39

Statistik 1 (Subject) / Heft 4 (Lesson)

This lesson was created by Aglae.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 1

• Multiple Regression: Regressionsgleichung b und Beta Hauptergebnis der multiplen Regression Regressionsgleichung:Y-Dach = a + b1X1 + b2X2 + b3X3 … b = Regressionsgewicht, Einfluss auf Steigung der Gerade, aber abhängig vom Maßstab um wie viele Einheiten ändert sich die AV(y) wenn sich die UV(x) um eine Einheit ändert Beta = standardisiertes Regressionsgewicht, Beta-Gewicht, um wie viele Einheiten ändert sich die AV(y) wenn sich die UV(x) um eine SD ändert Hauptergebnis: Güte der VorhersageR2 = Varianz der vorhergesagten Werte (Sigma2 von Y-Dach)/ Varianz der tatsächlichen Werte (Sigma2 von Y)max. 1 also 100% dann Standardfehler = 0auch Standardfehler berechenbar Signifikanztest - auf Population vlerallgemeinbar?F = Sigma-Dach2 von Regression (aufgeklärte Varianz)/Sigma-Dach2 von Fehler (Fehlervarianz)Oder direkt aus R2 berechnenR2 ist aber super wichtig weil F-Test nur aussgagt, dass Varianzaufklärung > Null, nicht wie viel  
• t-Test was prüft er welche verschiedenen Tests? (3) t-Test = Unterschiede zwischen 2 Gruppen prüft ob zwei Mittelwertunterschiede sich signifikant unterscheidenkann der Effekt auf die Population verallgemeinert werden? Unabhängige Stichprobe: t = Mittelwertunterschied (- (mü-mü ist aber Null) / Standardfehler Mittelwertunterschied also systematische Varianz geteilt durch Fehlervarianz t empirisch extremer als t kritisch? Dann signifikant Alpha 5% einseitig: 0,95 FlächeAlpha 5% zweiseitig: 0,975 Fläche Abhängige Stichprobe:t = Mittlere Differenz / Standardfehler der Differenz Eine Stichprobet = Stichprobe - Theoretischer Mittelwert (meist Null) / Standardfehler (Streuung) 
• t-Test Effektgrößen Unabhängige Stichproben d, g und r
 Identisches Ergebnis wenn AV mit Gruppenzugehörigkeit korreliert wird, daher auch r Abhängige Stichproben und eine Stichprobe d und g, r nicht da verzerrt
• t-Test und F-Test: Voraussetzungen Unterschiede Voraussetzungen Tatsächlich unabhängige Stichproben AV immer intervallskaliert und immer normalverteilt Varianzen der beiden Stichproben sollten möglichst ähnlich sein (Mittelwerte mit großen Streuungen sind weniger aussagekräftig) t-Test und F-Test = robustes Verfahren F-Test vs t-Test F-Test kann nie negativ werden immer einseitig t-Test immer vorziehen da zweiseitig Keine 3 t-Test statt einem F-Test Alpha-Fehler Kumulation
• ANOVA einfaktoriell Varianzanalyse: mehr als 2 Gruppen F-Test = Mehrere Variablen: Quelle für die Varianz finden! ANOVA einfaktoriell Gesamtvarianz aufklären: Between Varianz (systematisch/Effekt) und Within Varianz (Fehlervarianz/Rauschen) F = Between Varianz / Within Varianz erklärte Varianz groß/Fehlervarianz klein -> signifikantes Ergebnis Maß der Streuung Quadratsummen (nicht an Stichprobengröße relativiert) F-empirisch extremer F-kritisch dann signifikant
• Einzelvergleiche (Post-hoc-Tests) ANOVA = overall Ergebnis + „irgeneine Unterscheidung“ Einzelvergleiche der Gruppen im Nachhinein Ungefäh wie t-Test Aber mit Alpha Korrektur Schaffe Test, Bonfferroni Test Problem der AlphaKorrektur:
4 Gruppen = 6 mögliche Einzelvergleiche
Alpha wird durch 6 geteilt: 5% : 6 = 0,08%
sehr schwer signifikant zu werden!!!
