WAFT - FH St. Gallen
FH Master St.Gallen
FH Master St.Gallen
Tabelle als Auswertungsgrundlage
Folgende Informationen sind pro Interview festzuhalten:
(7)
Folgende Informationen sind pro Interview festzuhalten:
- Interviewnr.
- Name,
- Pseudonym oder Unternehmen
- Zeilennr.
- Textstelle im Sinne eines wörtlichen Zitat
- Hauptkategorie
- Subkategorie
Zu allgemeineren Erkenntnissen gelangen Durch...
(3)
- Herausarbeiten von inhaltlichen Differenzen
- innerhalb von Fällen und
- über Fälle hinweg
- Suchen nach Gemeinsamkeiten
- Ableiten von für einige oder für alle Fälle typisch erscheinenden Grundtendenzen aus Gemeinsamkeiten und Unterschieden
Auswertungsformen
(7/14)
- Kategorienbasierte Auswertung entlang der Hauptkategorien
- Leitfragen
- Was wird zu diesem Thema alles gesagt?
- Was kommt nicht oder nur am Rande zur Sprache?
- Inhaltliche Ergebnisse in qualitativer Weise präsentieren und interpretieren
- Wörtliche Zitate im Sinne von Ankerbeispielen verwenden
- Leitfragen
- Analyse der Zusammenhänge innerhalb einer Hauptkategorie
- Welche Subkategorien werden besonders häufig zusammen genannt?
- Welche Subkategorien kommen nur selten oder gar nicht gemeinsam vor?
- Werden im Zusammenhang mit einer Subkategorie nur bestimmte andere Themen genannt?
- Lassen sich Muster identifizieren?
- Analyse der Zusammenhänge zwischen den Hauptkategorien
- Zusammenhänge zwischen zwei oder mehreren Hauptkategorien untersuchen
- Kreuztabellen – qualitativ und quantifizierend
- Herstellen von Verbindungen zwischen gruppierenden Merkmalen – soziodemographischer Art – und den codierten thematischen Äusserungen
- Auszählen, wie häufig bestimmte Subkategorien genannt werden
- Graphische Darstellungen
- Mithilfe von Diagrammen einen Überblick über Subkategorien geben
- Fallübersichten
- Fallübersichten vergleichen eine Auswahl von Fällen hinsichtlich von Merkmalen, die für die Forschungsfrage als besonders relevant eingeschätzt werden
- Vertiefende Einzelinterpretation
- Detailanalyse eines oder weniger ausgesuchter Fälle
- Äusserungen von einzelnen, als besonders interessant erscheinenden Personen zur Illustration der verallgemeinernden Analyse darstellen
Auswertung dokumentieren
(6)
Gesamten Auswertungsprozess dokumentieren, d.h.
- Einzelne Schritte des Auswertungsprozesses darstellen
- Methodisches Vorgehen anhand von einigen Kategorien und deren Ankerbeispielen erläutern
- Art der Kategorienbildung darlegen
- Beschreiben, inwieweit die Haupt- und Subkategorien am Material gebildet wurden
- Kategoriensystem vorstellen
- Codierregeln und Ankerbeispiele integrieren
Der Pearson Korrelationskoeffizient führt zu falschen Ergebnissen bei...:
- Bei ordinalem Skalenniveau
- Bei nicht-normalverteilten intervallskalierten Daten und/oder
- Bei nicht-linearen Zusammenhängen
Fragestellung: Gibt es einen Zusammenhang zwischen den beiden Variablen Umsatz und Distanz zum Konkurrenzgeschäft?
Wie ist die Hypothese zu formulieren?
- Die Höhe des Korrelationskoeffizienten gibt an, ob ein Zusammenhang besteht oder nicht.
- Bei einem zweiseitigen Test lautet die Null- und Alternativhypothese:
H0: r = 0
Zwei Variablen sind in der Grundgesamtheit nicht miteinander korreliert.
