Statistik | springerprofessional.de

Springer Professional

nach oben

2013 | Buch

Kapitel lesen Erstes Kapitel lesen

Statistik

Eine verständliche Einführung

verfasst von: Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

Verlag: VS Verlag für Sozialwissenschaften

Enthalten in: Springer Professional "Wirtschaft+Technik" , Springer Professional "Wirtschaft"

Einloggen, um Zugang zu erhalten

Über dieses Buch

Dieses Lehrbuch der statistischen Datenanalyse wurde speziell für Einführungskurse konzipiert und richtet sich an alle, die eine leicht verständliche Einführung in die sozialwissenschaftliche Statistik suchen. Es bezieht sich auf das Feld der Erziehungs- und Sozialwissenschaften und behandelt den Stoff nicht als inhaltsunabhängiges mathematisches Wissen.

Anzeige

Inhaltsverzeichnis

Frontmatter

1. Die Aufbereitung der Daten für die statistische Analyse

Zusammenfassung

Bevor Daten ausgewertet werden können, müssen sie zunächst so aufbereitet werden, dass sie mit statistischen Analyseprogrammen bearbeitet werden können. Hat man etwa eine Face-to-face-Befragung – also eine mündliche persönliche Befragung – durchgeführt und die Antworten in einem Papierfragebogen notiert, so muss man nun den Transfer der Daten von den vielen einzelnen Fragebögen in eine einzige übersichtliche Datentabelle organisieren.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

2. Häufigkeitsverteilungen und ihre grafischen Darstellungen

Zusammenfassung

Die Kapitel 2 bis 4 befassen sich mit der deskriptiven oder beschreibenden Statistik. Unter der deskriptiven Statistik versteht man eine Vielzahl von Verfahren, die eine gegebene Datenmenge summarisch zusammenfassen und die Beziehungen zwischen Variablen untersuchen. Die Deskriptivstatistik beschränkt sich auf Aussagen über die erhobenen Daten, ihre Verfahren können sich auf einzelne Merkmale beziehen (univariate Analyse) oder Zusammenhänge zwischen zwei (bivariate Analyse) oder mehr Variablen (multivariate Analyse) untersuchen.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

3. Mittelwerte und Streuungsmaße

Zusammenfassung

Im vorhergegangenen Kapitel wurden mit der Häufigkeitstabelle und den verschiedenen Visualisierungsformen Möglichkeiten aufgezeigt, um Verteilungen detailliert darzustellen. Es besteht jedoch auch die Möglichkeit, Daten zu aggregieren, um Verteilungen mithilfe weniger Kennwerte auszudrücken. Dabei wird u.a. auf Mittelwerte, auch Maße der zentralen Tendenz genannt, zurückgegriffen. Der wohl bekannteste Mittelwert ist das arithmetische Mittel, besser bekannt unter dem Begriff Durchschnittswert In diesem Kapitel werden neben dem arithmetischen Mittel noch die beiden Mittelwerte Modus und Median vorgestellt.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

4. Kreuztabelle, Chi-Quadrat und Zusammenhangsmaße

Zusammenfassung

Die sozialwissenschaftliche Analyse ist in der Regel nicht nur an der Ermittlung der Verteilung einzelner Phänomene bzw. Variablen, sondern an der Untersuchung von Beziehungen zwischen sozialen Phänomenen interessiert In diesem Kapitel geht es nicht mehr nur um die Auswertung einzelner Variablen und die Berechnung der Kennwerte ihrer Verteilung („univariate Analyse“), sondern um den Zusammenhang zwischen zwei Variablen, und zwar zunächst zwischen solchen, die Nominalskalenniveau aufweisen. Man spricht in diesem Fall von bivariater Analyse und stellt den Zusammenhang zwischen den beiden Variablen in Form einer sogenannten Kreuztabelle oder Kontingenztafel dar. In der Methodenliteratur existiert für die Kreuztabellenanalyse eine Vielzahl unterschiedlicher Begriffe: Man spricht auch von Kontingenztafelanalyse, Tabellenanalyse oder anglisiert von Cross-Tabulation oder Crosstabs.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

5. Wahrscheinlichkeit und Wahrscheinlichkeitsverteilungen

Zusammenfassung

In den bisherigen Kapiteln haben wir wichtige Verfahren der beschreibenden Statistik behandelt. In diesem Kapitel wird mit der Wahrscheinlichkeitsrechnung ein wichtiger Grundstein für die schließende Statistik gelegt. Vereinfacht ausgedrückt besteht das Ziel der schließenden Statistik darin, die Ergebnisse in den erhobenen Daten zu verallgemeinern.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

6. Die Logik des statistischen Schließens

Zusammenfassung

Population, Grundgesamtheit, Verteilungsformen, Normalverteilung und Standardnormalverteilung – nachdem diese Begriffe im vorangehenden Kapitel eingeführt wurden, schreiten wir jetzt weiter voran ins Zentrum der Inferenzstatistik. In diesem Kapitel geht es um Schätzen und Testen, um Regelmäßigkeiten in der Verteilung von Stichprobenparametern, um Nullhypothesen und Alternativhypothesen und um das Grundprinzip des statistischen Schließens.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

