Zusammenfassung
Nach der Datenerhebung ist bei jedem empirischen Forschungsprojekt die Aufgabe derDatenanalyseoderDatenauswertungzu lösen. Dafür stellt die Statistik im allgemeinen ein großes Arsenal an Instrumenten zur Verfügung, deren “Spannweite” von einfachen deskriptiven Maßzahlen, wie z.B. Mittelwerten, Streuungsmaßen, Korrelationskoeffizienten usw., bis hin zu komplizierten multivariaten Datenanalysemodellen reicht. Welche Analyseverfahren eingesetzt werden können, hängt von verschiedenen Umständen ab, so vom Skalenniveau der Variablen, von der „Fallzahl“ (d.h. vom Stichprobenumfang), von der verfügbaren Software und natürlich auch von der Vertrautheit des Forschers mit den vielfältigen Möglichkeiten der modernen Datenanalyse. Auf die leider immer noch gängige Praxis, sich erst nach der Datenerhebung um die Auswertung zu kümmern bzw. diese dem Statistiker zuzuschieben, wurde schon in Kapitel II.1. hingewiesen. Bei Begriffsdefinitionen, Indikatorenwahl, Operationalisierung, Auswahl der Merkmalsträger, sollte schon die Datenanalyse mitbedacht werden (vgl. dazu die Ausführungen in Kapitel II.5.), insbesondere was das Skalenniveau der letztlich resultierenden Variablen und den Stichprobenumfang betrifft.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1999 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Stier, W. (1999). Grundzüge der multivariaten Datenanalyse. In: Empirische Forschungsmethoden. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-58460-2_8
Download citation
DOI: https://doi.org/10.1007/978-3-642-58460-2_8
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-65295-3
Online ISBN: 978-3-642-58460-2
eBook Packages: Springer Book Archive