Grundlagen Statistik für Sozialwissenschaftler

Manifeste Variable sind solche, deren Ausprägungen man durch Beobachtung oder Messung feststellen kann. Beispielsweise ist die Anzahl von Aufgaben, die Personen in einem Intelligenztest lösen, eine manifeste Variable. Latente Variable können nicht beobachtet, sondern nur aus beobachteten Variablen erschlossen werden. Beispielsweise kann man die Intelligenz einer Person nicht direkt beobachten, sondern nur aus beobachtbaren Größen wie der Anzahl von gelösten Aufgaben erschließen.

Um eine Variable X, die mit einer Variable Y korreliert, als deren Ursache bezeichnen zu dürfen, müssen zwei Voraussetzungen erfüllt sein. Erstens muss die Variable X der Variablen Y zeitlich vorausgehen. X muss also existiert haben, bevor Y eintritt. Zweitens darf der Zusammenhang zwischen X und Y nicht mit Dritt-variablen erklärbar sein, die sowohl X als auch Y beeinflussen. Beispielsweise kann es sich bei dem Zusammenhang zwischen der Häufigkeit des Spielens gewalthaltiger Computerspielen (X) und Aggressivität (Y) nur dann um einen kausalen Effekt von X auf Y handeln, wenn sich die Aggressivität erst nach dem Spielen gewalthaltiger Computerspiele einstellt. Außer- dem muss ausgeschlossen werden können, dass Dritt-variablen wie das Geschlecht oder das Alter den Zusammenhang zwischen X und Y erklären.

Unter externer Validität versteht man die Verallgemeinerbarkeit von Untersuchungsbefunden, die unter bestimmten Bedingungen gewonnen wurde, auf andere Bedingungen. Eine Untersuchung wird als extern valide bezeichnet, wenn die Erkenntnisse und Schlussfolgerungen, die aus ihr gezogen wurden, auf andere Orte (außerhalb des Labors), auf andere Personen (als die, die im Experiment untersucht wurden), auf andere Situationen (als die, die im Experiment hergestellt wurden) und auf andere Zeitpunkte (in der Vergangenheit und Zukunft) übertragen werden können. Beispielsweise wären Befunde zum Einfluss der Gewährung von Selbständigkeit auf die Leistungsmotivation von Schulkindern dann extern valide, wenn die Effekte, die im Rahmen einer experimentellen Unterrichtsstunde beobachtet wurden, sich auch im Unterricht unter natürlichen Bedingungen, bei anderen Kindern und anderen Lehrkräften ergeben würden.

Reaktive Methoden provozieren ein Verhalten der Versuchsperson. Die Versuchsperson weiß, dass ihr Verhalten registriert und ausgewertet wird. Auswertungsregel und Auswertungszweck sind ihr jedoch nicht unbedingt bekannt. Typische reaktive Verfahren sind Fragebogen, psychologische Tests und Experimente, in denen die Versuchspersonen in wohl definierte Situationen gebracht werden, um ihr Verhalten zu registrieren. Bei nicht reaktiven Verfahren wird Verhalten registriert, das eine Person unaufgefordert zeigt. Die Person weiß nicht, dass ihr Verhalten aufgezeichnet wird. Beispielsweise könnte eine Lehrkraft Schulkinder auf dem Pausenhof beobachten und auszählen, wie häufig ein bestimmtes Kind andere herumkommandiert.

Bei transparenten Verfahren weiß die Versuchsperson, zu welchem Zweck ihr Verhalten aufgezeichnet wird. Die Klassenarbeit ist ein typisches Beispiel. Die Schülerinnen und Schüler wissen, dass ihr Wissen überprüft werden soll. Bei intransparenten Verfahren weiß die Person nicht, welcher Zweck mit einer bestimmten Erhebung verbunden ist. Sie weiß nicht, welche Schlüsse aus ihrem Verhalten gezogen werden. Beispiele für intransparente Erhebungsmethoden sind projektive Verfahren und psychophysiologische Maße wie kortikale Erregungsprofile, die man z.B. mit dem Elektroenzephalogramm oder mit bildgebenden Verfahren wie der funktionellen Magnetresonanz-tomographie messen kann.

