3.9 Оценка
На първо място, общите източници на грешки трябва да бъдат разгледани преди да бъдат обсъдени статистическите възможности на оценката.
3.9.1 Източници на грешки в оценката
При анкетите източниците на грешки (изкривени отговори) могат да възникнат от грешки в инструмента или от неправилни отговори от участника. Грешките в инструмента могат да бъдат сведени до минимум чрез научно обоснована структура. Първо обаче трябва да се опишат ефекти, които могат да възникнат при оценката и които не се дължат пряко на инструмента или на респондента, а по-скоро на самата „природа на въпроса“.
Това е селекция от ефекти, които трябва да бъдат взети предвид по време на изпълнението и преди всичко по време на оценката.
Статистическа смъртност
Говори се за статистическа смъртност, когато вече не е възможно да се интервюират всички, които първоначално са били засегнати от мярката (напр. Курс, семинар). Оценката се извършва в курса по бизнес администрация в Тюбинген, в който този ефект трябва да бъде илюстриран. Изненадващо, оценките на семинарите често водят до неочаквано много добри до добри оценки.
Ако се вгледате по-отблизо в процеса, се появяват два проблема. Първо, анкетата се провежда някъде в края на семестъра по време на лекцията. Студентите, които са намерили семинара толкова зле, че вече не идват, неизбежно не се включват в оценката със своите мнения. Така че отпадате от разследването.
Социална желателност
Вторият проблем на описаната по-горе оценка се основава на социалната желателност, в този случай съчетана с негативни санкции. Анкетата се провежда малко преди изпитите. Ако оценката се окаже лоша, трябва да се страхуваме, че оценките на изпитите ще бъдат сходни. Под социална желателност се разбира „поведение на отговор, ориентирано към очакванията на проверяващия“ (Sassenberg/Kreutz 1999, p.61).
узряване
Участникът узрява по време на мярката, но не непременно чрез мярката. Това означава, че промяна може да бъде определена по време на изпитване преди и след това, но възниква проблем с приписването: Участникът спечелил ли е ползата от мярката или от други събития, напр. Разговори навън, четене на вестника?
Тенденция за съгласие (придобиване)
Това означава съгласие за въпроси без препратка към съдържанието. Това се проявява при хора, които напр. Отговорете да на следния въпрос: „Притежаването на огнестрелни оръжия в Германия трябва да бъде гарантирано в Основния закон.“ Вие обаче се съгласявате и с обратното: „Притежаването на огнестрелно оръжие трябва да бъде забранено в Германия от Основния закон.“ За това явление има обяснителният модел, който особено хората с ниска его сила са склонни да се съгласят.
Ефекти на първенство и рецидив
Ефектът на примат е подобен на гореспоменатата тенденция към споразумение, с тази разлика, че принципно няма съгласие, а по-скоро се избира първата опция за отговор, която удовлетворява участник.
Ефект на примат може да се приеме, ако има тенденция към един от първите отговори в списъка. Ефектът на първенството се проявява сравнително често при визуално достъпни списъци с отговори (вж. McClendon в Vogt 1999, стр. 134). Това явление теоретично може да бъде обяснено с приложен удовлетворяващ принцип, т.е. респондентът избира първия отговор, който го "удовлетворява", при което алтернативите на други отговори се игнорират. Липсата на знания за или липсата на интерес към предмета на въпроса също може да бъде решаваща (вж. Vogt 1999, стр. 135).
За разлика от това, има ефект на скорост, при който тенденциите на реакция са склонни към една от последните позиции в списъка. Това се случва v. а. в устни интервюта, когато респондентът вече е забравил първите възможности и по този начин прави избор от точките, които са били последно чути.
хало ефект
Ако въпросът е в контекста на предишни въпроси, той може да бъде повлиян от предишните въпроси или отговори. След това респондентът използва предишните въпроси и отговори като ръководство. Този проблем се нарича хало или радиационен ефект. Такива ефекти възникват главно, когато въпросите се занимават със същия предмет или тема по някакъв начин. Те обаче са „доказуеми само в единични случаи. Очевидно не са налице постоянни резултати за определени ефекти на последователността “(Vogt 1999, стр. 131; срв. Schnell et al. 1999, стр. 320). Независимо от това, трябва да се обърне внимание на възможните ефекти, свързани със съдържание, излъчване.
