Emperical Research methods - Cheatsheet

Grundlagen der empirischen Forschung

Definition:

Erfassung und Analyse von Daten zur Überprüfung wissenschaftlicher Hypothesen.

Details:

• Definition und Ziel: Theorien testen oder Hypothesen überprüfen.
• Datensammlung: Primärdaten (Umfragen, Experimente), Sekundärdaten (bestehende Datensätze).
• Methoden: Qualitativ (Interviews, Fallstudien), Quantitativ (Statistiken, Umfragen).
• Variablen: Unabhängig, abhängig, intervenierend.
• Stichproben: Zufallsstichprobe, Quotenstichprobe.
• Statistische Tests: t-Test, Chi-Quadrat, Regression.
• Interpretation: Korrelation vs. Kausalität beachten.

Unterschiede zwischen qualitativer und quantitativer Forschung

Definition:

Unterschied zwischen qualitativer und quantitativer Forschung bezieht sich auf die Methoden und Ziele der Datenerhebung und -analyse.

Details:

• Qualitative Forschung: Fokus auf Verstehen und Interpretation von sozialen Phänomenen; Methoden beinhalten Interviews, Fokusgruppen, und Beobachtungen.
• Quantitative Forschung: Fokus auf Messung und Quantifizierung; Methoden beinhalten Umfragen, Experimente und statistische Analysen.
• Qualitative Daten: Textbasierte, nicht-numerische Daten, die tiefe Einblicke geben.
• Quantitative Daten: Numerische Daten, die mithilfe statistischer Methoden analysiert werden können.
• Ziel der qualitativen Forschung: Theorien entwickeln oder erweitern.
• Ziel der quantitativen Forschung: Hypothesen testen und generalisierbare Ergebnisse erzielen.

Verwendung von SPSS und R zur Datenanalyse

Definition:

Verwendung von SPSS und R zur Datenanalyse

Details:

• SPSS: SPSS Statistics für descriptive Statistics, Regression, Clusteranalyse
• R: R und RStudio für umfangreiche Datenmanipulation und -visualisierung, Packages wie dplyr, ggplot2
• SPSS-Syntax und R-Skripte sind nützlich für Reproduzierbarkeit
• Syntaxbeispiele: \texttt{desc var; } für SPSS, \texttt{summary(df$var)} für R

Deskriptive und inferentielle Statistik

Definition:

Deskriptive Statistik beschreibt und fasst Daten zusammen. Inferentielle Statistik zieht Rückschlüsse von Stichproben auf die Gesamtheit.

Details:

• Deskriptive Statistik: Mittelwert \(\bar{x}\), Median, Modus, Standardabweichung \(s\), Varianz \(s^2\).
• Grafiken: Histogramme, Boxplots, Streudiagramme.
• Inferentielle Statistik: Hypothesentests, Konfidenzintervalle \(CI\), p-Wert.
• Schätzungen: Punktschätzung, Intervallschätzung.

Regressionsanalyse: Einfach und Mehrfachregression

Definition:

Analyse der Beziehung zwischen einer abhängigen Variable und einer oder mehreren unabhängigen Variablen. Ziel: Vorhersage und Modellierung.

Details:

• Einfachregression: Eine unabhängige Variable. Modell: \(Y = \beta_0 + \beta_1 X + \epsilon\)
• Mehrfachregression: Mehrere unabhängige Variablen. Modell: \(Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_n X_n + \epsilon\)
• Gütemaße: R-Quadrat, Adjustiertes R-Quadrat
• Signifikanztests: t-Test für Koeffizienten, F-Test für Gesamtsignifikanz
• Annahmen: Linearität, Homoskedastizität, Normalverteilung der Residuen, Unabhängigkeit der Fehler

Stichprobenauswahl und Stichprobenverfahren

Definition:

Stichprobenauswahl bezieht sich auf die Methode zur Auswahl von Teilnehmern aus einer Population. Ein Stichprobenverfahren bestimmt, wie diese Auswahl getroffen wird.

Details:

• Zufallsauswahl: jedes Element hat gleiche Wahrscheinlichkeit, ausgewählt zu werden
• Schichtenstichprobe: Population in Schichten unterteilt und zufällig aus jeder Schicht ausgewählt
• Klumpenstichprobe: Ganze Gruppen (Klumpen) werden zufällig ausgewählt
• Quotenstichprobe: Auswahl basierend auf bestimmten Merkmalen bis festgelegte Quoten erreicht sind

Messinstrumente: Validität und Reliabilität

Definition:

Evaluierung und Sicherstellung, dass Messinstrumente in der empirischen Forschung gültige und zuverlässige Ergebnisse liefern

Details:

• Validität: Grad der Genauigkeit, mit dem ein Instrument misst, was es zu messen vorgibt.
• Reliabilität: Grad der Konstanz und Reproduzierbarkeit der Messergebnisse bei wiederholter Anwendung des Instruments.
• Formeln:
  • Reliabilität: \[ \text{Reliabilität} = \frac{\text{Varianz des wahren Werts}}{\text{Varianz des beobachteten Werts}} \]
  • Validität: \[ \text{Validität} = \frac{\text{Korrelation zwischen Testergebnis und Kriterium}}{\sqrt{\text{Reliabilität des Tests}}} \]

Ethik der Forschung: Datenschutz und ethische Richtlinien

Definition:

Umgang mit sensiblen Daten und Einhaltung ethischer Standards in der Forschung.

Details:

• Datenschutzgesetze (z.B. DSGVO) beachten
• Anonymisierung und Pseudonymisierung von Daten
• Einwilligung der Studienteilnehmer einholen
• Forschungsethikkommission konsultieren
• Ethische Prinzipien: Transparenz, Integrität, Verantwortung
• Richtlinien und Kodizes der Fachgesellschaften befolgen