Die Auswahl der passenden statistischen Methoden für Dein Projekt ist oft nicht leicht. Die Möglichkeiten sind vielfältig und den meisten Anwendern fehlt der Überblick über die statistischen Methoden, um schnell und einfach sich für die bei ihnen passende zu entscheiden. Zudem haben viele Angst, Fehler bei der Auswahl zu machen und so eine unpassende Methode einzusetzen, die dann zu falschen Ergebnissen führt. Um Dir die Auswahl der passenden statistischen Methode zu erleichtert, gebe ich Dir hier einen Fahrplan an die Hand, nach dem Du Schritt-für-Schritt vorgehen kannst.
Starte bei Deiner Forschungsfrage
Es ist wichtig, bereits bei Deiner Forschungsfrage zu starten und bereits hier mit Sorgfalt aus der Forschungsfrage heraus die Hypothesen zu formulieren. Die Hypothesen müssen folgende Eigenschaften haben:
- Sie müssen ganz klar und präzise formuliert sein.
- Formuliere in jeder Hypothese nur eine Idee Deiner Forschungsfrage und formuliere sie so genau wie möglich.
- Zudem muss die Hypothese messbar sein. Das heißt, alle Parameter, die Du in Deiner Hypothese mit formuliert hast, müssen in Deinen Daten enthalten sein bzw. Du musst sie in Deiner geplanten Studie erheben.
Du formulierst für die folgende Datenanalyse statistische Hypothesen, die jeweils als Paar aus Nullhypothese und Alternativhypothese auftreten. Die Alternativhypothese ist das, was Du zeigen möchtest. Meist wird hier formuliert „Es gibt einen Unterschied.“, „Es gibt einen Effekt.“, „Es gibt einen Zusammenhang.“. Die Nullhypothese ist das Gegenteil der Alternativhypothese. Hier formulierst Du dann „Es gibt keinen Unterschied.“, „Es gibt keinen Effekt.“, „Es gibt keinen Zusammenhang.“. Die Nullhypothese wird dann später mit dem Signifikanztest auf Signifikanz getestet. Der Test versucht die Nullhypothese abzulehnen (=Annahme der Alternativhypothese).
Das Studiendesign
Hast Du die Hypothesen formuliert, so ergibt sich daraus das Studiendesign (wenn Du Deine Daten bereits erhoben hast, steht das Studiendesign schon fest, dann müssen also auch die Hypothesen schon genau dazu passen.). Selbst wenn das Studiendesign schon fest ist, solltest Du an dieser Stelle Dir nochmal genau vor Augen führen, wie Dein Studiendesign aufgebaut ist. Denn das ist wichtig für die passenden Analysemethoden später. Du beschreibst also, ob und wie viele Gruppen Du hast, welche Gruppen das sind (Kontrolle, Behandlung usw.), ob Du an mehreren Zeitpunkten Deine Daten erhebst, welche Messzeitpunkte das sind und welche Parameter Du erhebst.
Du willst mehr Durchblick im Statistik-Dschungel?
Variablen und Messniveau
Von der Auflistung Deiner Parameter kommst Du direkt zum nächsten Schritt: Festlegung der Variablen und Bestimmung der Variablentypen. Du entscheidest also für jede Variable (Parameter), die Du in Deiner Datenanalyse brauchst, ob es sich um eine nominale, ordinale oder metrische Variable handelt. Nominale Variablen sind dabei Parameter, die in Kategorien gemessen werden, z.B. Geschlecht oder Nationalität. Ordinale Parameter werden auch in Kategorien gemessen, die Kategorien haben aber zusätzlich eine natürliche Reihenfolge. Das ist zum Beispiel bei der Schulnote von 1 bis 6 oder beim Tumorstadium (I, II, III, IV, V) der Fall. Alle Parameter, die auf einer (gleichabständigen) Skala gemessen werden, sind metrische Variablen, wie zum Beispiel Alter, Gewicht, pH-Wert. Zudem gibt es noch Sonderfälle wie Überlebensdaten, die auch besondere Analysemethoden fordern, oder Grenzfälle wie Likert-Items, bei denen diskutiert werden kann, ob es sich um ordinale oder metrische Parameter handelt. Notiere Dir auch diese Sonderfälle. Nun hast Du zu jedem Deiner Variablen das Messniveau bestimmt.
Voraussetzungsprüfung
Durch die Hypothese, das Studiendesign und die Variablentypen ergibt sich nun schon eine Auswahl an möglichen statistischen Methoden. Das ist Deine Vorauswahl. Einige davon haben bestimmte Voraussetzungen an die Daten. Die solltest Du nun im nächsten Schritt testen. Du prüfst also nun – je nach vorausgewählter Methode – die Zellbesetzung oder die Verteilung der Daten (Normalverteilung, Varianzhomogenität, Ausreißer), untersuchst eventuell bereits Zusammenhänge zwischen den Variablen (z.B. wegen Multikollinearität oder Linearität) usw. Was genau hier notwendig ist, hängt direkt von den vorausgewählten Methoden ab. Manche Methoden haben kaum Voraussetzungen, andere eine ganze Liste. Nach Prüfen der Voraussetzungen kannst Du nun entscheiden, welche Methode für Deine Analyse die passende ist.
So hast Du nun einen Fahrplan an der Hand, den Du jedes Mal nutzen kannst, wenn Du wieder über die passende Methode für Deine aktuelle Analyse entscheiden musst. Im Laufe der Zeit wirst Du bei diesem Vorgehen immer sicherer und schneller werden.
Fehlt Dir außerdem auch noch ein Überblick darüber, was bei einer quantitativen Studie insgesamt wichtig ist und worauf Du besonders achten solltest, wenn Du das erste Mal so eine Studie durchführst? Dann schau Dir meinen Gastartikel „Was ist quantitative Forschung“ im Blog von Huberta Weigl an.
Ich bin Statistik-Expertin aus Leidenschaft und bringe Dir auf leicht verständliche Weise und anwendungsorientiert die statistische Datenanalyse bei. Mit meinen praxisrelevanten Inhalten und hilfreichen Tipps wirst Du statistisch kompetenter und bringst Dein Projekt einen großen Schritt voran.