H1: r≠0
Zwei Variablen sind in der Grundgesamtheit miteinander korreliert.
Bedeutung R-Quadrat:
Ein Mass für die Güte der Anpassung eines Modells. Es liegt zwischen 0 und 1. Kleine (Bestimmtheitsmass) Werte zeigen an, dass das Modell nicht gut zu den Daten passt.
Bedeutung F
Wenn der F-Wert gross und das Signifikanzniveau klein ist (kleiner als etwa 0.05 oder 0.01), kann die Nullhypothese abgelehnt werden. Ein kleines Signifikanzniveau gibt also an, dass die Ergebnisse höchstwahrscheinlich nicht zufällig zustande gekommen sind.
Bedeutung Sig.
Im Allgemeinen kann bei Werten unter 0.05 die Nullhypothese abgelehnt werden; bei Werten über 0.10 wird die Nullhypothese nicht abgelehnt.
Vor bzw. Nachteil der Quadrierte Korrelationen
Die quadrierte Korrelation der Zufriedenheit mit einem Leistungsparameter und der Gesamtzufriedenheit
Vorteil:
- Einfach handhabbar
- Hoher Bekanntheitsgrad des Verfahrens
- Keine kontraintuitiven Ergebnisse (z.B. negative Wichtigkeiten)
Nachteil:
- Keine Berücksichtigung von Zusammenhängen zwischen den Leistungsparametern (Wichtigkeit unwichtiger Leistungsparameter wird überschätzt)
- Keine Berücksichtigung der Messproblematik
--> Jhonsons Epsilon als ideales Verfahren zur indirekten Wichtigkeits- bestimmung. Quadrierte Korrelationen als einfach umzusetzende und dennoch leistungsfähige Alternative.
Welche Fragen müssen beantwortet werden bevor das Diamgramm ausgewählt wird
- Welche Aussage?
- Welcher Vergeich?
- Welcher Diamgrammtyp?
Für welche Aussage wird welcher Vergleich gewählt?
- Struktur
- Anteile an einer Gesamtheit: Welchen Anteil haben einzelne Komponenten an einer Gesamtheit?
- Anteil, Prozentsatz X, X Prozent entfielen auf
- Anteile an einer Gesamtheit: Welchen Anteil haben einzelne Komponenten an einer Gesamtheit?
- Rangfolge
- Reihung von Einzelobjekten: Sind sie alle gleich, oder ist eines grösser, kleiner, besser oder schlechter als das andere?
- grösser als, kleiner als, gleich
- Reihung von Einzelobjekten: Sind sie alle gleich, oder ist eines grösser, kleiner, besser oder schlechter als das andere?
- Zeitreihe
- Veränderungen über die Zeit: Steigerung, Rückgang oder Stagnation im Zeitverlauf
- verändern, wachsen, steigen, zunehmen, fallen, sinken, schwanken
- Veränderungen über die Zeit: Steigerung, Rückgang oder Stagnation im Zeitverlauf
- Häufigkeitverteilung
- Besetzung von Grössenklassen: Wie häufig tritt ein bestimmtes Objekt in verschiedenen, aufeinanderfolgenden Grössenklassen auf?
- Bereich X-Y, Konzentration, Häufigkeit, Verteilung
- Besetzung von Grössenklassen: Wie häufig tritt ein bestimmtes Objekt in verschiedenen, aufeinanderfolgenden Grössenklassen auf?
- Korrelation
- Beziehung zwischen Variablen: Folgt der Zusammenhang zwischen zwei Variablen dem "normalen" Muster?
- relativ zu, steigt (nicht) mit, fällt (nicht) mit, verändert sich (nicht) passt
- Beziehung zwischen Variablen: Folgt der Zusammenhang zwischen zwei Variablen dem "normalen" Muster?
Für welchen Vergleich wird welcher Diagrammtyp gewählt?
