Jede empirische sozialwissenschaftliche Studie benötigt eine sorgfältige, methodisch korrekte und nachvollziehbare statistische Datenauswertung. Diese dient dazu,
- ein Verständnis der gewonnenen Daten, der Unterschiede zwischen Gruppen und der Veränderungen im Studienverlauf zu gewinnen,
- die Zusammenhänge zwischen den verschiedenen Variablen zu verstehen
- den Einfluss von Zufallsfehlern abzuschätzen und
- den Schluss von der Stichprobe auf die Gesamtpopulation zu ermöglichen.
Beschreibende Statistik
Für jede Variable werden die wichtigsten beschreibenden Statistiken errechnet. Die sind Maße der zentralen Tendenz (Mittelwert, Median), Streuungsmaße (Standardabweichungen, Quartile) bzw. absolute und relative Antworthäufigkeiten . Die Werteverteilungen werden in Grafiken dargestellt und in einem kurzen Text erläutert.
Die Antworten unterschiedlicher Teilgruppen (z.B. Männer/Frauen, verschiedene Altersgruppen, unterschiedliche Projektgruppe) werden miteinander verglichen. Es werden die Differenzparameter berechnet, die Gruppenunterschiede grafisch verdeutlicht sowie in einer Erläuterung interpretiert. Es können Effektgrößen berechnet werden, um das Ausmaß der gefundenen Gruppenunterschiede besser einschätzen zu können.
Veränderungsmaße
Bei Evaluationsstudien ist der Nachweis einer positiven Veränderung in der Projektgruppe das zentrale Ziel. Hierzu wird häufig ein Vorher-Nachher-Vergleich durchgeführt. Um zu prüfen, ob und in welchem Ausmaß die Veränderungen über das Projektende hinaus bestehen, können die Daten aus einer oder mehreren Follow-Up-Erhebungen in die Auswertung einbezogen werden.
Um sicherzustellen, dass die gemessenen Veränderungen auf der Projektintervention beruhen, werden diese Daten mit denen einer Kontrollgruppe verglichen.
In der statistischen Auswertung werden alle relevanten Variablen auf Veränderungen im Projektverlauf geprüft. Es kann außerdem untersucht werden, ob es Teilgruppen innerhalb der Stichprobe gibt, bei denen diese Veränderungen überdurchschnittlich stark oder unterdurchschnittlich schwach ausgeprägt sind.
Hypothesentests, Varianzanalysen und Konfidenzintervalle
Mit diesen inferrenzstatistischen Verfahren wird ermittelt, ob ein Studienergebnis statistische Signifikanz erreicht. Signifikanz bedeutet, dass in der Stichprobe ermittelte Unterschiede so deutlich sind, dass man (mit einer geringen Restunsicherheit von 5%) ausreichend sicher sein kann, dass ebenfalls ein Unterschied in der Gesamtpopulation besteht.
Wichtige Größen, die beeinflussen, ob ein Studienergebnis statistische Signifikanz erreicht sind die Varianz des untersuchten Merkmals in der Population, die Stichprobengröße und das Skalenniveau, mit dem das Merkmal gemessen wurde.
Hypothesentests prüfen einzelne Werte darauf, ob sie von Null verschieden sind oder von einem vorgegebenen Wert abweisen, oder sie vergleichen die Ergebnisse zweier Studiengruppen oder zweier Messzeitpunkte.
Varianzanalysen ermitteln, ob es in komplexeren Studiendesigns mit mehr als zwei Gruppen und / oder mit Messwiederholungen signifikante Haupteffekte oder Interaktionen gibt.
Konfidenzintervalle erlauben es, für Messungen von Parametern in Stichproben einen Bereich anzugeben, innerhalb dessen der wahre Wert in der Gesamtpopulation mit ausreichender Wahrscheinlichkeit liegt.
Explorative Datenanalyse
Bei einer explorativen Datenanalyse setzten wir alle uns verfügbaren Verfahren ein, um einen Datensatz auf vorhandene Strukturen und verborgene Zusammenhänge zu untersuchen. Die explorative Datenanalyse wird häufig mit der Arbeit eines Detektivs verglichen.
Um der Auswertung gleich zu Beginn die richtige Richtung zu weisen, ist es hilfreich, von Expertinnen und Experten des Studienfeldes eine Zusammenstellung von Vermutungen und Arbeitshypothesen zu erhalten, die sich im engeren oder auch im weiteren Sinne auf die Inhalte des Datensatzes beziehen lassen.
Grundlage der explorativen Datenanalyse ist eine sorgfältige und umfassende grafische und deskriptive Datenauswertung sowie ein umfassendes Verständnis der korrelativen Zusammenhänge zwischen den Variablen. Darauf aufbauend können eine Vielzahl von multivariaten Verfahren, wie Faktorenanalysen, regressionsanalytische Verfahren, Diskriminanzanalysen oder Pfadanalysen eingesetzt werden.
Unsere Angebote zur statistische Datenauswertung:
- Wir führen alle hier genannten Arten der statistischen Datenanalyse durch.
- Wir erstellen einen ausführlichen Datenbericht mit umfangreichen Ergebnistabellen und grafischen Darstellungen. In einem Text werden die gefundenen Ergebnisse erläutert und interpretiert. Substanzielle Ergebnisse werden von möglichen Zufallsergebnissen und Artefakten getrennt.
- Wir führen eine Ergebnispräsentation vor Ort oder online durch und diskutieren mit Ihnen die gefunden Ergebnisse.
- In einem kurzen Management-Report Datenauswertung fassen wir die wichtigsten Ergebnisse prägnant und verständlich zusammen.
Bei Interesse wenden Sie sich per E-Mail an info@nothbaum.com.