vl1 Flashcards
(8 cards)
was ist das Grundanliegen aller empirischen Forschung:
Erkennen kausaler Faktoren, die systematische Veränderungen der AV bewirken. Um kausale Einflüsse vom bloß zufälligen Covariieren zu unterscheiden sind Techniken der Versuchsplanung & statistischen Analyse unverzichtbar.
kategorische (qualitative) Daten – „was“
NICHT durch ZAHLEN gegeben (wenn dann, Zahlen nur als willkürliche Label, ohne Bedeutungsverlust durch nichtnumerische Bezeichner ersetzbar);
- nominal = NICHT RANGORDBAR (Beruf, Konfession, Familienstand). Haben nominale Daten nur zwei Ausprägungen (Geschlecht oder bestanden/durchgefallen), so nennt man sie binär.
- ordinal = RANGORDBAR (Schulnoten, Gefahrenstufen, Güteklassen)
quantitativen Daten – „wie viel“
- werden entweder GEMESSEN (positive REELE ZAHLEN (Größe, Gewicht, Zeit)
- oder GEZÄHLT (NICHT NEGATIVE GANZE ZAHLEN (0, 1, 2, z.B. Anzahl der Geschwister).
⋄ wichtigste praktische Konsequenz: DATENTYPUS DEFINIERT die mit diesen Daten MAXIMAL ERLAUBTEN OPERATIONEN.
BSP: MIT KATEGORISCHEN DATEN KEINEN sinnvollen MITTELWERT (“mittlere Steuerklasse/Telefonnummer”) berechnen.
Randomisierung:
zufällige Verteilung der Untersuchungseinheiten auf die verschiedenen Bedingungen einer Untersuchung (per Los, im Mittel AUSGLEICH mitbestimmender Variablen, Covariaten; dieser Ausgleich erfolgt NUR AUF LANGE SICHT, also bei GROßER STICHPROBE)
Parallelisierung:
Nachteile:
wichtige Covariaten werden explizit gemessen & Gruppen so zusammen- gestellt, dass Verteilung dieser V in zu vergleichenden Gruppen annähernd übereinstimmt.
Nachteile: man muss die Covariaten überhaupt identifizieren und sie auch messen können.
Gold-Standard:
randomisierte parallelisierte Studien (vereint die vielen Vorteile, optimal)
Extremfall der Blockbildung (Parallelisierung):
Messwiederholung innerhalb einer Person, oder auch die simultane Anwendung zweier Einwirkungen, wie z.B. zweier Hautpräparate etwa an der linken vs. rechten Hand ein- und derselben Person.
WAS IST WICHTIG WAS MAN BEI EINER DATENERHEBUNG IMMER IM KOPF HABEN SOLLTE?
Eine unangemessene oder fehlerhafte statistische Datenanalyse kann oft auch noch nachträglich durch eine bessere Analyse ersetzt werden. Hingegen ist das unangemessene oder fehlerhafte Design einer Untersuchung fast immer ein irreparabler, letaler Defekt. (lässt sich nicht durch große Stichproben kompensieren; systematische Verzerrungen)
In diesem Sinne ist richtige Anlage, Planung und Durchführung von Versuchen & Studien grundsätzlich wesentlich wichtiger als rechnerisch-statistische Verfahrens- & Detailfragen.
