Empirie - Einführung

Nicht-probalistische Stichprobe

4. Typische Auswahl / Ad-hoc- Stichprobe / Gelegenheitsstichprobe

• Befragung von Personen, die leicht erreichbar sind. Sie setzt sich aus denjenigen Elementen der Population zusammen, die gerade für eine Untersuchung verfügbar sind.
•  Beispiel: Bekanntenkreis

Deskriptive Statistik 1:

• pro Variable: Kenntnis der Skalen- und Messniveaus
• Nominalskalen: Klassifikation =/≠
  • Beispiel: Geschlecht, Religionszugehörigkeit
• Ordinalskala: Rangfolge: =/≠; </>
• Beispiel: Hitparade, Schulnoten
• Intervallskala: gleiche Abstände =/≠; </> ; +/-
  • Beispiel: Zeit, Intelligenz
• Verhältnisskala: fester Nullpunkt =/≠; </> ; +/-; ×/÷
  • Beispiel: Einkommen, Alter, Länge

Deskriptive Statistik 2

Univariat = eine Variable wird betrachtet (nicht mehrere)

Multivariant = mehrere Variablen werden betrachtet, nicht eine

Welche Information ist dieser Häufigkeitsverteilung zu entnehmen? (FM = Seminar „Forschungsmethoden“)

Deskriptive Statistik 3

Maße der zentralen Tendenz = Kennwerte der Verteilung einer Variablen

• häufigster Wert = Modus
• Zentralwert (in der Mitte zwischen der oberen und der unteren Hälfte der Fälle) = Median
• Durchschnitt / Mittelwert = arithmetisches Mittel

Deskriptive Statistik 4

Mittelwert = Information über zentrale Tendenz

Fehlend = Information über Homogenität/Heterogenität der Werte ->  Maße der Streuung einer Verteilung = Dispersionsmaße:

• Spannweite = Variationsbreite
• Interquartilbereich
• Standardabweichung

Deskriptive Statistik 5

Maße der Streuung - Standardabweichung s, SD, σ (sigma)

Standardabweichung = s oder SD (standard deviation)

• Am häufigsten verwendetes Streuungsmaß
• Voraussetzung ist Intervallskala
  •  Berechnung:
    • Quadratwurzel aus dem Durchschnitt der quadrierten Abstände
    • der Messwerte vom Mittelwert.

Deskriptive Statistik 6

Bivariate Verteilung = zwei Variablen werden betrachtet

Kernfrage: Gibt es einen Zusammenhang?

Z.B. wenn die eine Variable zunimmt, nimmt dann auch die andere zu?

• Wenn es mehr Autos gibt, gibt es dann auch mehr Unfalltote?
• Wenn mehr Studierende an einem Kurs teilnehmen, werden dann die Noten schlechter?

Deskriptive Statistik 7

Korrelationsmaße

• Wahl des Korrelationsmaßes abhängig vom Skalenniveau der Daten
• Entscheidend ist das Skalenniveau der Variablen mit dem niedereren Skalenniveau
• wenn 2x2-Tabelle: Φ (Phi-Koeffizient) → Excel/SPSS
• wenn größer (2x3, 3x3, 2x4…): Cramers V → Excel/SPSS

Deskriptive Statistik 8

Chi-Quadrat

• Ergebnisse (sowohl bei Phi, wie auch bei Cramers V) liegen zwischen 0 = kein Zusammenhang und 1 = max. Zusammenhang
• Literatur: Interpretation abhängig von anderen Ergebnissen desselben Datensatzes
• Faustregel aus der Praxis:
  • 0,1 – 0,3 = schwacher Zusammenhang
  • 0,4 – 0,5 = mittlerer Zusammenhang
  • > 0,5 = starker Zusammenhang

Deskriptive Statistik 9

Pearsons r/r²

•  r ≠ kausaler Zusammenhang!

        -> Vorsicht vor Scheinkorrelationen!