- Struktur
- Kreisdiagramm bzw. bei Darstellung von Relationen: Säulendiagramm
- Rangfolge
- Balkendiagramm
- Zeitreihe
- Säulen- oder Liniendiagramm
- Häufigkeitverteilung
- Säulen- oder Balkendiagramm
- Korrelation
- Punktdiagramm (X, Y)
Kreisdiagramm für einen Struktur-Vergleich (Eigenschaften)
(8)
- Wirkt eindeutig als etwas Vollständiges
- Geeignet für die Darstellung einzelner Bestandteile eines Ganzen in Prozent dieser Gesamtheit
- Maximal 6 Komponenten
- Falls mehr als 6, dann Auswahl der wichtigsten 5 Komponenten und Zusammenfassung der übrigen unter «Sonstige»
- Die wichtigste Komponente an der 12-Uhr-Linie, da Zuhörer im Uhrzeigersinn lesen
- Wahl der stärksten Kontrastfarbe für diese Komponente
- Falls keine besondere Relevanz einer bestimmten Komponente, dann Anordnung ohne Farbunterscheidung in der Reihenfolge vom grössten zum kleinsten
- Balken oder Säulen bei der Abbildung mehr als «einer Gesamtheit» besser geeignet
Kreisdiagramm für einen Struktur-Vergleich (Eigenschaften)
(5)
- Nachteil Legende: Der Betrachter muss ständig zwischen Legende und Diagramm hin- und herschauen
- Leichtere Orientierung bei einheitlicher Farbgebung für alle Komponenten
- Schwierige Erfassung von Relationen bei zwei Kreisdiagrammen (Der Betrachter muss laufend hin- und herspringen)
- 100-Prozent-Säulen zur Darstellung von Relationen besser geeignet
- Betonung von Relationen durch Verbindungslinien
Balkendiagramm für einen Rangfolge-Vergleich
(7)
- Absteigende Sortierung am sinnvollsten
- Abstände zwischen den Balken kleiner als die Balkenbreite
- Markierung des wichtigsten Objekts entsprechend dem Action Titel
- Runde Zahlen am Ende des Balken ausserhalb ohne Achsenskalierung, da einprägsamer als Dezimalzahlen
- Identische Achsenskalierung für alle Balkendiagramme (z.B. 0%-70%)
- Lange Bezeichnungen der einzelnen Objekte brauchen Platz
- Säulendiagramm ist für Rangfolge-Vergleich ungeeignet, da zu schmale Säulenbasis, daher häufig unleserliche Beschriftungen
Säulendiagramm für einen Zeitreihen-Vergleich (Eigenschaften)
(3)
- Geeignet für die Darstellungen von maximal 10 Zeitpunkten
- Bei mehr als 10 Zeitpunkten, z. B. 20-Jahres-Trend, ist ein Liniendiagramm geeigneter.
- Darstellungshinweise für Balkendiagramme gelten auch für Säulendiagramme, z. B. Abstand zwischen den Säulen kleiner als die Säulenbreite
Liniendiagramm für einen Zeitreihen-Vergleich (eigenschaften)
(7)
- Kurvenlinie stärker als vertikale und horizontale Gitternetzlinien
- Wichtig ist das richtige Mass zwischen zu vielen und gar keinen Gitternetzlinien
- Mehrfach-Liniendiagramme zur Gegenüberstellung der Entwicklung von zwei oder mehr Objekten
- Stärkste Linie für den Hauptbezugspunkt, z.B. das eigene Unternehmen oder Gesamt
- Geringere Linienstärke für alle anderen Linien
- Maximal drei Linien für einen Zeitreihen-Vergleich in einem Kurvendiagramm
- Beim Vergleich des eigenen Unternehmens mit den Wettbewerbern separates Diagramm für jeden Wettbewerber mit jeweils zwei Linien
Säulendiagramm für einen Häufigkeits-Vergleich (Eigenschaften)
(8)
- Wie oft tritt ein Objekt (Häufigkeit: absolut oder in Prozent, vertikale Achse) in einer Reihe aufeinander folgender Grössenklassen (Verteilung, horizontale Achse) auf?
