In der Statistik gibt es eine Vielzahl von Methoden der Datenanalyse. Die Datenanalyse selbst ist definiert als das Sammeln, Untersuchen, Bereinigen, Umwandeln und Modellieren von Daten. Dieser Artikel wird sich in erster Linie mit Methoden der Untersuchung und Modellierung von Daten befassen. Das bedeutet, dass du hier erfährst, wie du dich mit den Daten vertraut machst, um zu entscheiden, welche Tests du mit deinem Datensatz durchführen möchtest.

Wenn deine Daten erstmal gesammelt sind, ist der erste Schritt zu jeder Art der Datenanalyse, die Variablen und ihre Bedeutung zu verstehen sowie, ob sie quantitativer oder qualitativer Natur sind. Quantitative Daten und qualitative Daten müssen unterschiedlich getestet und interpretiert werden. Deshalb ist es wichtig, vorher die Variablen festzulegen. Übliche Statistik-Software, wie SPSS, macht das automatisch für dich. Trotzdem ist es gut, alle Variablen durchzugehen und zu bestimmen, wofür jede steht und inwiefern sie für die Analyse von Bedeutung ist.

Eine Möglichkeit, das zu tun, ist die Durchführung einer explorativen Analyse. Der übliche Weg, die Daten zu untersuchen, ist die deskriptive Statistik. Deskriptive Statistik kann entweder numerisch oder mit Hilfe von Visualisierungen berichtet werden. Einige Beispiele numerischer Ergebnisse sind die Berechnung des Mittelwerts, des Medians und der Standardabweichung. Sie können auch visualisiert werden. Grafische Repräsentationen von Rohdaten können Kuchendiagramme, Balkendiagramme und Korrelationstabellen einschließen.

Sobald du diese explorative Analyse durchgeführt hast, solltest du überprüfen, ob deine Daten die Anforderungen jedes einzelnen Tests erfüllen. Dieser Schritt ist notwendig. Wenn du die deskriptiven Aspekte deiner Daten verstehst, weißt du auch, welcher Test sich eignet und welcher nicht.

Falls du Hilfe bei solchen Themen benötigst, kannst du auch eine Statistik Nachhilfe engagieren.

Datenvisualisierung kann hilfreich sein.
Visualisierungen der Daten können sehr nützlich sein. Quelle: Unsplash.
Die besten Lehrkräfte für Statistik verfügbar
Andrea
5
5 (56 Bewertungen)
Andrea
75€
/h
Gift icon
1. Unterrichtseinheit gratis!
Boris
5
5 (18 Bewertungen)
Boris
20€
/h
Gift icon
1. Unterrichtseinheit gratis!
Thomas
5
5 (31 Bewertungen)
Thomas
59€
/h
Gift icon
1. Unterrichtseinheit gratis!
Julien
4,9
4,9 (14 Bewertungen)
Julien
25€
/h
Gift icon
1. Unterrichtseinheit gratis!
Rafael
5
5 (28 Bewertungen)
Rafael
42€
/h
Gift icon
1. Unterrichtseinheit gratis!
Viktor
5
5 (141 Bewertungen)
Viktor
70€
/h
Gift icon
1. Unterrichtseinheit gratis!
Adam
5
5 (35 Bewertungen)
Adam
30€
/h
Gift icon
1. Unterrichtseinheit gratis!
Christoph
5
5 (29 Bewertungen)
Christoph
40€
/h
Gift icon
1. Unterrichtseinheit gratis!
Andrea
5
5 (56 Bewertungen)
Andrea
75€
/h
Gift icon
1. Unterrichtseinheit gratis!
Boris
5
5 (18 Bewertungen)
Boris
20€
/h
Gift icon
1. Unterrichtseinheit gratis!
Thomas
5
5 (31 Bewertungen)
Thomas
59€
/h
Gift icon
1. Unterrichtseinheit gratis!
Julien
4,9
4,9 (14 Bewertungen)
Julien
25€
/h
Gift icon
1. Unterrichtseinheit gratis!
Rafael
5
5 (28 Bewertungen)
Rafael
42€
/h
Gift icon
1. Unterrichtseinheit gratis!
Viktor
5
5 (141 Bewertungen)
Viktor
70€
/h
Gift icon
1. Unterrichtseinheit gratis!
Adam
5
5 (35 Bewertungen)
Adam
30€
/h
Gift icon
1. Unterrichtseinheit gratis!
Christoph
5
5 (29 Bewertungen)
Christoph
40€
/h
Gift icon
1. Unterrichtseinheit gratis!
Und los geht's