Централна тенденция или грешка с лека твърдост
В случая на централната тенденция, респондентът избягва екстремни стойности. Респондентите са склонни към средата. Подобен феномен, който има тенденция да бъде изключително положителен, е описан от Герл: „Проблем (.) Често възниква, че участниците обикновено правят много благоприятни оценки и оценки на техния курс и/или техния инструктор. След това отделните елементи понякога показват изключително изкривени разпределения. "(Gerl 1983, стр. 46)
Този проблем съвпада с опита на моята курсова работа. В оценката 85 до 100% от участниците гласуват за „много добър“. Герл посочва две възможни причини за това поведение: От една страна, участието в курса, за разлика от нормалните условия на живот, всъщност води до голямо удовлетворение, относително независимо от дидактическото качество. Курсът може да бъде се чувства като ваканция от ежедневието.
От друга страна, много валидното второ обяснение: Участниците не могат да бъдат свикнали да дават диференцирана критика чрез инструктор на курса, който в този момент е управленски персонал. За да се влошат нещата при лоша оценка е, че ръководителят на курса обикновено е приятелски настроен и получава добра оценка от „съчувствие“ (или от съжаление). По този начин могат да се направят много добри оценки за всички отговори, независимо от въпроса.
Герл предлага изчислително да обобщи останалите, по-бедни категории и да ги сравнява с резултата от много добрите оценки (Gerl 1983, стр.46).
Резюмето служи за преглед и при определени обстоятелства може да релативизира прекалено положителните оценки.
3.9.2 Статистически процедури
За разлика от човешкия интелект, компютърният интелект може да сгреши с далеч по-голяма степен на точност. (Автор неизвестен)
Статистиката е числени параметри, техники за оценка и най-разнообразните графични изображения, които позволяват смислен запис и анализ на данните от наблюдението.
Математическа оценка съгласно описателни процедури
За първи път размерите и характеристиките на местоположението и мерките за разсейване създават впечатление за очакваните резултати. Друга много важна цел е „да се създаде известна чувствителност от страна на изследователя за наличните данни“ (Maier et al. 2000, стр. 35). Това предотвратява грешки, които могат да се промъкнат сравнително бързо по време на трансформацията на променливата. Във всекидневието този процес протича интуитивно, както когато управлявате сметката в ресторанта. Така че помага "напр. при разпознаване на неправдоподобни разпределения, авантюристични средни стойности или необичайно голям брой или по-малко валидни стойности "(Maier ibid.).
Описателни процедури
Познаването на описателните процедури е важно, тъй като тези стойности могат да бъдат изчислени автоматично по-късно, когато се използва софтуер, независимо колко безсмислени са първоначалните стойности или въпроси. Ето как би бил изчислен въпросът „Колко висок е делът на чужденците в Швейцарската гвардия във Ватикана“.
За основно разбиране първо се изисква разбиране на нивата на скалата.
Първо, Номинална скала необходими. При това мащабиране има само едно „или-или“. Въпросите са напр. разделени според пола и намеренията за гласуване. Отговорите не могат да бъдат наредени, така че нямат ранг. Обикновено няма междинни етапи.
В Пореден мащаб За разлика от номиналната скала, данните могат да бъдат поставени в определен ред, ако определени характеристики са формално „по-ценни“ от други. След дипломирането напр. Abitur брои повече от Realschule, което от своя страна е по-добре от Hauptschule. Може да се каже само, че нещо е по-добро, а не колко е по-добро.
В Интервални везни В допълнение към свойствата на номиналната и редовната скала, има и възможност за определяне на разликата. Класическият пример за всяка лекция за статистика е температурната разлика - разликата между 10 и 20 градуса е точно толкова голяма, колкото между 60 и 70 градуса.