- Wichtig ist eine absteigende oder aufsteigende Sortierung der Grössenklassen basierend auf der Verteilung, NICHT nach Häufigkeit
- Balkendiagramm als alternative Darstellungsform
- Sinnvoll bei demografischen Daten
- Wahl des Diagrammtyps abhängig von der Anzahl der dargestellten Grössenklassen
- Säulendiagramm (= Histogramm) bei maximal 7 Grössenklassen
- Liniendiagramm bei einer grösseren Klassenanzahl
- Wichtig ist die Festlegung aussagefähiger Abstufungen bei der Gruppierung in Grössenklassen (gilt auch für die Entwicklung des Erhebungsinstruments)
Gestaltungsempfehlungen für Diagramme
(14)
- Daten bestimmen Darstellungsmöglichkeiten
- Eine Aussage pro Diagramm
- Einfache Gestaltung der Diagramme
- Aussagekräftige Überschrift passend zur Kernaussage des Diagramms Einheitlicher Standardrahmen für alle Diagramme
- Lesbarkeit der Diagramme gewährleisten
- Verzicht auf 3D-Effekte
- Auf Schwarz-Weiss-Druck- und Kopierfähigkeit achten
- Farben massvoll einsetzen
- Rote Diagrammelemente signalisieren besonders wichtige Aussagen
- Bei der Farbwahl auf gängige Farbassoziationen zurückgreifen, z.B. Ampel- Prinzip
- Bestimmte Farbe für wiederkehrende Kategorie zuweisen
- Mindestens vier, jedoch nicht mehr als zehn Werte an der Werteskala
- Diagramm dem Lesefluss entsprechend von links nach rechts aufbauen
- Legenden sparsam verwenden
Quantitative Inhaltsanalyse
Verdichten und reduzieren des zu Grunde liegenden Materials
Qualitative Inhaltsanalyse merkmale
(7)
- Durch interpretation das verstehen des Materials anstreben
- keine Hypothese nötig
- Parallele Datenerhebung und Analyse mit Rückkoplungsschleifen
- Hermaneutisch- Interpretative orientierte Codierung des Datenmaterials
- Daten auch nach auswertung relevant
- Kategorien Strukturieren und systematisieren
- Analyse ≠ Statische Datenanalyse
Quantitative Inhaltsanalyse (Beispiele)
(5)
- Geschäftsbericht
- Anzeigen in Zeitschriften
- Meinungsportal im Internet
- TV-Werbesport
- Verpackungen von Konsumgütern
Qualitative Inhaltsanalyse (Beispiele)
- Gruppendiskusion von Konsumenten
- Einzelinterview von Managern
- Fallstudien von Existenzgründern
- Videos und Verhandlungen
- Collagen von Kindern und Jugentlichen über Marken
Transkription (Definition)
- Mit Transkription wird gesprochene Sprache in schriftliche Form gebracht
Audio(visuelle Daten werden aus Denke-Laut Protokollen, Diskussionen oder Interviews für die Analyse Dokumetntation und Berichterstaellung in eine schriftliche Form gebracht.
Transkription (Ziel)
Gesprächsverlauf wirklichkeitsgetreu widergeben und so für Analyse und Interpretation brauchbar machen
Gesprächsvorbereitung und Durchführung (Merkmale)
(5)
- Richtlienien zur Transskripterstellung festlegen
- Auf akustisch gut hörbare tonbandaufnahmen achten
- Missverstäntnisse während dem Gespräch klären
- Ggfs. Interviewpartner um laute Ausprache bitten
- Feldnotitz über gesprächsverlauf anfertigen
Nachbearbeitung Interview (Merkmale) (Transkripterstellung)
(6)
- Jedes Interview ein seperates Textdokument anlegen
- Interviewee und Interviewer Aussagen trennen
- Kürzel zur identifikation zu begin der Zeile
- Absatz bei wechsel des sprechenden
- Satzzeichen zur Definition von Analyseeinheiten
- Zeilennummern zum schnelleren Auffinden von Textstellen
Arten von Transkriptionssystemen
Für anfänger --> Wörtliche Transkription
(Ereignis)
(lachend), (verärgert)
Sicher
( )
(so schrecklich?)