• ANOVA mehrfhaktoriell zB zweifaktorielles Design 3x2-Design Berechnet Haupteffekte und Interaktionen F-empirisch extremer F-kritisch Haupteffekte: F - UVA = Between Varianz (A) / Within Varianz oder 
F - UVB = Between Varianz (B) / Within Varianz Interaktion: F - AxB = Varianz (AxB) / Within Varianz
Varianz (AxB) = Restvarianz
Wenn signifikante Interaktion: Graphik checken - was denn für eine Interaktion?
Graphik: Alles was nicht parallel deutet auf Interaktion hin (nicht klar ob signifikant) Besonderheit Kreuz: Kein Haupteffekt nur Interaktion! F-empirisch extremer F-kritisch
• Varianzanalyse mit Messwiederholung Formel F = Varianz der UV also der Werte pro Person / Varianz durch Streuung über alle Personen hinweg
• Varianzanalyse Effektgrößen Eta-Quadrat = Wie groß ist der Anteil der aufgeklärten Varianz an der Gesamtvarianz?n2 mal 100 = % max 1 also 100% n2 = QS zw / QS ges oder aus F-Wert es gibt eine verallgemeinerte Formel für alle Arten von Effekten (Haupteffekte, Interaktionen, Messwiederholung) Mehrfaktorielle Varianzanalyse: globales n2 und partielles n2 (für einzelne Effekte) Kleiner Effekt: ab 0,01Mittlerer Effekt ab 0,06Großer Effekt ab 0,14
• Parametrische vs nonparametrische Verfahren Begründung/Erklärung Vorteil/Nachteil parametrische Verfahren arbeiten mit Prüfvertelungen die alle mit der Annahme arbeiten, dass die Populationsverteilung/Messwertverteilung normalverteilt ist 2 Fälle in denen die parametrischen Verfahren nicht angewendet werden können AV nicht intervallskaliert: nominal/ordinal - keine mathematischen Untersuchungen möglich Schiefe Verteilung durch Decken- oder Bodeneffekt (zB Seitensprung -> Trennung?) Kolmogorov-Smirnof-Test: Signifikantes: Folgt die Verteilung einer Normalverteilung sollte ein nicht signifikantes Ergebnis liefern Sonst Lösung: Verteilungsfreie Verfahren: Keine Annahmen über die Verteilung in der Population - keine Parameter = nonparametrische Tests Vorteil: sehr kleine StichprobenNachteil: Geringere Teststärke, viel schwieriger signifikant zu werden
• Advertisement
• Nonparametrische Testverfahren: Ordinalskaliert - Überblick (5) U-Test = t-Test für unabhängige Stichproben H-Test = einfaktorielle Varianzanalyse Wilcoxon Test = t-Test abhängige Stichproben Friedman-Test = Varianzanalyse Messwiederholung Spearmans Rho und kendalls Tau = Produkt-Moment-Korrelation
• U-Test U-Test = 2 unabhängige Messungen Wie t-Test für unabhängige Stichproben statt Mittelwert: „zentrale Tendenz“ = Mittlerer Rang = Median Ziel Vergleich der mittleren Ränge 1. Allen Messwerten unabhängig ihrer Gruppe einen Rang zuteilen 2. Von jeder Gruppe die Rangsumme  bilden T1 und T23. Rangsumme durch Anzahl der Ränge in der Gruppe Teilen -> R-Strich 1 und R-Strich 24. Signifikantest: Unterscheiden sich  R-Strich 1 und R-Strich 2 signifikant?    T1 und T2 werden in U und U’ umgerechnet    Empirischer U-Wert = kleineres U    Kleines U kleiner kritischer U- Wert -> signifikant Bei größeren Stichproben annähernd normalverteilt also u umrechnen in zEffektgrößen