• Korrelation ≠ überzufälliger Zusammenhang!
• für diese Aussage: Signifikanztest notwendig
• -> t-Test: t-Wert + Freiheitsgrade df + p-Wert; Interpretation: p-Wert muss < Signifikanzniveau (0.05 = signifikant/ 0.01=sehr signifikant / 0.001=hoch signifikant), sonst „nicht signifikant“
• +/- sagt nichts über die kausale Richtung aus! (Lernzeit beeinflusst Notenverbesserung oder Notenverbesserung beeinflusst Lernzeit)

Inferenzstatistik 1

• Schließende Statistik = inferenzielle Statistik = Inferenzstatistik
•  Ziel: Entweder Aussagen über den Zusammenhang zwischen
  • einer Stichprobe und der Gesamtheit aller Fälle: „Mit welcher Wahrscheinlichkeit kann der in einer Stichprobe gefundene Mittelwert auf die Grundgesamtheit übertragen werden“?
  • Schätzverfahren: Beispiel Wahlprognose (Angabe des Konfidenzintervalls)
  •  ⇒ Repräsentationsschluss

Inferenzstatistik 2

• …oder: Aussagen über den Zusammenhang zwischen
  • zwei bzw. mehreren Stichproben: „Ist der bei einem Stichprobenvergleich sichtbare Unterschied zwischen zwei Mittelwerten zufällig entstanden oder ist er signifikant?“
  • o        Signifikanztests: Hypothesen über eine Population werden anhand von Stichproben überprüft.
  • o        Beispiel: Die Intelligenz von Internetnutzern ist größer als von Nichtnutzer

-> t-Test

Inferenzstatistik 3

„Signifikanz“ = Überzufälligkeit

„signifikant“ = nicht auf Zufall beruhend

Inferenzstatistik: Signifikanzniveaus

Signifikanzniveau              Bezeichnung                    Symbol

> 5,0% (p>0,05)                  Nicht signifikant                 Ns

5,0% (p<0,05>0,01)             signifikant                          *

1,0% (p<0,01>0,01)             Sehr signifikant                  **

0,1% (p<0,001)                    Höchst signifikant              ***

Inferenzstatistik 5: Beispiel Anwesenheit

• 2 Mittelwerte zu vergleichen (1. Anwesenheit in wissenschaftliches Arbeiten = mit Anwesenheitspflicht; 2. Anwesenheit) in Medienforschung = ohne Anwesenheitspflicht
• Voraussetzungen für t-Test sind erfüllt
• Hypothese: Anwesenheitspflicht führt zu signifikanten Unterschieden

-> zu testende Nullhypothese: keine Unterschiede

• Vorarbeiten am Datensatz: Alle Fälle löschen, die nicht in beiden Stichproben vorkommen

Intersubjektive Nachvollziehbarkeit:

• alle Schritte der Analyse sind transparent und in sich logisch dokumentiert
• eine Studie kann zu jedem beliebigen Zeitpunkt und von jedem beliebigen Forscher exakt repliziert werden kann

       Nachvollziehbarkeit = Transparenz

Gefährdung:

• Die Methode (= der Weg) zu Daten, Befunden und Interpretationen muss nachvollziehbar sein.
• Das Untersuchungsmaterial muss für eine Reanalyse zur Verfügung stehen.

Objektivität:

• Keine persönlichen Vorlieben und Erfahrungen berücksichtigen
• unabhängig von Auftraggebern arbeiten
• Sonst: Gefahr der Verzerrung
• Rolle des neutralen Beobachters
• Vorgehen nach wissenschaftlich festgelegten Regeln, systematisch und methodisch korrekt

Gefährdung Objektivität

•  Wissenschaftler sind nicht wertfrei: Wertungen spielen eine Rolle bei

o der Auswahl der Fragestellungen

o der Operationalisierung der Variablen

o der Auswertung und Interpretation (Einseitigkeit)

• finanzielle Abhängigkeit von Instituten und einzelnen Wissenschaftlern

Qualitative Maßnahmen:

