden kann

• Umgang mit fehlenden Werten

• Umcodierung von bestehenden Variablen

• Bildung neuer Variablen

• Gewichtung von Stichproben

• wenn Befragte Antwortoptionen übersehen haben, eine Frage überspringen oder eine ungültige Antwort geben

• Grund muss rausgefunden werden, um zu entscheiden, wie man mit dem Wert umgeht

• fehlende Werte sollten mit eigenständigen Codes gekennzeichnet werden, dann kann auch rausgefunden werden, ob ein Wert wirklich fehlt oder die befragte Person aufgrund der Filerführung die Frage nicht bekommen hat

Bei ordinal- sowie intervall- und verhältnisskalierten Variablen sollten die Messwerte so zugeordnet werden, dass stärkere Merkmalsausprägungen auch einen höheren Wert zugeordnet bekommen, das macht die Analyse intuitiver

-> wenn anders herum kodiert wurde, kann die Variable umgepolt werden

• Wenn Indizes aus bestehenden Variablen berechnet werden müssen (nur wenn alle Variablen vorher richtig kodiert wurden)

• wenn stetige/fein abgestufte Variablen in diskrete Variablen mit weniger Abstufungen umgewandelt werden müssen

  -> dazu gibts dann neue Variablen- und Wertelabels

• Versuch, die Repräsentativität von Populationsstichproben zu erhöhen, indem man die Stichprobe der Zielpopulation in ihrer Verteilung anpasst

• mittels Vervielfachung von vorhandenen Daten soll emprirische Realität modelliert werden, also die Verhältnisse der Grundgesamtheit nachgebildet werden

• ausreichende Fallzahlen sind nötig, damit nicht eine befragte Person großen Einfluss aufs Gesamtverfahren hat