• H-Test Prüfgröße H-Test = mehr als 2 unabhängige Stichproben wie einfaktorielle Varianzanalyse Wie bei 2 unabhängigen Messungen Unterscheiden sich R-Strich 1 und R-Strich 2 Rangsummenmittelwerte (Rangsummen : Anzahl der Ränge) signifikant? Prüfgröße H folgt Chi-quadrat-verteilung Signifikanztest: Chi-Quadrat-test
• Wilcoxon Test Wilcoxon Test = 2 abhängige Messungen  wie t-Test abhängige Messungen Auch Vorzeichenrangtest Absolute Differenzen -> Ränge- 25                                Rang 10 (-) Ränge unabhängig von VorzeichenKleinste Diff = Rang 1 T+ = Rangsumme positive Diff.T- = Rangsumme negative Diff.Nicht umrechnen, ist bereits Prüfgröße Kleinerer Wert = empirischer WertEmpirischer Wert < kritischer Wert -> signifikant
• Friedman Test Prüfgröße Friedman Test = mehr als 2 abhängige Messungen wie Varianzanalyse mit Messwiederholung Auch Rangvarianzanalyse Äquivalente Vorgehensweise wie Wilcoxon Test Prüfgröße Chi-QUadrat
• Rangkorrelation Erklärung Vorgehen Besonderheiten Rangkorrelation (Spearmans Rho, Kendalls Tau)  Zusammenhänge, wie Produkt-Moment-Korrelation Bedingung: monotone Steigung, kein Richtungswechsel Vorgehen Rohdaten in Rangreihe umrechnen, Vorsicht: Gruppen getrennt! Zwei VerfahrenRho für eigentlich intervallskalierte Daten (Abstände sind ja gleich)Tau für ordinalskalierte Daten (echte Rangreihen) Tau und Rho interpretieren wie r Signifikanteste:Rho: t-Verteilung - t-TestTau: z-Verteilung - z-Test Rangkorrelationen haben immer kleinere Werte: r = .89 Rho = .67 Tau = .48 hier nicht mehr signifikant!
• Effektgrößen nonparametrische Testverfahren ordinalskaliert kein Mittelwert - keine SD - keine Effektgrößen Rangkorrelatonen Rho und Tau können aber wie r interpretiert werden und auch dementsprechend als Effektgröße verwendet werden Vorsicht, sind immer kleiner als echte Korrelation und können stark verzerrt sein
• nonparametrische Testverfahren nominalskaliert Erklärung Überblick Effektgröße = die Daten sind in keine sinnvolle Reihenfolge zu bringen - hier kann lediglich geprüft werden, ob die Daten bestimmten Erwartungen entsprechen Anpassungstest bei einer Variable Unabhängigkeitstest bei zwei Variablen Unabhängigkeitstest bei Messwiederholung Effektgröße Omega oder Phi-Koeffizient
• Anpassungstest bei einer Variable Chi-quadrat Test (x2-Test) Beobachtete Häufigkeiten werden mit erwarteten Häufigkeiten (Nullhypothese) verglichen X2 = Summe aus (fb - fe)zum quadrat / fe Je größer die Abweichung desto größer x2 
x2 empirisch extremer x2 kritisch -> signifikant Erwartete Häufigkeiten müssen nicht gleich verteilt sein, zB Männer und Frauen kaufen Liebesroman, aber Frauen kaufen generell mehr Bücher als Männer 70/30 Kann auch benutzt werden um auf Normalverteilung zu prüfen
• Unabhängigkeitstest bei zwei Variablen Beispiel wie wird er deshalb auch genannt wenn nicht gleichverteilt: Werte umrechnen Vorher können Anpassungstests gemacht werden Prüft ob die Ausprägung einer variable unabhängig von einer anderen ist Kreuztabelle/Kontingenztabelle zB Würfel und drei spieler (Ist es der Würfel, oder eine Wurftechnik) K (obere Reihe) x l (seitliche Reihe) = 6 (Würfelaugen) x 3 (Spieler) = 18 Felder
daher auch kxl-x2 Test X2 = Summe, Summe (fb - fe)zum quadrat / fe