Vorteile: Ökonomie, Objektivität, Vergleichbarkeit der gewonnenen Informationen

Nachteile: geringe Flexibilität und leichte Verfälschbarkeit

geht auf Sigmund Freuds Abwehrmechanismus der Projektion zurück Es wird angenommen, dass sich die Testperson unwillkürlich und unbewusst in die Lage einer der abgebildeten Personen versetzt und die Situation so deutet, als wäre sie diese Person. So hat sie keine Angst vor Ablehnung, selbst wenn sie unerwünschte Motive und Verhaltensweisen äußert und die Ausagen sind weniger verfälscht.

1. sie muss falsch sein können, also in einer empirischen Untersuchung widerlegt (falsifiziert) werden können.

2. sie muss eine gewisse Allgemeingültigkeit beanspruchen, also über den Einzelfall hinaus gehen.

3. sie muss begründet sein.

Die Aufgabe der Deskriptivstatistik besteht in der beschreibenden Analyse eines Datensatzes. Dazu gehören beispielsweise die Berechnung der zentralen Tendenz und der Streuung eines Merkmals und ihrer Korrelation mit einem anderen Merkmal.

Die Aufgabe der Inferenzstatistik besteht darin zu prüfen, ob die Kennwerte, die zur Beschreibung eines Datensatzes aus einer Stichprobe bestimmt wurden, auf die Grundgesamtheit (Population) übertragen werden dürfen, aus der die Stichprobe stammt. Es geht also darum, wie zuverlässig Befunde sind, die man an einer Stichprobe gewonnen hat und wie wahrscheinlich es ist, dass Verallgemeinerungen auf die Population richtig oder falsch sind.

Die Nullhypothese H_o nimmt an, dass kein Effekt oder kein Zusammenhang besteht.

Sie beinhaltet eine bisher als akzeptiert geltende Aussage über den Zustand eines Parameters einer Grundgesamtheit.

Die Alternativhypothese H₁ beinhaltet die eigentliche Forschungshypothese. Sie formuliert das, was gezeigt werden soll.

Null- und Alternativhypothese schließen sich gegenseitig aus.

- Experimenteller Dropout

- Testeffekte (Einflüsse von Vortests etc.)

- Veränderung der Hilfsmittel/Settings (Computer, Tageszeit, Versuchsleiter- Effekte...)

- Reaktive Effekte in der Untersuchung (Placebo)

- Standardisieren

- Versuchsleiter-Training

- Instruktionen einfach halten

- Randomisierung (Vpn werden zufällig der Experimentalgruppe und der Kontrollgruppe zugeteilt)

- Parallelisierung ("Matchen": Vpn mit ähnlichen Ausprägungen werden jeweils der EG und der KG zugeteilt)

Betrifft die Frage, ob ein Merkmal überhaupt messbar ist.

Gibt es eine numerische Relation zum empirischen Relativ im Sinne einer homomorphen Abbildung?

Oder: Können bestimmte Objektmerkmale so gemessen werden, dass die verschiedenen Messwerte die Relationen zwischen den Merkmalsausprägungen der Objekte genau widerspiegeln?

Betrifft die Zulässigkeit mathematischer Transformationen.

Welche Transformationen der Messwerte sind möglich, ohne dass die in ihnen enthaltene Information verloren geht?

Betrifft die Frage, welche mathematischen Operationen zu eindeutig sinnvollen Aussagen führen.

Welche mathematischen Operationen in der statistischen Auswertung der Messwerte führen zu empirisch sinnvollen Aussagen?

"Messen besteht in der Zuordnung von Zahlen zu den Merkmalsausprägungen von Objekten, wobei den mathematischen Beziehungen zwischen den Zahlen analoge empirische Beziehungen zwischen den Objekten entsprechen."