th5

Werbung
Messungen – Skalen – Indizes
Empirische Sozialforschung
Renate Prantner
Christoph Schantl
Übersicht
• Messung nicht-direkt beobachtbarer Eigenschaften
• Big-Mac-Index
• Einstellungsmessung Likert - Technik
• Gütekriterien (Objektivität, Reliabilität, Validität)
• Guttman-Skala
• Polaritätsprofil
• Messung und Skalenniveaus
Folie 2
Begriffsbeschreibung
• Operationalisierung einer Variablen
Anweisungen, nach denen Untersuchungseinheiten den Kategorien
einer Variable zugewiesen werden
• Messung
Zuordnung von Zahlen zu Objekten nach bestimmten Regeln
• Skalierung
Spezialfall der Messung - auf der Basis eines Skalierungsmodells
Unterstellt empirisch prüfbare Annahmen über Struktur der Beobachtung
• Indizes
Variablen, deren Werte sich aus einer Rechenoperation mehrerer anderer
Variablen ergeben
Folie 3
Beispiel
Indirekte Messung
Messung der Fernsehbeteiligung
Heute
Kommissar
Hawaii Fünf-Null
Sendeschluss
Wasserverbrauch der Stadt Leverkusen an einem Wochentag
Folie 4
Messung nicht-direkt beobachtbarer
Eigenschaften
• Theoretisches Konstrukt
• Umweltbewusstsein, Lebensstandard
• Auswahl eines oder mehrer Indikatoren
• Qualitätskriterien einer Messung
• Reliabilität (Reproduzierbarkeit)
• Validität (Gültigkeit)
• Prüfung des Indikators - Validierungstest
• Korrelationskoeffizient (+1, -1, 0)
• Stärke des linearen Zusammenhangs zwischen zwei Variablen
Folie 5
Messung nicht-direkt beobachtbarer
Eigenschaften
• Berechnung des Korrelationskoeffizienten
s xy
rxy 
sx  s y
1
s xy 
N
sx 
Folie 6
Korrelationskoeffizient
N
_
_
 ( x  x )( y  y )
i 1
i
1 N _
2
(
x

x
)

i
N i 1
i
Kovarianz von X und Y
Standardabweichung
Big-Mac-Index
• Messung der realen Kaufkraft einer Währung
• Theorie der Kaufkraftparität
Der Wechselkurs zweier Währungen wird durch unterschiedliche
Preisniveaus in zwei Ländern bestimmt
• Big-Mac-Index
• Homogenes Gut
• Weltweit erhältlich
• Lokale Big-Mac Preise, Produkte und Dienstleistungen
• „Arbeitszeitaufwand für Big-Mac“ als Indikator des Lebensstandards
Folie 7
Big-Mac-Index
Folie 8
Big-Mac-Index
Prüfung des Indikators – Validierungstest
• Korrelation zwischen Big-Mac-Index und akzeptierten Maß
• BSP/Kopf
• „Human Development Index“ (HDI) der UN
Lebenserwartung bei Geburt, Alphabetisierungsrate, BSP/Kopf
Länder
Chicago
Zürich
Frankfurt
Wien
Amsterdam
Madrid
Buenos Aires
Mexiko
Bobay
Nairobi
Folie 9
ABM
Arbeitszeit in
Minutern für einen
Hamburger
14
21,5
23
27
28
31
66
90
92
177
BSP
Bruttosozialprodukt
pro Einwohner in
USD
22240
33610
23650
20140
18780
12450
2790
3030
330
340
HDI
Human
Development
Index
0,961
0,986
0,967
0,961
0,984
0,965
0,91
0,876
0,439
0,481
Big-Mac-Index
Korrelation BSP / HDI
Korrelation Big Mac / BSP
1,2
40000
35000
1
30000
0,8
25000
20000
0,6
15000
0,4
10000
5000
0,2
0
-5000 0
0
0
5000
10000
15000
20000
25000
30000
35000
40000
50
100
150
200
-10000
Korrelation Big Mac / HDI
Korrelationen
1,2
1
Big Mac / BSP
Big Mac / HDI
BSP / HDI
-0,790
-0,839
0,705
Mexiko
0,8
0,6
Nairobi
Bombay
0,4
0,2
0
0
Folie
10
50
100
150
200
Einstellungsmessung Likert – Technik
• „Technik der summierten Einschätzungen“