zwei Summenzeichen für beide Variablen X2 empirisch ist extremer als x2 kritisch -> Signifikant -> Variablen sind nicht unabhängig Auch wenn nicht gleichverteilt:
 zweite Tabelle anfertigen und Erwartungswerte anhand der Verteilung der beobachteten Werte umrechnen
fe = Zeilensumme mal Spaltensumme (des Felds) / N (gesamte Stichprobe
Beispiel: Kaufen Frauen mehr Klassik CDs als Männer, es haben aber mehr Frauen überhaupt eingekauft
• Unabhängigkeitstest bei Messwiederholung zB Raucher und Nichtraucher - Raucherseminar Vierfeldertafel, nur Zellen b und c sind überhaupt interessant, da die anderen keine Veränderng anzeigen MC-Nemar-x2 Test X2 = (b-c)2 / b+c x empirisch extremer x kritisch -> signifikant dh Verhältnis hat sich deutlich verändertwie? Das kann nur die Tabelle zeigen
• Effektgrößen nonparametrische Tests nominalverteilt Omega oder Phi-Koeffizient Kein Mittelwert, keine SD, keine Effektgrößen Aber für alle x2 Tests kann eine korrelative Effektgröße Omega berechnet werden
prinzipiell prüfen ja alle x2 Tests den Zusammenhang von Variablen Omega für alle x2: w = Wurzel aus x2 / N Wird wie r interpretiert Bei Vierfeldertafel Phi-Koeffizient (indetisch mit Omega)
• Teststärke (Power) Was ist das Formel Wann ist sie groß Wann wird sie bestimmt = Wahrscheinlichkeit, mit der ein in der Population tatsächlich vorhandener Effekt mithilfe eines Testverfahrens identifiziert werden kann Berechnung: Fläche der Alternativhypothese minus Beta-Fehler Power = 1 - ß Je größer Teststärke desto eher signifikant Teststärke wird groß bei: großer Alpha-Fehler, kleiner Beta-Fehler Große Stichprobe (Verteilungen werden schmaler Großer Effekt (Verteilungen weiter auseinander) Wann und wie wird sie bestimmt? bestimmen vor einer Studie: um erforderliche Stichprobengröße zu bestimmen Bestimmen nach einer Studie: um herauszufinden wie wahrscheinlich es überhaupt gewesen ist einen Effekt zu finden Bestimmung mit Programm GPower (kostenlos, einfach, gut) 
• Komplexe Analyseverfahren Überblick (7) Kontrastanalyse Metaanalyse Multivariate Analyseverfahren (mehr als eine AV Faktorenanalyse Clusteranalyse Multidimensionale Skalierung Conjoint Analyse Strukturgleichungsmodelle
• Kontrastanalyse was ist das? allgemeines Vorgehen Vorteile Nachteil Welche vorgehensweisen gibt es? besondere Form der Varianzanalyse (Overall Ergebnis) Hypothetisches Muster der Mittelwerte wird vor der Untersuchung festgelegt und nach der Untersuchung geprüft Anzahl der Gruppen ist nicht begrenzt, max 5 damit noch gut zu interpretieren Vorteile/Nachteil Höhere Teststärke, da nicht Overall sonder wesentlich präziser Problem: Auch schnell nicht signifikant, Sehr präzise formulieren! Super Effektgrößen berechenbar, bei ANOVA schwerer zu interpretieren Generelles Vorgehen Hypothese formulierenGruppe A (Ausländer) brauchen länger als Gruppe B (Deutsche) In Kontraste übersetzten:A1 = -1     A2 = -1      A3 = 2 Jedem empirischen Mittelwert wird sein Lambdagewicht zugewiesen Kontrastanalyse prüft, ob die Muster übereinstimmen Anwendung F-Test -> signifikantes Ergebnis? Welche vorgehensweisen gibt es? Kontrastanalyse für unabhängige Stichproben Kontrastanalyse für anbhängige Stichproben