В Скала на съотношението В допълнение към свойствата на останалите мащабиране се добавя постоянно дефинираната нулева точка. Това прави възможно изчисляването на съотношенията. Така че може да се каже, че човек А е три пъти по-възрастен от Б, който печели два пъти повече.
[Таблица 16: Сравнение на номинални, редови, интервални и съотношения скали според Maier et al. (2000, стр. 36)
Разбирането на мащабите е първата основна стъпка за успешно прилагане на статистически методи. Автоматично създаване на категории въпроси може да се генерира чрез интеграция в софтуера. В социалните науки има предимно характеристики, които съответстват на номиналната и редовната скала.
Важни са и централните тенденции. Тук се запомнят само средната аритметична (средна, средна), режим (модална стойност), медиана (централна стойност) и квантили.
Мерките на дисперсия дават представа за променливостта на разпределението на характеристиките. Мерките на дисперсия включват минимум и максимум, обхват, интерквартилен обхват, стандартно отклонение, дисперсия и коефициент на дисперсия (относителна дисперсия).
За да не се надхвърли обхватът на работата, трябва да се направи справка със статистически книги за обяснения на тенденциите и мерки за разпръскване, които обикновено обясняват тези термини в първите глави (вж. Maier et al. 2000).
Аналитични процедури
Целта на аналитичния метод е да провери дали заключенията, които могат да бъдат обобщени, могат да се направят от получените данни или има връзка между отделни променливи. По-нататък накратко са очертани три важни метода за анализ на данните. могат да представляват интерес и се изчисляват автоматично от някои от описаните софтуерни пакети.
Кръстосана таблица (синоними: двумерно разпределение на честотата, непредвидена таблица)
Кръстосана таблица показва връзката между две променливи. Те са кръстосани и това показва честотното разпределение на дадена променлива, което се определя от характеристиките на втората променлива. Ето един прост пример: Оценката може да попита за удовлетвореността на участниците. Освен това в оценката се определя полът. Тези две променливи се кръстосват и може да се направи изявление относно удовлетвореността на участниците в зависимост от пола.
Изявленията могат да бъдат проверени за значимост с помощта на теста chi 2, който обикновено се използва за кръстосани таблици. Ако има статистическа значимост, мярката за асоцииране е интересна. Степента на асоцииране изразява степента на установената връзка. В този момент това би трябвало да е достатъчно, за да може да се направи оценка на софтуера. По-нататъшни и най-вече прецизни процедури са дадени в Maier et al. (2000, стр. 46 и сл.).
Корелационен анализ
При корелационния анализ статистическата връзка между две метрично мащабирани променливи трябва да бъде количествено определена, при условие че има връзка. Представянето в диаграми става чрез облак от точки. Ако точките са дифузно разпръснати, няма корелация (коефициентът на корелация на Пиърсън r = 0). Ако точките са близки и почти на въображаема линия, тогава коефициентът на корелация клони към r = 1 (вж. Maier et al. 2000, p.62 ff.).
Факторен анализ
Факторният анализ често се използва, когато са налични данни с неизвестна структура, т.е.когато не е известно как теоретично отделните променливи могат да бъдат свързани помежду си. Ето ярък пример: Въпросник за закупуване на автомобил задава въпроса за професията и значението на притежаването на автомобил. Тези данни се оценяват с факторен анализ. Следващата диаграма показва силните страни на факторния анализ и представянето под формата на факториална карта.
[Фигура 15: Пример за оценка на важността на собствеността на автомобил, показана на факториална карта
Факторният анализ стига дори по-далеч от примера и предлага невероятни възможности за знания.
Отново, Maier et al. (2000, стр.116 и сл.) За допълнителна информация.
Окончателно отражение върху статистиката
Статистическите процеси могат да дадат проницателни резултати. Основното изискване е и остава основно разбиране на статистическите процеси, дори когато се използват компютърно базирани проучвания. Следващата четвърта глава показва доколко използването на описателни и аналитични методи се поддържа от софтуерни решения.