Hypothesen testen: der Unterschied zwischen einer Hypothese und einer Nullhypothese

Als Forscher gibt es viele Ansätze zur Datenanalyse. Die Datensammlung kann ein zentraler Bestandteil deines Projektes sein. Bevor du einen Forschungsplan aufstellen kannst, brauchst du allerdings zunächst eine Forschungsfrage, die auf einer Beobachtung in Bezug auf eine bestimmte Population basiert. Häufig wird diese als Hypothese formuliert. Das Testen von Hypothesen wurde in seiner heutigen Form von den Statistikern Jerzy Neyman und Egon Pearson in den 1930er Jahren geprägt. In der Statistik werden Hypothesen normalerweise als Aussage in Bezug auf einen Datensatz formuliert. Wenn das Testen von Hypothesen als Forschungsmethode verwendet wird, dann wird dabei geprüft, wie hoch die Wahrscheinlichkeit ist, dass die Aussage der Hypothese zutrifft.

Zu jeder Hypothese gehört auch die Nullhypothese. Die Nullhypothese ist eine Aussage über den Datensatz, die normalerweise das Gegenteil der Hypothese aussagt.

Deine Hypothese und deine Nullhypothese hängen davon ab, ob du eine Analyse quantitativer oder qualitativer Daten vornimmst. Um die Forschungsfrage zu formulieren, solltest du dir zunächst ansehen, welche Variablen dich interessieren.

Wenn du beispielsweise eine Varianzanalyse durchführen möchtest, auch ANOVA genannt, dann würde deine Hypothese folgendermaßen lauten:

  • H1: das arithmetische Mittel der abhängigen Variable ist nicht in allen Gruppen gleich
  • H0: das arithmetische Mittel der abhängigen Variable ist in allen Gruppen gleich

Es bietet sich an, dein Niveau in Statistik zu testen, bevor zu du loslegst. 

Multivariate Analysemethoden

Es gibt viele verschiedene Vorgehensweisen zur multivariaten Hypothesenüberprüfung. Welcher Ansatz der richtige ist, hängt stark davon ab, welche Frage du beantworten möchtest und welche Art von Variablen du hast. Das Ziel der Analyse hängt davon ab, welche Strategie du wählst. Wenn du die verschiedenen Methoden miteinander vergleichst, findest du die richtige Testmethode für deine Zwecke. Multivariate Dependenzanalysen arbeiten mit Hypothesen, multivariate Interdependenzanalysen dienen nicht der Überprüfung von Hypothesen.

Nur mit der Datenanalyse sind Daten nützlich. Quelle: Unsplash
Die besten Lehrkräfte für Statistik verfügbar
Andrea
5
5 (56 Bewertungen)
Andrea
75€
/h
Gift icon
1. Unterrichtseinheit gratis!
Boris
5
5 (18 Bewertungen)
Boris
20€
/h
Gift icon
1. Unterrichtseinheit gratis!
Thomas
5
5 (31 Bewertungen)
Thomas
59€
/h
Gift icon
1. Unterrichtseinheit gratis!
Julien
4,9
4,9 (14 Bewertungen)
Julien
25€
/h
Gift icon
1. Unterrichtseinheit gratis!
Rafael
5
5 (28 Bewertungen)
Rafael
42€
/h
Gift icon
1. Unterrichtseinheit gratis!
Viktor
5
5 (141 Bewertungen)
Viktor
70€
/h
Gift icon
1. Unterrichtseinheit gratis!
Adam
5
5 (35 Bewertungen)
Adam
30€
/h
Gift icon
1. Unterrichtseinheit gratis!
Christoph
5
5 (29 Bewertungen)
Christoph
40€
/h
Gift icon
1. Unterrichtseinheit gratis!
Andrea
5
5 (56 Bewertungen)
Andrea
75€
/h
Gift icon
1. Unterrichtseinheit gratis!
Boris
5
5 (18 Bewertungen)
Boris
20€
/h
Gift icon
1. Unterrichtseinheit gratis!
Thomas
5
5 (31 Bewertungen)
Thomas
59€
/h
Gift icon
1. Unterrichtseinheit gratis!
Julien
4,9
4,9 (14 Bewertungen)
Julien
25€
/h
Gift icon
1. Unterrichtseinheit gratis!
Rafael
5
5 (28 Bewertungen)
Rafael
42€
/h
Gift icon
1. Unterrichtseinheit gratis!
Viktor
5
5 (141 Bewertungen)
Viktor
70€
/h
Gift icon
1. Unterrichtseinheit gratis!
Adam
5
5 (35 Bewertungen)
Adam
30€
/h
Gift icon
1. Unterrichtseinheit gratis!
Christoph
5
5 (29 Bewertungen)
Christoph
40€
/h
Gift icon
1. Unterrichtseinheit gratis!
Und los geht's