Generelles Vorgehen bei der Inhaltsanalyse
(5)
- Texarbeit
- Kategorienbildung
- Codierung
- Analyse
- Ergebisdarstellung
Kategorie (Definition)
(3)
- Kategorien sind Begriffe welche einen mehr oder weniger hohen grad an Komplexität aufweisen
- Zur Kategorie werden sie durch genaue Definition
- Die Definition erfolgt dabei durch umschreiben seines inhaltes anhand von Ankerbeispielen
Kategorien (Arten)
(3)
Fakten-Kategorie
- Bezieht sich auf eine objektive begebenheit z.b.: Ich bin Dozierender
Inhaltliche Kategorie
- Bezieht sich auf bestimmten Inhalt z.b.: Konsumverhalten
Formale Kategorie
- bezieht sich auf Daten und Informationen z.b.: Länge des Interviews in Minuten, Datum des Interviews oder Namen des Interviewers
Kategorienbildung - Prinzipien
(4/4)
- Exklusivität
- Kategorien dürfen keine Überschneidungen enthalten
- Vollständigkeit
- Kategorien müssen vollständig sein (keine "Sonstige")
- Unabhängigkeit
- Müssen unabhängig voneinander sein, darf nicht durch logigk zu einer doppelzuordung kommen
- Einfachheit
- nur ein Kriterieum sollte zur Systematisierung verwendet weden
Deduktive kategorienbildung
- von einer bereits bestehenden Theorie
- über den Gegenstandsbereich
- durch die abgeleiteten hypothesen
induktive Kategorienbildung
systematisch ohne expliziten Theoriebezug direkt aus dem vorliegenden Datenmaterial
-
- 1 / 127
-
Flashcards
Deskriptive Statistik (Definition)
- beschreibende Statistik
- beinhaltet Verfahren, mit denen sich durch die Beschreibung von Daten einer Grundgesamtheit Informationen gewinnen lassen
- Ziel ist es Infroamtionen übersichtlich darzustellen, um das wesentlich schnell zu erkennen
Skalennieveu
Skalennieveu
Skalennieveu
Skalenniveau – Varianten
Deskripitve Datenanalyse überblick
Welche Häufigkeitsverteilungen gibt es
- Absolute Häufigkeit
- Relative Häufigkeit mit fehlenden Werte (Prozent)
- Relative Häufigkeit Ohne felende Werte (Gültige Prozent)
- Kumulierte Häufigkeit (kumulierte Prozent)
Relative Häufigkeit Ohne felende Werte (Gültige Prozent)
Relative Häufigkeit mit fehlenden Werte (Prozent)
Relative Häufigkeit mit fehlenden Werte (Prozent)
Lage- und Streuungsparameter
Lageparameter (Übersicht)
- Artimethisches Mittel
- Durchschnitt aller Merkmalsausprägungen
- Median (0,5-quantil)
- In der Mitte stehende Merkmalsausprägung bei einer der grösse nach geortneten Reihe von Beobachtungen
- Modus (Modalwert)
- Die am häufigsten auftrtende Merkmalsauspägung
- Quantiele
- Lesbar aus Kumulierten Prozenten. In SPSS sind immer die Oberen Klassengrenzen angegeben
Streuungsparameter (Üerblick)
- Varianz
- Berechnung auf Basis der quadrierten Abweichungen der einzelnen Beobachtungswerte xi vom Mittelwert
- Standardabweichung (Streuung, mittlere Abweichung)
- Quadratwurzel auf der Varianz
- Können nur vergliechen werden, wenn die selbe Skala verwendet wurde
- Je grösser die Standartabweichung, je schlechter ist die Aussage des miitelwerters
- Spannweite
- Differenz zwischen dem grössten und dem kleinsten vorkommenden Merkmalswert