• Kontrastanalyse für unabhängige Stichproben Vorgehen Effektgröße Vorgehen: Herkömmliche ANOVA F = Between-Varianz / Within-Varianz
hier F-Konstrast = Kontrast-Varianz / Within - Varianz Kontrast - Varianz = Kovariation von Lambda und Mittelwerten
max 1/ -1 Df immer 1 da nur ein Kontrast untersucht wird H0: Mittelwerte variieren zufällig, folgen keinem Kontrast Effektgröße: r-effekt size = F-Kontrast / F-Anova (df zw) + df inn Diese komplizierte Rechnung kann umgangen werden:Alle Rohwerte werden direkt mit dem Lambdagewicht ihrer Gruppe Korreliert Identisches Ergebnis Eigentliche Analyserechnung wird umgangen aber das macht nichts weil r-effekt size ohnehin das am einfachsten zu interpretierende Ergebnis ist
• Kontrastanalyse für abhängige Stichproben Vorgehen Effektgröße Vorgehen: Lambda Muster muss für jede einzelne Person geprüft werden Für jede Person wird ein L-Wert berechnet (kann groß, aber auch negativ sein) Weicht der Durchschnitt aller L-Werte (L-Strich) signifikant von Null ab? t-Test für eine Stichprobe: t = L-Strich / Wurzel aus Populationsvarianz / n Effektgröße: Abstandsmaß g (Idee: unterscheidet sich L-Strich signifikant von 0?)
g = t / Wurzel aus n
• Metaanalyse Alle in den Studien berichteten Ergebnisse müssen auf eine Skala gebracht werden Effektgrößen - Unterschieds- oder Zusammenhangs? Hier Cohen daus Rohdaten, anderen Effektgrößen, oder Signifikanztestergebnis umrechnenDann Mittelwert d-Strich berechnenSumme di / n
• Faktorenanalyse Ältestes und am häufigsten eingesetztes VerfahrenIQ, Big 5 Reduzieren eine Vielzahl von Variablen auf wenige Faktoren, die dann stellvertretend für ihre Ausgangsvariablen stehen Zentrales Instrument zur Theorienbildung und Fragebogenkostruktion Fasst manifeste Variablen zu wenigen theoretischen Konstrukten zusammen Es gibt keine UVs, nur Korrelationen zwischen Variablen die den selben Sachverhalt messen
• Clusteranalyse Reduktion von Fällen (Personen, Objekte) indem diese zu Gruppen zusammengefasst werden zB Segmentierung von Käufergruppen: Spontankäufer, impulsiver Käufer, überlegter Käufer Keine UVs, lediglich wird die Ähnlichkeit im Hinblick auf eine vielzahl von AVs untersucht 
• Advertisement
• Multivariate Varianzanalyse (MANOVA) Prüft den Effekt einer oder mehrer UVs auf mehrere Als Wenn signifikant bieten sich einzelne ANOVAS an die für jede AV prüfen ob sich ein Effekt zeigt
• Multidimensionale Skalierung (MDS) Nutzt Ähnlichkeitsbewertungen (von Objekten durch Personen) um abzuleiten wie viele Bewertungsdimensionen diesen Urteilen vermutlich zugrunde lagen Hauptergebnis: Auffinden der relevanten AVs nach denen Personen ihre Einschätzungen vornehmen Dimensionen nahe legen (nicht mehr als 3 (dreidimensionale Welt)Wo liegen die Objekte auf diesen DimensionenzB Automarke - wie wird sie bewertet? Prestige und Leistung
• Conjoint Analyse Dimensionen sind bekannt Prüft den relativen Einfluss verschiedener Merkmale und Merkmalsausprägungen auf die Bewertung von Objekten durch eine oder mehrere Personen Wie groß ist der Einfluss der Dimensionen auf das Urteil Grundlage = Urteile von Personen (Ratingskala) zB Waschmittel)Alle Merkmale sind kombiniertBerechnet welches Merkmal wichtig für die Entscheidung warVerpackung = 70% der Entscheidung zum Kauf