Multivariate Methoden der Dependenzanalyse

Multivariate Methoden der Dependenzanalyse sind sehr aussagekräftige Analysen, die die Beziehung zwischen einer oder mehr abhängiger und mehrerer unabhängiger Variablen beschreibt. Die häufigsten Methoden der multivariaten Dependenzanalyse sind:

 

MethodeZielHypotheseVariablen
Multiple RegressionDie Beziehung zwischen zwei oder mehr Variablen bestimmen und mit Hilfe dieses Wertes den Wert der abhängigen Variable bestimmenHypothese: die abhängigen Variablen wirken sich auf die unabhängige Variable aus. Nullhypothese: die abhängigen Variablen haben keinerlei AuswirkungenEine abhängige Skalenvariable mit mehreren unabhängigen Skalenvariablen
Multivariate Varianzanalyse (MANOVA)Zur Untersuchung des Effekts zweier kategorischer Variablen auf zwei Skalenvariablen Hypothese: Es gibt eine Auswirkung einer oder beider kategorischer Variablen auf die Skalenvariablen.
Nullhypothese: Es gibt keine Auswirkungen
Zwei abhängige Skalenvariablen und zwei kategorische Variablen
DiskriminanzanalyseBestimmen, ob eine oder mehrere Gruppen sich unterscheiden und welche Variablen sich am stärksten unterscheidenHypothese: Die Gruppen unterscheiden sich in Bezug auf die abhängige Variable
Nullhypothese: die Gruppen unterscheiden sich nicht in Bezug auf die abhängige Variable
Eine abhängige kategorische Variable und zwei oder mehr unabhängige Skalenvariablen

Multivariate Methoden der Interdependenz

Multivariate Interdependenzmethoden fassen verschiedene Variablen als eine Gruppe zusammen und interpretieren sie. Es wird nicht unterschieden, ob eine Variable abhängig oder unabhängig ist. Die häufigsten multivariaten Interdependenzmethoden sind:

 

MethodeZweckVariablen
FaktorenanalyseUm Informationen zusammenzufassen, wenn viele Variablen vorliegen, und sie in einigen wenigen Kategorien zu bündelnSkalen- oder Ordinale Variablen
Cluster-AnalyseEs werden Gruppen von Variablen Charakteristika zugeschrieben, damit jede Gruppe in Bezug auf diese ähnlich ist, die Gruppen sind klar voneinander zu unterscheidenSkalen- oder kategorisch, die Interpretation wird mit einer Mischung von Variablen jedoch komplizierter

Wie das Bestimmtheitsmaß und der P-Wert interpretiert werden

In der Auswertung von Hypothesen ist es wichtig, die Testart zu verstehen, die durchgeführt wurde. Normalerweise entspricht die Auswertung der Ergebnisse der Reihenfolge, in der deine Statistik-Software die Ergebnisse darstellt. Das geschieht üblicherweise in tabellarischer Form.