Kontingenzanalyse (Grundlage)
- Bivariate deskriptives Verfahren
- Verfahren der Assoziationsanalyse
- Untersuchung von Zusammenhängen zwischen zwei nominalskalierten oder ordinalskalierten Variablen
- Keine Unterscheidung zwischen abhängiger und unabhängiger Variable (=ungerichtete Zusammenhänge)
- Typische Anwendung: Untersuchen von Zusammenhängen zwischen Einkommensklasse und Konsumverhalten
- Kreuztabellierung zur tabellarischen Darstellung von Ergebnissen einer Erhebung und dadurch Erkennung eines möglichen Zusammenhangs zwischen den Variablen
Was sind Vorteile einer Kontingenzanalyse
- Variablen mit unterschieldichen skalenniveaus einer gemeinsamen Analyse
- Transformation von Variablen mit höheren Skalenniveaus auf nominale Niveaus
Was sind die Bedingungen für eine Kontingenzsanalyse?
- Nominal oder Ordinalskalierung
- Kein Unterschied zwischen Abhängiger und Unabhängiger Variable
Kreuztabelle: Erwarteter Wert
Bei völlig Unabhängigen Variablen würden allen Spalten und Zeilen eine gleiche Verteilung aufweisen. Daher:
Erwartete Anzahl = Zeilensumme ∗ Spaltensumme / Gesamtsumme
Nicht-standardisierte Residuen
Nicht−standardisierte Residuen = Anzahl (beobachtet) − erwartete Anzahl
Standardisierte Residuen
\(Standardisierte Residuen = {Residuen (nicht-standardisiert)\over \sqrt{Erwartete Anzahl} }\)
Standardisierte Residuen >2 weisen auf einen Zusammenhang hin. Bei Zusammenhängen auf intervenierende Variablen achten. Verwendung Diätprodukte bei Verheirateten eher, könnte aber auch mit dem alter zu tun haben. Zusammenhang zwischen Alter und Verheiratet
Korrelationsanalyse (Grundlage)
(5)
- Gewählter Korrelationskoeffizient zur Hypothesenprüfung abhängig vom Skalenniveau der in der Zusammenhangshypothese genannten Merkmale
- Ein bivariater positiver Zusammenhang (positive Korrelation) besagt, dass hohe Ausprägungen auf dem einen Merkmal mit hohen Ausprägungen auf dem anderen Merkmal einhergehen (= gleich gerichteter Zusammenhang).
- Bei einem negativen Zusammenhang gehen dagegen hohe Ausprägungen auf dem einen Merkmal mit niedrigen Ausprägungen auf dem anderen Merkmal einher (= gegenläufiger Zusammenhang).
- Prüfung des Zusammenhangs zwischen zwei intervallskalierten Variablen durch einen Korrelationskoeffizienten, genannt Produkt-Moment- oder (Bravais-)Pearson-Korrelationskoeffizient.
- Graphisch: Wie eng streut die Punktwolke um die Gerade?
Korrelationsanalyse (Möglichkeiten)
- Pearson (-1≤r≤1)
- Spearman ρ(-1≤ρ≤1)
- Kendall-Tau-b
Pearson (-1≤r≤1)
Der Pearson Korrelationskoeffizient hat folgende Eigenschaften:
(7)
- Unabhängig von n und Masseinheit
- Er liegt zwischen -1 und +1
- Keine Aussage über kausalität
- Beeinflussbar durch Ausreisser
- mind. Intervallskaliert
- linearer Zusammenhang
- z. B. Alter, Einkommen
- normalverteilte Daten
zuerst pearson testen dann spearman wenn es die nicht ist ist es Kendalls
Rangkorrelationskoeffizient Spearmans ρ(-1≤ρ≤1)
(3)
- Spearmans ρ unterscheidet sich von Pearsons r nur darin, dass die Werte zu Rängen umgeformt werden.