       Transparenz: Nachvollziehbarkeit und Überprüfbarkeit der

       Untersuchung

       rigorose Standardisierung der Untersuchung

o        Neutralität der Vl: Doppelblind-Versuch

o        Vermeiden sozialer Interaktion

o        eindeutige Regeln der Auswertung und Interpretation

Quantitative Maßnahme Objektivität

       Objektivitätskoeffizient: Messung der Übereinstimmung verschiedener Forscher

Zusammenfassung: Aspekte der Objektivität

•        Sachlichkeit (der optischen und nichtverbalen Darstellung)
•        Überparteilichkeit
•        Vollständigkeit
•        Richtigkeit

Reliabilität

•  Dieselbe Fragestellung führt unter gleichen Anwendungsbedingungen zum gleichen Ergebnis.
•  Z.B. verlässliches Erhebungsinstrument: fehlerlose Messung

Gefährdung:

•  mangelnde Präzision der Erhebungsinstrumente: fehlende Messgenauigkeit
•  Das Erhebungsinstrument beeinflusst die zu messende Variable: methodisches Artefakt
•  Situative Störvariablen gehen in den Messwert ein.
•  Die untersuchte Variable ist nicht zeitstabil.

Qualitative Maßnahmen der Relibilität

•  sorgfältige Konstruktion der Erhebungsinstrumente
•  Bedingungskonstanz der Erhebungssituation

o        Schulung der Versuchsleiter, Interviewer usw.

o        apparative Durchführung, z.B. mit Computer, Video

Quantitative Maßnahmen in der Reliabilität

•  Test-Retest-Koeffizient: Wiederholungsmessung
•  Interrater-Koeffizient: Übereinstimmung mehrerer Forscher

Validität (Gültigkeit)

•  gibt an, ob ein Instrument tatsächlich das misst, was es messen soll. (Gültigkeit)

o        Z.B. Wird in der Prüfung die Variable „Wissen“ geprüft oder etwa eine „Meinung“ abgefragt?

o        Z.B. vollständiges Kategorienschema

•  zuverlässige Messung (Reliabilität) ist Bedingung für die Gültigkeit (Validität) einer Messung

Gefährdung der Validität

•  misslungene Operationalisierung: Es wird gar nicht die gewünschte Variable gemessen.
•  falsche Wahl von Indikatoren für eine Variable
•  Konfundierung (= Vermischung): unkontrollierte Variablen gehen mit in das Ergebnis ein.
•  Scheinzusammenhang zweier Variablen

Qualitative Maßnahmen der Validität

• Inhaltsvalidität bei manifesten Variablen
• Konstruktvalidität: Verankerung latenter Variablen in einer Theorie
• kommunikative Validierung (im Gespräch)
• konvergente Validität: verschiedene Methoden führen zu ähnlichen Ergebnissen

Quantitative Maßnahme der Validität

• Kriteriumsvalidität: Vergleichsmessungen von kausal verknüpften Variablen = externe Kriterien

Qualitative Forschung

• Komplexes Phänomen
• In ganzer Bandbreite beschreiben
• Niedrige Fallzahlen
• Überwiegend offene Fragestellung
• Wenig standardisierte Methoden

Quantitative Forschung

• Empirische Beobachtung
• Wenige, ausgesuchte Merkmale systematisch mit Zahlenwerten belegen
• Hohe Fallzahlen
• Überwiegend geschlossene Fragestellungen (Fragebögen)
• Standardisierte Methoden

Vorteile Qualitative Methoden

• Methode passt sich an den Untersuchungsgegenstand an und nicht umgekehrt
• Offenheit des Vorgehens ermöglicht Entdeckung bisher unbekannter Sachverhalte
• Fokus wird vom Teilnehmer selbst bestimmt
• Möglichkeit, Hintergründe zu erfragen und Unklarheiten zu beseitigen
• Informationen über subjektive Sicht der Gesprächspartner, da keine Vorgaben
  • hohe inhaltliche Validität durch nicht präderterminierte Vorgehensweise
  • tieferer Informationsgehalt durch offene Befragung
  • größere Subjektivität der Ergebnisse