• Einstellungsmessung mit multiplen Indikatoren
• Qualitätskriterien der Testtheorie – Reliabilität und Validität
• Ziel
• Trennung geeigneter von wenig geeigneten Items
• Zuweisung eines Skalenwertes
• Technik
• Schriftlichen Befragung oder „Face-to-face“ Interview
• Punkte-Antwortskala
• Grad der Zustimmung zu jedem Item
Folie
11
Beispiel
Einstellungsmessung Likert – Technik
Item C: „Wenn wir so weitermachen wie bisher, steuern wir auf
eine Umweltkatastrophe zu“
(1) Stimme überhaupt nicht zu
(2) Stimme nicht zu
(3) Teils /Teils
(4) Stimme zu
(5) Stimme voll zu
Folie
12
Pers
1
2
3
4
5
6
7
8
9
10
A
3
3
5
3
3
3
2
4
5
1
B
4
5
3
5
4
5
5
5
1
C
5
5
1
5
5
5
5
5
5
5
D
2
5
5
4
3
4
5
4
5
Sum
Einstellungsmessung Likert – Technik
• „Item-Non-Response“
• Personen mit „missing values“ bleiben unberücksichtigt
• Gründe für „missing values“:
• Antwortverweigerung
• Keine Meinung zum spezifischen Item
• Vergessen eine Antwort zu geben
Folie
13
Einstellungsmessung Likert – Technik
• Konsistenz
• Items weisen eine gemeinsame Dimension auf
• Gründe für Inkonsistenz
• zufällige Messfehler
• systematische Verzerrungen durch einzelne Items
• mehrdimensionale Items (unterschiedliche Interpretationen)
Folie
14
Einstellungsmessung Likert – Technik
• Konsistenztest
• „Trennschärfekoeffizient“/„Item-Summenscore-Korrelation“
• Aussondierung geeigneter Items
• Berechnung der einzelnen Items mit dem Summenscore
• Voraussetzung: Mehrzahl der Items die Zieldimension im hohen
Maße anspricht.
• Annahmen dieses Konsistenztests
• In der Summe irrt man sich weniger als bei der Formulierung
von Einzelitems
Folie
15
Einstellungsmessung Likert – Technik
Pers
1
2
3
4
5
6
7
8
9
10
A
3
3
5
3
3
3
2
4
5
1
B
4
5
3
5
4
5
5
5
1
C
D
Summenscore
5
2
14
5
5
18
1
5
14
5
4
17
5
5
3
5
4
16
Trennschärfe5
5
korrelation
Item 19
5
4
19
5 Wirtschaft
5 und die Technik
12
Die
werden in der
A
B
C
D
E
F
Folie
16
Beispiel
Lage sein, die Umweltprobleme zu lösen.
Weiteres Wirtschaftswachstum ist die
wichtigste Voraussetzung dafür, dass auch
die Umweltprobleme gelöst werden.
Wenn wir so weitermachen wie bisher,
steuern wir auf eine Umweltkatastrophe zu.
...
...
...
0,39
0,46
0,53
...
...
...
Gütekriterien der Messung
• Objektivität
• Ausmaß der Unabhängigkeit der Ergebnisse vom Anwender des
Messinstrumentes
• Reliabilität
• Maß für die Reproduzierbarkeit von Messergebnissen
• Validität
• Grad der Genauigkeit des Messinstrumentes hinsichtlich der
zumessenden Variablen bzw. des Verhaltens
Folie
17
Objektivität
• Ausmaß der Unabhängigkeit der Ergebnisse
• Korrelationskoeffizient
• Durchführungsobjektivität
Niedrige Durchführungsobjektivität: unterschiedliche Interviewer lösen
beim gleichen Befragten X jeweils ein anderes Antwortverhalten aus.
• Auswertungsobjektivität
Geringe Auswertungsobjektivität: unterschiedliche Messergebnisse,
von zwei Auswerter A und B bei gleichem Antwortverhalten von X
Folie
18
Objektivität
Beispiel
• Durchführungsobjektivität
Durchführungsobjektivität von unterschiedliche Sympathieträger,
unterschiedliches Naheverhältnissen, vom Thema abhängig.