- Bindung heisst mehrere Werte gleich d.h. kein Rang möglich. Es wird ein hypothetischer Rang errechnet
- Spearman und Pearson sind numerisch äquivalent (= haben den gleichen Wert), wenn keine Bindungen auftreten
zuerst pearson testen dann spearman wenn es die nicht ist ist es Kendalls
Kendall-Tau-b
(3)
- Keine Annahme äquidistanter Abstände zweier aufeinanderfolgender Rangplätze
- Bei kleinen Stichproben (Gesamtanzahl an Fällen < 20) ist Kendalls τ als Zusammenhangsmass am geeignetsten
- Auch Kendalls τ ist unabhängig von Ausreissern
- Allerdings versagt Kendalls τa, falls die Werte einen hohen Anteil an Bindungen (=geteilten Rangplätzen, d.h. der gleiche Wert kommt mehrmals vor) aufweisen.
- Deshalb wird in SPSS Kendalls τb berechnet.
Welcher Korrelationskoeffizient soll angewendet werden?
Fragestellung:
Gibt es einen Zusammenhang zwischen den beiden Variablen Umsatz und Distanz zum Konkurrenzgeschäft?
- Die Höhe des Korrelationskoeffizienten gibt an, ob ein Zusammenhang besteht oder nicht
- Bei einem zweiseitigen Test lautet die Null- und Alternativhypothese:
H0: r=0 (Bei formulierung der Nullhypothese immer ein gleich zeichen vorhanden9
Zwei Variablen sind in der Grundgesamtheit nicht miteinander korreliert.
H1: r≠0
Zwei Variablen sind in der Grundgesamtheit miteinander korreliert.
Hypothese:
Je grösser die Distanz zum Konkurrenzgeschäft, desto höher ist der Umsatz
Wie ist die Hypothese zu formulieren?
- Auf Basis der Hypothese ist ein einseitiger Test zu wählen.
- Bei einem einseitigen Test lautet die Null- und Alternativhypothese z.B.:
H0: r≤0
Zwei Variablen sind in der Grundgesamtheit nicht oder negativ miteinander korreliert
H1: r>0
Zwei Variablen sind in der Grundgesamtheit positiv miteinander korreliert.
Mass für die Stärke des Zusammenhang
0.0 ≤ r < 0.1 kleiner Zusammenhang
0.1 ≤ r < 0.3 geringer Zusammenhang
0.3 ≤ r < 0.5 mittlerer Zusammenhang
0.5 ≤ r < 0.7 hoher Zusammenhang
0.7 ≤ r < 1.0 sehr hoher Zusammenhang
ab 50 fällen relevant
Modelpassung
(3)
- R-Quadrat
- Ein Mass für die Güte der Anpassung eines Modells. Es liegt zwischen 0 und 1. Kleine (Bestimmtheitsmass) Werte zeigen an, dass das Modell nicht gut zu den Daten passt.
- F
- Wenn der F-Wert gross und das Signifikanzniveau klein ist (kleiner als etwa 0.05 oder 0.01), kann die Nullhypothese abgelehnt werden. Ein kleines Signifikanzniveau gibt also an, dass die Ergebnisse höchstwahrscheinlich nicht zufällig zustande gekommen sind.
- Sig.
- Im Allgemeinen kann bei Werten unter 0.05 die Nullhypothese abgelehnt werden; bei Werten über 0.10 wird die Nullhypothese nicht abgelehnt.
