Lektion 5

sorgfältige und gründliche Bereinigung und Aufbereitung der Daten

Fehler in der Bereinigung und Aufbereitung können dazu führen das alle Ergebnisse verfälscht sind

Sauberer Datensatz ist wichtig

Wichtig Begriff belastbar! Große Firmen müssen sich auf Ergebnisse verlassen können, weil Investitionen oft in Millionen höhe

Unbehandelte noch nicht weiterverarbeitete Daten einer Untersuchung bilden das Rohdatenmaterial

Existiert oft in verschiedenen Formen und Formaten

Enthält Lücken und Inkonsistenzen, ist in Gesamtheit schwer zu überblicken

Muss erst sortiert, kommentiert, formatiert, anonymisiert, bereinigt und oft transformiert werden (um systematische Datenanalyse zu ermöglichen)

eine Verordnung der Europäischen Union

Regeln zur Verarbeitung personenbezogener Daten durch private Unternehmen und öffentliche Stellen

EU weit vereinheitlicht worden

fehlerhafte Ergebnisse vermeiden: Tippfehler , Doppelungen führen zu Verzerrung des Ergebnisses und falsche Inhaltliche Schlussfolgerungen

Schwierigkeiten und Verzögerungen bei der Daten (re) Analyse vermeiden: Ziel Daten so aufbereiten das sie später durch zb Forschungspartner problemlos genutzt werden können ( zb fü Re oder Sekundäranalyse)

dafür gut kommentierter Datensatz

Ethische Probleme vermeiden: Teilnehmede Personen dürfen nicht identifizierbar sein

ausser schriftliches Einverständnis

wäre sonst Vertoß gegen Datenschutzgesetze

ernete Auswerten der Daten von dem gleichen Forscher (Re Analyse)

oder von einem anderen Forscher evtl mit anderer Forschungsfrage (Sekundäranalyse)

eine Software zur Berechnung von statistischen Kennzahlen und komplexen Auswertungsverfahren

SPSS (Statistival Package for the social Sciences von IBM

kann an Bedürnisse angepasst werden , man kauft zb nur die Auswertungsverfahren die man auch braucht

ist aber sehr teuer

kostengüstier ist STATA

freie Anbieter Software R ist eine Programmiersprache für Berechnungen von statistiken

Programmiersprache für statistische Berechungen und Grafiken aus der Mitte der 70er Jahre

PSPP- freier und kompatibler Ersatz für SPSS

deckt aber nur begrenzten Umfang ab

verfügt aber über grafische Benutzeroberfläche

ausserdem möglichkeit der Steuerung über Kommandozeile

nur für einfache Grundauswertungen

Daten aus Befragungssoftware in SPSS Format exportieren

man bekommt fertigen SPSS Datensatz

kann sofort mit bereinigung starten

zuerst Codierung

dazu bedarf es einen Codeplan (zuordnung der Fragen und Antwortoptionen zu Zahlencodes für Verwendung in Statistikprogrammen

Variablennamen in Statistikprogramm dürfen nur aus Buchstaben, Ziffern und Sonderzeichen bestehen

Erste Zeichen muss immer ein Buchstabe sein

Ausprägung eines Merkmals von bezogenen Merkmalsträgern

können unterschiedliche Merkmalsausprägungen besitzen

Variable F1 bestitz zb 2 Merkmalsausprägungen: weiblich, männlich

mit hilfe des Codeplans wird weibilch 1, männlich 2

ordnet den einzelnen Fragen eines Fragebogens Variablennamen zu

ordnet den Merkmalsausprägungen einer Variablen Codes zu

Codierschema nach Bühl/Zöfel im Skript Seite 56

ausserdem hat jeder Fragebogen eine ID zur Kontrolle von Unklarheiten.

wenn codeplan vorliegt - Daten in SPSS eingeben

wenn man SPSS startet - erhält man leeren Variableneditor

abbidlung Skript S. 57

hier kann man Variablen so wie im Codeplan definiert eingeben

im Beispiel numerische Variabel - nur Zahlen und keinen Text

bei offener Frage müsste man Zeichen auswählen

dann F1 anlegen (zb ist numerisch bekommt Beschriftung Geschlecht)

ausserdem Variablenwerte (Value Labels) eingeben

1 für weiblich und 2 für männlich

nun eigtl. Codes in Dateneditor eingeben

ist ein spreadsheetähnliches Arbeitsmittel

Spreadsheet - ein in Zeilen und Spalten aufgeteiltes Arbeitsblatt

ermöglicht einfache und effiziente Dateneingabe

einzelnen Zeilen entsprechen einzelnen Fällen

zb Umfrage- einzene Zeile : Angaben einer befragten Person

einzelnen Spalten entsprechen einzelnen Variablen

bei Fragebogen speichert eine Variable die Antworten auf eine einzelne Frage

einzelnen Zellen enthalten Werte der jeweiligen Variablen des jeweiligen Falles

jede Zelle speichert einen einzelnen Variablenwert

ist alles eingegeben sind das dann die Rohdaten

möglichst hohe Datenqualität

bei quant. Daten über Reihe von Kriterien:

Vollständigkeit

Einheitlichkeit

Abschluss doppelter Werte /mehrfacher Datenzeilen

sachgerechte Behandlung von fehlenden Werten

Erkennung und Behandlung von Ausreißern

Plausibilität der Antwortmuster

Überblick über vorhandene Daten verschaffen

dazu Häufigkeitstabelle über alle Variablen (wird mit SPSS einfach erstellt)

man kann daran erkennen ob codes vorhanden sind die nicht definiert wurden

zb bei einem unbekannten Wert

hiermit kann ich herausfinden wie der richtige wert lauten muss

wenn eine Befragung zu unterschiedlichen Zeitpunkten wiederholt wird

es kann passieren das nicht alle Datensätze gleich codiert wurden

fällt über Häufigkeitstabelle sofort auf

Datensatz anonymisieren

seitens der Marktforschung besondere Sorgfalt

manchmal bei zb Mitarbeiter befragungen gefahr das zb bei Frage einer Behinderung klar ist wer gemeint ist

immer Prüfen ob diese Daten evtl entfernt werden müssen

ist eine Adresse in Computernetzen

basiert auf Internetprotokoll (IP)

wird Geräten zugewiesen die an das Netz angebunden sind

macht die Geräte adressierbar und erreichbar

für jede einzelne Untersuchungseinheit prüfen ob ausreichende Anzahl an plausiblen werten vorliegt

nur dann können plausible Aussagen über den Fall getroffen werden

wenn nicht muss gesamte Fall ausgeschossen werden

geringer Prozentsatz an unvollständig oder nicht ernsthaft ausgefüllter Fragebogen ist typisch

Teil der Datenbereinigung wird vorweggenommen

zb Einfabe unzulässiger Werte

automatische Plausibiliätschecks

zb Analyse auf stereotype Antwortmuster ( mittelkreuzer die immer mittlere Kategorie ankreuzen)

speeder können identifiziert werden (füllen Fragebogen sehr schnell aus)

Dauer des ausfülles wird erhoben

Daten speichern

für Datentransformation mit einer Kopie weiterarbeiten

verschiedene Ansätze werden ausrpobiert udn verglichen

können aber auch Fehler passieren - Folge das Daten verloren gehen

es kann aber immer auf den original Datensatz zurück gegriffen werden

ist Befehlssprache in SPSS

jedem Befehl liegt Syntax im Hintergrund zugrunde

läuft während Programmnutzung

Prozess der Datennutzung ist für andere nachvollziehbar und kann beurteilt werden

Umgang mit fehlenden Werten

Umcodierung von bestehenden Variablen

Bildung neuer Variablen

Gewichtung von Stichproben

zb Befragte übersehen Antwortoption

oder Unangenehme Frage wird bewusst übersprungen

oder ungültige Antwort

Datenaufberteitung- herausfinden warum Werte fehlen

Fehende Werte mit eigenständigen Codes (zb -99, -77) kennzeichnen

dann kann man unterscheiden ob jemand Frage bewusst nicht beantwortet hat

wichtiger Aspekt der Datentransformation

Ordinal sowie Intervall und Verhältnissskalierten Variablen - Messswerte zuordnen

stärkere Merkmalsausprägung bekommen dann höheren Wert zugeordnet

Analyse wird dann intuitiver

sollte falsch herum codiert worden sein , kann man Variabel umpolen

zb Indizes aus bestehenden Varialben berechnen

oder stetige , sehr fein abgestufte Variablen müssen aus inhaltlich oder forschungstechnischen Gründen in disrkete V umgewandelt werden

SPSS hat große Anzah an Möglichkeiten neue Variablen zu bilden

Versuch Repräsentativität von Populationsstichproben zu erhöhen

man passt Stichprobe der Zielpopulation in ihrer Verteilung an

Zie ist, mittels Vervielfachung von vorhanden Daten, Angleichungen an empirische Realität zu modellieren

zb für Populationsbeschreibenede Studien