Advanced methods of management research V - Cheatsheet

Quantitative und qualitative Methoden

Definition:

Quantitative und qualitative Ansätze in der Managementforschung

Details:

• Quantitative Methoden: numerische Daten, Hypothesenprüfung, statistische Analysen.
• Qualitative Methoden: nicht-numerische Daten, explorativ, Interviews, Fallstudien.
• Quantitativ: z.B. Umfragen, Experimente.
• Qualitativ: z.B. Tiefeninterviews, Beobachtungen.
• Wahl der Methode abhängig von Forschungsfrage und Zielsetzung.
• Mixed-Methods: Kombination aus beiden Ansätzen für umfassendere Ergebnisse.

Big Data Analytik

Definition:

Eigenschaft der Verarbeitung großer Datenmengen zur Gewinnung von Erkenntnissen, oft mit Hilfe spezieller Algorithmen und Tools.

Details:

• Drei Vs von Big Data: Volume (Datenmenge), Velocity (Verarbeitungsgeschwindigkeit), Variety (Datenvielfalt)
• Wichtige Werkzeuge: Hadoop, Spark, NoSQL-Datenbanken
• Analysemethoden: Clusteranalyse, Regressionsanalyse, Maschinelles Lernen
• Anwendungsbereiche: Marketing, Finanzanalyse, Produktionsoptimierung
• Herausforderungen: Datenschutz, Datenqualität, Skalierbarkeit

Interviews und Fokusgruppen

Definition:

Interviews und Fokusgruppen sind qualitative Forschungsmethoden zur Erhebung tiefgehender Einblicke in Einstellungen, Meinungen und Verhaltensweisen von Individuen oder Gruppen.

Details:

• Interviews: Einzelne Befragungen, können strukturiert, halbstrukturiert oder unstrukturiert sein.
• Fokusgruppen: Moderierte Gruppendiskussionen zur Erörterung spezifischer Themen.
• Ziel: Erfassung von qualitativen Daten und tiefem Verständnis.
• Wichtig: Offene Fragen, Vermeidung von Suggestivfragen.
• Datenanalyse: Transkription und kodieren zur Themenidentifikation.

Soziale Netzwerkanalyse

Definition:

Untersuchung von sozialen Netzwerken mittels quantitativer und qualitativer Methoden zur Identifikation von Netzwerkmustern und -strukturen.

Details:

• Netzwerkstrukturen analysieren: Knoten (Akteure) und Kanten (Beziehungen).
• Wichtige Metriken: Zentralität (degree, betweenness, closeness), Dichte, Modularität.
• Visualisierung von Netzwerken und Interpretation.
• Methoden: Matrizendarstellung, Graphentheorie, Computerbasierte Modelle.
• Anwendungen: Organisationsforschung, Wissensmanagement, Innovationsprozesse.

Zeitreihenanalyse

Definition:

Analyse von Datenpunkten, die in zeitlicher Reihenfolge gesammelt wurden, um Muster, Trends und saisonale Schwankungen zu erkennen.

Details:

• ARIMA-Modelle: Kombination aus Autoregression (AR), Integrierung (I) und gleitendem Durchschnitt (MA).
• Saisonale Komponenten: Berücksichtigung von saisonalen Einflüssen durch SARIMA.
• Stationarität: Zeitreihen müssen stationär gemacht werden, um zuverlässige Vorhersagen zu ermöglichen.
• ACF und PACF: Autokorrelations- und partielle Autokorrelationsfunktionen zur Bestimmung der Modellparameter.
• Vorhersage: Modelle zur Prognose zukünftiger Werte (z.B. Holt-Winters, ARIMA).
• Tests auf Kointegration: Überprüfung, ob langfristige Gleichgewichtsbeziehungen zwischen Zeitreihen bestehen.

Multivariante Statistik

Definition:

Statistische Analyseverfahren zur Untersuchung von mehr als zwei Variablen gleichzeitig.

Details:

• Ziel: Erkennen von Mustern und Zusammenhängen in komplexen Datensätzen
• Anwendung: Psychologie, Marketing, Sozialwissenschaften
• Wichtige Methoden:
  • Multiple Regression
  • Faktorenanalyse
  • Clusteranalyse
  • Diskriminanzanalyse
• Formeln:
  • Multiple Regression: \[ Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \beta_n X_n + \text{Fehlerterm} \]
  • Manova: \[ \text{Wilks’ Lambda} = \frac{|\textbf{E}|}{|\textbf{E} + \textbf{H}|} \]

Grounded Theory

Definition:

Methode zur Entwicklung von Theorien durch systematische Datensammlung und Analyse. In der Managementforschung verwendet, um neue Einblicke und theoretische Rahmenbedingungen zu schaffen.

Details:

• Induktiver Ansatz: Theorie entwickelt sich aus den Daten, nicht umgekehrt.
• Iterativ: Daten sammeln, analysieren, theoretisch kodieren und dann wiederholen.
• Kodierung: Offene, axiale und selektive Kodierung zur Strukturierung der Daten.
• Ständiger Vergleich: Vergleich neuer Dateneinheiten mit bestehenden, um Muster zu erkennen.
• Theoretische Sättigung: Datensammlung endet, wenn keine neuen Erkenntnisse mehr gewonnen werden.

Laborexperimente und Feldstudien

Definition:

Laborexperimente: kontrollierte Umgebung, Manipulation von Variablen. Feldstudien: natürliche Umgebung, Beobachtung ohne Manipulation.

Details:

• Laborexperimente: Hohe interne Validität, niedrige externe Validität
• Feldstudien: Hohe externe Validität, niedrige interne Validität
• Laborexperimente: Präzise Kontrolle der Einflussfaktoren und Bedingungen
• Feldstudien: Realitätsnahe Ergebnisse, natürliche Verhaltensweisen
• Beide Methoden ergänzen sich und werden oft kombiniert
• Statistische Auswertung: ANOVA, \t-Test, Regression