Zusammenfassung wissenschaftlicher Methoden der qualitativen Datenanalyse mit Visualisierungen und Beispielübungen.
Table of Contents
- Wissenschaftliche Grundlagen
- Was ist eine Theorie?
- Was ist eine Hypothese?
- Kriterien, die wissenschaftliche Hypothesen erfüllen müssen
- Tautologien
- Kontradiktionen
- Übungsaufgabe Hypothesen
- Forschungsprozess allgemein (unabhängig ob qualitativ/quantitativ)
- Gütekriterien der Forschung
- Unterschied Qualitative Forschung & Quantitative Forschung
- Grundlagen Quantitativer Datenanlyse – Grundbegriffe
- Empirische Forschung
- Variablen & Daten
- Zusammenhangsanalyse
- Messung
- Gütekriterien der Messung
- Pingo Fragen
- Grundbegriffe des Skalenniveaus
- Kategoriale Skalenniveaus
- Numerische/Metrische Skalenniveaus
- Übungsfrage
- Zusammenfassung (Skalenübersicht)
- Hilfe zur Bestimmung des Skalenniveaus
- Datenerhebung
- Stichproben
- Stichprobenverfahren
- Beobachtungsstudie vs. Experiment
- Quantitativer Forschungsprozess
- Grafische Verfahren der Datenanalyse
- Balkendiagramm
- Histogramm
- Mosaikplot
- Streudiagramm
- Liniendiagramm
- Lagemaße
- Übungsfragen
- Streuungsmaße
- Übungsfragen
- Welche Lage & Streuungsmaße sind zulässig?
- Boxplot
- Übungsfrage
- Zusammenhangsmaße
- Übungsfrage
- Einführung Inferenzstatistik
- Unterschied explorative Datenanalyse & Inferenzstatistik
- Inferenzstatistik
- Das Testen von Hypothesen
- P‐Wert
- Signifikanz
- Fehlerarten
- Grundbegriffe der Parameterschätzung (Punktschätzung)
- Konfidenzintervall
- Welche Schlüsse sind zulässig?
- Zufallsvariable
- Verteilungsfunktion
- Dichtefunktion
- Übungsfragen
- Klausurrelevant
- Verteilungs‐ & Dichtefunktionen
- Standardisierung, Z Transformation (Formel zur Berechnung des Z‐Werts)
- Übungsaufgaben
- 7% Regel Übung
- Quantilsfunktion
- Übungsaufgaben
- Klausurrelevant
- Testverfahren Übersicht
- Chi‐Quadrat‐Test
- Übungsfragen Chi ‐ Quadrat – Test
- T – Test
- Test eines Mittelwerts (Einstichproben T‐Test)
- Übungsfragen Einstichproben T‐test
- Test zweier Mittelwerte unabhängiger Stichproben (T‐Test für unabhängige Stichproben)
- Übungsfragen T‐Test für unabhängige Stichproben
- Einfluss der Stichprobengröße auf den P‐Wert
- Effektgrößen
- Übungsfrage Effektgröße
- Test zweier Mittelwerte abhängiger Stichproben (T‐Test für abhängige Stichproben)
- Übungsfragen
- Test von mehr als 2 Mittelwerten (ANOVA – Test)
- Übungsfragen
- Übersicht der oben genannten Test Verfahren
- Einfache Lineare Regression
- Übungsfragen
- Wichtige Hinweise
- Übungsfrage
- Regressionsgrade
- Übungsfrage
- Multiple Lineare Regression
- Übungsfragen
- Wechselwirkung
Objectives and Key Themes
Das Ziel dieses Texts ist es, ein grundlegendes Verständnis für die wissenschaftliche Herangehensweise an Datenanalyse und Forschungsfragen zu vermitteln. Der Text beleuchtet die wichtigen Konzepte der Theorie- und Hypothesenbildung, die Unterschiede zwischen qualitativer und quantitativer Forschung sowie die verschiedenen Verfahren zur Datenanalyse und Interpretation. Der Text fokussiert sich insbesondere auf quantitative Methoden.
- Wissenschaftliche Grundlagen der Datenanalyse
- Qualitative und quantitative Forschungsmethoden
- Grundbegriffe des Skalenniveaus und der Messung
- Zusammenhangsanalyse und Inferenzstatistik
- Explorative Datenanalyse und Testverfahren
Chapter Summaries
Der Text beginnt mit der Einführung grundlegender wissenschaftlicher Konzepte wie Theorien, Hypothesen und deren Kriterien. Die verschiedenen Stufen des Forschungsprozesses werden erläutert, darunter die Unterscheidung zwischen qualitativen und quantitativen Methoden sowie die Gütekriterien der Forschung und der Messung.
Es wird eine umfassende Erklärung der Grundbegriffe des Skalenniveaus und der verschiedenen Arten von Variablen gegeben. Die Bedeutung der Zusammenhangsanalyse und die möglichen Fehlerquellen werden diskutiert.
In den folgenden Kapiteln werden die grundlegenden Prinzipien der Inferenzstatistik und des Hypothesentestens vorgestellt. Es werden verschiedene Testverfahren, wie der Chi-Quadrat-Test, der T-Test und die ANOVA, erklärt und anhand von Beispielen illustriert.
Zuletzt werden die Konzepte der einfachen und multiplen linearen Regression eingeführt, um Zusammenhänge zwischen Variablen zu analysieren.
Keywords
Die zentralen Themen des Textes sind: Theorien, Hypothesen, Forschungsmethoden, quantitative Datenanalyse, Skalenniveaus, Zusammenhangsanalyse, Inferenzstatistik, Hypothesentesten, Testverfahren, Regression, Variablen.
Häufig gestellte Fragen
Was ist der Unterschied zwischen qualitativer und quantitativer Forschung?
Qualitative Forschung konzentriert sich auf das Verstehen von Zusammenhängen und Interpretationen, während quantitative Forschung auf die Messung von Daten, statistische Auswertungen und das Testen von Hypothesen abzielt.
Was versteht man unter einem Skalenniveau?
Skalenniveaus bestimmen die mathematischen Eigenschaften von Variablen. Man unterscheidet kategoriale (nominal, ordinal) und numerische bzw. metrische Niveaus (Intervall- und Verhältnisskala).
Wofür wird ein T-Test in der Statistik verwendet?
Ein T-Test wird eingesetzt, um zu prüfen, ob sich die Mittelwerte von zwei Gruppen signifikant voneinander unterscheiden, beispielsweise beim Vergleich von unabhängigen oder abhängigen Stichproben.
Was sagt der P-Wert in einer Inferenzstatistik aus?
Der P-Wert gibt die Wahrscheinlichkeit an, mit der ein gefundenes Ergebnis unter der Annahme der Nullhypothese zustande gekommen ist. Ein kleiner P-Wert (meist < 0,05) deutet auf ein statistisch signifikantes Ergebnis hin.
Was ist eine lineare Regression?
Die lineare Regression ist ein Verfahren zur Analyse von Zusammenhängen zwischen einer abhängigen und einer oder mehreren unabhängigen Variablen, um Vorhersagen zu treffen oder Einflüsse zu messen.
- Quote paper
- Anonym (Author), 2020, Wissenschaftliche Methoden der qualitativen Datenanalyse, Munich, GRIN Verlag, https://www.grin.com/document/925876