7. t-Test: zwei Mittelwerte vergleichen

Zusammenfassung

Nachdem wir mit den Kapiteln 5 und 6 den Grundstein für die schließende Statistik gelegt haben, widmen wir uns in diesem Kapitel nun einem sehr bekannten und häufig angewendeten Hypothesentest, dem sogenannten t-Test. Dieser Test erlaubt es, den Unterschied zwischen zwei Mittelwerten, korrekter gesagt: zwei arithmetischen Mitteln, auf Signifikanz zu untersuchen.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

8. Varianzanalyse: mehr als zwei Mittelwerte vergleichen

Zusammenfassung

Mit dem im vorhergegangenen Kapitel beschriebenen t-Test wurde ein Verfahren vorgestellt, dass es ermöglicht, Mittelwertunterschiede zwischen zwei Gruppen auf Signifikanz zu untersuchen. Häufig soll jedoch getestet werden, inwieweit sich mehr als zwei Gruppen voneinander unterscheiden. Sollen bspw. Personengruppen mit den drei Bildungsabschlüssen Haupt- und Realschule sowie Gymnasium hinsichtlich ihres Klimabewusstseins verglichen werden, so lässt sich dies nicht mehr mit einem t-Test realisieren. Stattdessen bedient man sich der Varianzanalyse, die in diesem Kapitel beschrieben wird.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

9. Korrelation: Zusammenhänge identifizieren

Zusammenfassung

Der Begriff „Korrelation“ (engl. correlation) wird in der sozialwissenschaftlichen Literatur sehr häufig verwendet Dort heißt es z.B .„Noten in der vierten Klasse und Empfehlungen für die weiterführende Schule korrelieren miteinander“, „Es besteht eine Korrelation zwischen X und Y“ oder „Es findet sich ein korrelativer Zusammenhang“. Gemeint ist dabei immer, dass die Variablen, über die eine Aussage getroffen wird, miteinander in Beziehung stehen, denn der Begriff Korrelation leitet sich ab von „Ko-Relation“, der „Wechselbeziehung“. Dass die Noten in der vierten Klasse mit den Empfehlungen korrelieren, bedeutet also nichts anderes, als dass bessere Noten mit der Empfehlung für höhere Schulformen einhergehen oder anders ausgedrückt: Je höher der Notendurchschnitt, desto eher wird das Gymnasium empfohlen, je niedriger desto eher die Hauptschule.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

10. Skalenbildung

Zusammenfassung

„Hallo muss eine Hausarbeit mit SPSS bis Freitag fertig haben. Allerdings weiß ich echt nicht wie man ne Skala interpretiert!!! Könnte mir dabei bitte jemand behilflich sein. Danke“

Der Studentin, die diesen Hilferuf in einem Forum postete, kann zwar nicht mehr geholfen werden, aber im folgenden Kapitel kann man genau das lernen, worum es in dem Hilfeersuch geht, nämlich eine Skala zu interpretieren und das Prinzip der sozialwissenschaftlichen Skalenbildung zu verstehen. Zudem erfährt man auch, wie man eine Skalenbildung mit SPSS bzw. MYSTAT umsetzt.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

11. Regression: komplexe Zusammenhänge analysieren und Vorhersagen treffen

Zusammenfassung

Wenn man, wie in Kapitel 9 beschrieben, mithilfe einer Korrelationsanalyse einen Zusammenhang zwischen Variablen festgestellt hat, kann man dieses Wissen nutzen, um darauf aufbauend Regressionsanalysen (engl. regression analysis) durchzuführen. Regression im statistischen Sinne meint „zurückführen“ und heißt konkret, dass man versucht, eine abhängige Variable auf eine oder mehrere unabhängige Variablen zurückzuführen. Umgekehrt könnte man formulieren: Besteht ein Zusammenhang zwischen zwei Variablen, dann kann man die eine verwenden, um die andere vorherzusagen. Korrelieren bspw. das Alter und das Klimabewusstsein miteinander, kann man das Klimabewusstsein einer Person anhand ihres Alters vorhersagen. Ebenso lässt sich das Anfangsgehalt von Absolventen/innen eines Studiengangs vorhersagen, wenn man ihre Studiendauer kennt und auch die Studienleistungen können mithilfe der Abiturnote vorhergesagt werden.

Udo Kuckartz, Stefan Rädiker, Thomas Ebert, Julia Schehl

Backmatter

Titel: Statistik
verfasst von: Udo Kuckartz
Stefan Rädiker
Thomas Ebert
Julia Schehl
Copyright-Jahr: 2013
Verlag: VS Verlag für Sozialwissenschaften
Electronic ISBN: 978-3-531-19890-3
Print ISBN: 978-3-531-19889-7
DOI: https://doi.org/10.1007/978-3-531-19890-3