• Strukturgleichungsmodelle Kombi Faktorenanalyse & Regressionsrechnung Bilden komplexe Zusammenhänge zwischen latenten Variablen ab und dienen so der Überprüfung sozialwissenschaftlicher Modelle und Theorien Umgekehrte Faktorenanalyse: Latente Variable = Faktor Lässt sich durch Variablenbündel (manifeste) berechnen Also kann man die latente Variable doch durch Regressionsanalysen untersuchen
• Qualitative Forschung: Ziel Forschungsprozess Subjektivität Anwendungsfelder/Stellenwert (Positionen) 3 Verfahren Ziel: In den gesammelten Daten nach Bedeutungen zu suchen und weniger nach quantifizierbaren Gesetzmäßigkeiten, so werden nicht so viele wichtige Daten und Informationen verschenkt subjektive Äußerungen stehen im Mittelpunkt der Betrachtungen Datengrundlage ist meist ein Text der auf Bedeutung und Sinnstrukturen untersucht wird Es wird nicht mit Skalen, Zahlen oder Kennwerten gearbeitet Ungleich Naturalismus (Psyche ist durch materielle Gesetze und Prozesse beschreibbar) Forschungsprozess: kein starrer Ausgangspunkt, eher Kreislauf Fast immer Texte, aber auch Bilder oder Videos Auswertung je nach Methode Bleibt etwas offen - neue Daten sammeln (von Personen die Aufklärung versprechen) Gut auch um neues inhaltliches Gebiet zu explorieren Immer wieder neue Fragen immer Wieder neue Daten Subjektivität: Forscher = Analyseinstrument Wo bleibt die Objektivität?! Kritik kann aus 2 Gründen stark abgemildert werden: Folgt auch Regeln, nicht völlig beliebig (Auswertungsschema, mehrere unabhängige Personen, ähnliches Ergebnis? Sonst diskutieren, alles protokollieren)Subjektivität ist aber auch Teil des Forschungsansatzes Quantitative Forschung ist auch nicht rein Objektiv, die Daten muss der Forscher interpretieren!!!! Anwendungsfelder/Stellenwert heiß umstritten Position 1: nur quantitativPosition 2: gemischt, qualitativ als Ergänzung (Bewusstseinsforschung, neues Themengebiet)Position 3: nur qualitativ (reiner Konstruktivismus, aber wozu dann überhaupt Wissenschaft betreiben?) Sehr hoher Aufwand, nur wenn nötig und sinnvoll!!! 3 Verfahren: Qualitative Inhaltsanalyse Grounded Theory Diskursanalyse
• Qualitative Inhaltsanalyse allgemeines Beispiel Ablauf Musiktherapie Ziel theoriegeleitet (jede Art von Fragestellung) aber flexibel, keine festgelegten Kriterien/Variablen Kann sehr gut mit den quantitativen Methoden kombiniert werden Intercodier-Reliablität sehr wichtig!! Die Verschiedenen Interviews sollten ähnlich sein Beispiel Ablauf: Warum wirkt Musiktherapie? Audioaufnahme einer Patientin von 5 Personen analysiert -> 5 Beispieltext 1er Schritt des Codierend: verdichten und entsprechend der Leitfragen kategorisieren Welche Kategorien (Motive) ergeben sich aus den Texten?: Ziel Gemeinsamkeiten in den Texten zu finden Es wurden 11 Motive gefunden und in Tabelle zusammengefasst Dann generellen Muster finden und mit Person und Biographie verbinden Ziel/Erfolg: Patienten können durch Musik ihre verborgenen Gefühle äußern, diese können von objektiven Beobachtern erkannt werden dadurch kann gezielte Hilfe durch Therapeuten entwickelt werden