Direkte Wichtigkeitsbestimmung – Schwächen
(6)
- Mangelnder Differenzierungsgrad
- Gefahr der kognitiven Überforderung
- Tendenz zu sozial erwünschten Antworten
- Existenz unbewusster Entscheidungskriterien
- Gefahr strategischer Antworten
- Höhere Wahrscheinlichkeit von Reaktanz- und Ermüdungserscheinungen
Indirekte Wichtigkeit
Zusammenhang Leistungsparameter und Gesamtzufriedenheit.
- Logischer Schluss auf Wichtigkeit
Verfahren der quadrierten Korrelationen
- Variablen, welche die Gesamtzufriedenheit beschreiben (bspw. Beschwerden, Service, Produkt usw.)
- Diese Variablen werden anhand Person in Korrelation gesetzt. Im Beispiel würden folgende Korrelationskoeffizienten Berechnet:
- A: Gesamtzufriedenheit und Beschwerden r=0.614
- B: Gesamtzufriedenheit und Service r=0.435
- C: Gesamtzufriedenheit und Produkt r=0.184
- Quadriere die Korrelationskoeffizienten im Beispiel
- A: r2=0.6142=0.377
- B: r2=0.4352=0.206
- C: r2=0.1842=0.034
- Prozentsatz der Summe aller r2 ergibt die prozentuale Wichtigkeit
- Beispiel:
- Summe r2=0.377+0.206+0.034=0.617=100%
- Beispiel:
Was ist Induktive Statistik?
Erkenntnisse aus einer Stichprobe sollen Schlüsse auf die GG gezogen werden. Das Verfahren dazu heisst Signifikanz-Test.
Information --> Iduktive Statistik --> Verallgemeinerbares Wissen
Was sind Signifikanztests?
Ein Verfahren mit dem anhand von n Hypothesen über die Verteilung bzw. die Verteilungsparameter von Merkmalen in der GG überprüft werden können.
Vorgehen zur Konstruktion eines Konfidenzintervalles
(6)
- Festlegung von:
- Grundgesamtheit
- Nullhyptohtese Ho
- Alternativhypothese H1
- Signifikanzniveau bestimmen
- Prüfgrösse bzw. Testverteilung bestimmen
- Ermittlung des Ablehnungsbereiches
- Berechung der empirischen Werts der Prüfgrösse auf basis der Daten aus der Stichprobe
- Vergleich von empirischen Wert mit kritischem Wert
Symmetrisch Zweiseitig
H0: μ=μ0 und H1: μ≠μ0
H0: Verteilung ist gleich gross
H1: Verteilung nicht gleich gross
Einseitig a
H0: μ≤μ0 und H1: μ>μ0
H0: Ein empirische Mittelwert ist kleiner als der GG
Einseitig b
H0: μ≥μ0 und H1: μ<μ0
2. Signifikanzniveau bestimmen
Wie gross muss ich α Wählen?
Je nach Hypothese und Konsequenzen. Hat man bei irrtümlicher Ablehnung einer richtigen Hypothese mit schwerwiegenden Konsequenzen zu rechnen, sollte α möglichst klein gewählt werden (α=0.01).
Sind aber die Konsequenzen, dass eine Falsche Hypothese nicht abgelehnt wird hoch, dann sollte α grösser sein damit β kleiner wird. Beispiel Medikamenten Test, β ist das Risiko, dass ein als wirksam deklariertes Medikament nichts wirksam ist. Ein solches Testergebnis und eine darauffolgende Markteinführung hat schwerwiegende Konsequenzen.
3. Prüfgrösse bzw. Testverteilung bestimmen
- Bestimmung einer geeigneten Prüfgrösse und ihrer Verteilung, der sogenannten Testverteilung, z. B.
- z-Wert als Prüfgrösse und Standardnormalverteilung als Testverteilung
- Ausgangspunkt für Entscheidung über Ablehnung oder Nicht-Ablehnung der Nullhypothese H0