Sehen wir uns einmal das Beispiel einer linearen Regression an. Das Gewicht ist dabei die abhängige Variable und Größe, Einkommen und Ernährung sind die unabhängigen Variablen. Die wichtigsten Größen können im Bestimmtheitsmaß und im P-Wert gefunden werden. In folgender Tabelle siehst du, wie sie interpretiert werden können:

 

AspektErgbenisInterpretation
HypotheseMultiple Regression wenn:
J die Zahl der unabhängigen Variable darstellt
B steht für den Koeffizienten
H1 ist Bj ist nicht gleich 0 für mindestens ein J
H0 ist Bj=0
H1: Einkommen, Größe und Ernährung wirken sich auf das Gewicht aus
H0: Einkommen, Größe und Ernährung wirken sich nicht auf das Gewicht aus
BestimmtheitsmaßR2 = 0,6868 % der Variabilität des Gewichts kann mit den unabhängigen Variablen – Einkommen, Ernährung, Größe – in diesem Modell erklärt werden
P-Wertp = 0,0001Ein P-Wert, der unter 0,05 (hier bei 0,0001) liegt, bestätigt die Hypothese und widerlegt die Nullhypothese

Man sollte im Hinterkopf behalten, dass im Umgang mit multivariaten Analysemethoden selten das Wort Korrelation außerhalb von Korrelationstabellen verwendet wird. Deshalb musst du darauf achten, dass du es in deiner Arbeit korrekt verwendest.

Die Forschungsmethodik muss erläutert werden.
Achte darauf, deine Vorgehensweise genau zu beschreiben. Quelle: Unsplash

Die Struktur des Analyseberichts

Wir alle kennen das: Es kann überraschend schwierig sein, ein Fazit zu schreiben. Dieser Frust kann jedoch vermieden werden, wenn die Arbeit gut strukturiert ist. Üblicherweise kommt ein Abstract zuerst und stellt eine kurze Zusammenfassung des Forschungsprozesses dar. Es wird normalerweise geschrieben, wenn der Forschungs- und Analyseteil abgeschlossen ist.

Eine Einführung in dein Projekt sollte danach kommen. Sie bietet Rahmen und Kontext der Arbeit. Sie sollte nicht nur beschreiben, was die Zielsetzung der Arbeit ist, sondern auch auf andere Arbeiten hinweisen, die die theoretische Grundlage bilden. Die Validität dieser ist im Hinblick auf deine eigene Arbeit wichtig, denn wenn du diese Arbeiten zitierst, kannst du damit auch den Inhalt deiner eigenen Arbeit umreißen.

Als nächstes musst du als Forscher des Projektes, das heißt, du hast die Daten gesammelt, die Vorgehensweise und Methodik beschreiben. Die methodische Sammlung von Rohdaten kann methodisch sehr vielseitig sein und alles von Umfragen, Labortests oder Daten aus Online-Datenbanken beinhalten. Deshalb ist es wichtig, dass du erklärst, wo die Daten herkommen.

Der Analyseteil beinhaltet all das eben Genannte. Zu diesem Teil gehört die explorative Analyse, die strukturierte Graphen und Tabellen sowie andere statistische Methoden beinhaltet, die du auf die Daten angewandt hast. Du solltest klar erklären, ob deine Variablen alle Annahmen bestätigen oder nicht.

Der Analyseteil ist das Herzstück jeder Arbeit und er sollte deshalb klar und strukturiert geschrieben sein. Jede Annahme, die widerlegt wird, sowie jede Veränderung einer Variable sollte hier oder im Anhang (je nach Publikum) festgehalten werden.

Ein einfacher Weg, diesen Teil zu planen, ist die klare Kennzeichnung der wichtigsten Teile deiner Analyse und Abgrenzung vom Rest. Das kannst du mit Hilfe eines Textmarkers, Unterstreichungen oder Fettungen tun.

Der letzte Teil deiner Arbeit sollte das Fazit sein. Hier sollten nicht nur die Ergebnisse zusammengefasst werden, sondern auch eine Bewertung der gesamten Untersuchung erfolgen. Das bedeutet, dass hier ausgewertet wird, was hätte anders  gemacht werden können und was nächstes Mal gemacht werden könnte. Es ist auch wichtig, hier einzufügen, wie anschließende Forschungsprojekte die eigene Forschung aufgreifen und auf sie aufbauen könnten.

Wenn du bei Statistik etwas Unterstützung brauchst, dann könnte Nachhilfeunterricht oder SPSS Hilfe für dich das Beste sein.

>

Die Plattform, die Lehrkräfte und SchülerInnen miteinander verbindet

1. Unterrichtseinheit gratis

Du findest diesen Artikel toll? Vergib eine Note!

5,00 (1 Note(n))
Loading...

Sarah

Als Dolmetscherin und Übersetzerin sind fremde Länder und Kulturen mein täglich Brot. Daneben liebe ich Sport, reisen und Vieles mehr.