• Grounded Theory Besonderheiten Codierungsregeln Ablauf neuer Themenbereich, Hypothesen/Ideen finden („grounded“ on Data)Neuer Themenbereich zB Verarbeiten von Krankheiten, Umgang mit Stress, Alte Menschen und Computer, Stress am Arbeitsplatz) Alle Arten von Texten, völlig unvoreingenommen aufmerksam lesen und codieren Codierungsregeln: Nach aufmerksamem lesen: Zeilenweises Codieren (Was ist die Hauptaussage dieser Zeile?) - sehr kleine Bedeutungseinheiten Fukussiertes Codieren: Zusammenfassen zu größeren Bedeutungseinheiten Das führt schließlich zu übergeordneten Themen die sich aus dem Text ergeben und wiederum zu Kathegorien zusammengefasst werden = Prozess des Konstanten Vergleichs (größtmögliche Objektivität) soll während der gesamten Analysearbeit Kreislaufartig fortgesetzt werden weiterer Ablauf: Theoriengeleitetes ziehen von interessanten Probanden/Stichproben (eher Extremfälle) „theoretical sampling“ Memos: Aufzeichnungen währen der Analyse (Notitzen, Ideen, Einfälle) - super wichtig Memos und Kategorien -> Zusammenfassen zur Theorienbildung Subjektivität wird genau protokolliert um transparent zu halten wie der Forscher aufgrund deer objektiven Daten zur Theorie gekommen ist Alles wird zu einem Text zusammengefasst Revision und Implikation Finaler Text: enthält neue Theorie oder Ansatz
• Diskursanalyse Erklärung Ziel Ablauf Konstruktivismus: Nur Bedingugnsgefüge in denen sich eine Person befindet müssen analysiert werden + wie können diese zum Positiven verändert werden? Dies kann einzig und allein durch Sprache möglich sein (Diskurs)Primär um eine konkrete Fragestellung zu beantworten (praktisch oder theoretisch)Ziel: Konkrete Handlungsempfehlung/ Forschungsfrage beantwortenNie objektiv! Eher der Exot! Ablauf: aufmerksam lesen + erster Gesamteindruck Codieren: relevante Zeilen markieren Wichtig ist das zwischen den Zeilen lesen! Ziel: Auffinden übergeordneter Denkmuster und VorstellungenzB bestimmte Ursachen (zB aus deer Vergangenheit) auffinden die eventuell unangenehm erlebt werden (zB das Vermeiden von engeren Kontakten) Wird in einem abschließenden Text festgehalten Bsp.: 13 Ferienhausbesitzer in Wisconsin erklären warum sie dort ein Haus haben Ergebnis ist eine Handlungsempfehlung für die Person Die Konstruktion der Wirklichkeit hätte sich dann für diese Person geändert
• Kritik Abschluss Qualitative Forschungsmethoden oft undeutlich was genau getan werden muss und worin genau das Ergebnis bestehtKein genaues Schema wie beim F-Test zB Größerer SpielraumVorteil: Viel weniger relevante Informationen geht verlorenNachteil: ungenauer und nicht mehr objektiver Umgang mit Daten offener Analyseprozess, keine genauen Regeln (grounded Theorie ist noch ein positives Beispiel)daher gibt es unzählige Ansätze, weder überschaubar noch absetzbar Anwendung erfordert eher Kunstfertigkeit und Talent als eilernbare Technik Sehr großer Aufwand (Zeit, Übung, Kreativität) und am Ende steht immer die Frage: wie objektiv und reliable ist das Ergebnis nun? Kompromiss: ZB Leitfadeninterviews Kombi quantitativ/qualitativ

back  |  next 1 / 1