• Auswertungsobjektivität
Schularbeiten von 2 Lehrern korrigieren lassen
• Deutsch (geringe Auswertungsobjektivität)
• Mathematik (hohe Auswertungsobjektivität)
Folie
19
Reliabilität
• Maß für die Reproduzierbarkeit von Messergebnissen
• Korrelationskoeffizienten
• Paralleltest-Methode (Paralleltest-Reliabilität)
• Messung mit zwei vergleichbaren Messinstrumenten
• Reliabilität nicht mit Validität verwechseln! (Zeitungsleser)
• Test-Retest-Methode (Test-Retest-Reliablilität)
• Wiederholte Anwendung nach einem bestimmten Zeitintervall
• Erfordert ein Paneldesign
• Methode der Testhalbierung („Split-half-Reliabilität“)
• Aufsplitterung einer Itemsbatterie in zwei Paralleltests
• Verkürzung führt zur Unterschätzung der Reliabilität
Folie
20
Reliabilität
• Formel von Spearman und Brown
• Unterschätzung des Reliabilitätskoeffizienten wird mit Hilfe
der Formel von Spearman und Brown korrigiert
rs 
Folie
21
2  rs1s2
1  rs1s2
Reliabilität
Beispiel
• Formel von Spearman und Brown
• Alternierende Items
S1 = B + D + F + H + J
S2 = C + E + G + I + K
• Korrelationskoeffizient = 0,66
• Unterschätzung des Reliabilitätskoeffizienten wird mit Hilfe der
Formel von Spearman und Brown korrigiert
• Korrigierter Wert = 0,79
Folie
22
Validität
• Definition
• Grad der Genauigkeit, mit dem der Test diejenige
Verhaltensweise, die er messen soll, tatsächlich misst
• Arten der Validität
• Inhaltsvalidität: Repräsentative Stichprobe der zu messenden Eigenschaft
• Kriteriumsvalidität: Korrelation der Resultate eines Messinstrument mit
anderen empirisch relevanten Merkmalen (Außenkriterium)
• Unterscheidungsvalidität: parallel erhobenes Außenkriterium
• Vorhersagegevalidität: prognostiziertes Kriterium
• Konstruktvalidität: Prüfung zur Eignung von Messinstrumenten für die
Entwicklung von Theorien
Folie
23
Validität
Beispiel
• Inhaltsvalide Messung
• Sammlung umweltrelevanter Aussagen in öffentlichen Diskussion
mittels einer Inhaltsanalyse und Ziehung einer Stichprobe aus diesem
„Universum“
• „Expertenrating“: Expertenurteile bezüglich der Repräsentativität der
Items als Hinweis auf die Inhaltsvalidität eines Messinstrumentes
• Kriteriumsvalidität
• Übereinstimmungsvalidität
Zusammenhang zwischen Messwerten und Mitgliedschaft in
Umweltorganisationen
• Vorhersagevalidität
Zusammenhang zwischen Messwerten und einer späteren Wahl von
Umweltparteien (politischen Wahlverhaltens)
Folie
24
Validität
• Konstruktvalidität
• Brauchbarkeit von Messinstrumenten für die Entwicklung
von Theorien wird hiermit geprüft
• Das von einem Messinstrument erfasste Konstrukt soll einer
empirischen Prüfung standhalten
• Multitrait-Multimethod-Matrix (M-M-Matrix)
• stärker formalisiertes Verfahren der Konstruktvalidität
• Korrelationsanalysen
• Voraussetzung: Messung mindestens zwei hypothetische
Konstrukte mit mindestens je zwei verschiedenen Methoden
Folie
25
Validität
• Konstruktvalidität
• „Konvergente Validität“
Korrelation zwischen den Messergebnissen verschiedener
Methoden zur Erfassung des gleichen Konstrukts
• „Diskriminierende Validität“
Korrelation zwischen den Messergebnissen verschiedener
Konstrukte mit der gleichen Methode
Folie
26
Beispiel
Validität
• Konstruktvalidität: Multitrait-Multimethod-Matrix
Methode
Interview
Beobachtung
Interview
Konstrukt
U
K
U
K
U
0,80
0,40
0,56
0,28
K
0,78
0,25
0,50
Beobachtung
U
K
0,72
0,34
• Reliabilitätskoeffizienten („Split-half-Korrelation“)
gleiche Methode, gleiches Konstrukt
• Validitätskoeffizienten
gleiches Konstrukt, verschiedene Methoden
Folie
27
0,70
Objektivität, Reliabilität, Validität
• Hierarchisches Verhältnis der drei Güterkriterien
• Minimalvoraussetzungen
• Objektivität ist eine notwendige, aber nicht hinreichende
Bedingung der Reliabilität.
• Reliabilität ist wiederum eine notwendige, aber nicht
hinreichende Bedingung der Validität.
• Validität
Ziel ist die Konstruktion valider Messinstrumente
Erfüllung mindestens eines der Validitätskriterien
Ausmaß der Validität begrenzt durch Ausmaß der Reliabilität
Folie
28
Testtheorie
• Klassische Testtheorie
• Objektivität, Reliabilität und Validität
• Zusammenhang zwischen Messinstrumenten und
theoretischen Konstrukten mittels mathematisch-statistischen Modells
•X=T+E
Messwert X setzt sich aus T und E zusammen
• Probabilistische Testtheorie
• Wahrscheinlichkeit, dass Items sich lösen lassen hängt ab vom
Schwierigkeitsgrad und von Fähigkeit der Person
• Intelligenztest
Folie
29
Guttmann-Skalierung
• Erfasst Einstellungen zu einer Sache bzw. auch zu Personen (z.B.
Umweltbewusstsein)
• Deterministisches, eindimensionales, ordinales Skalierungsmodell
• Anteil der Ja-Antworten nimmt von A – D ab
• Items haben eine unterschiedliche Intensität bzgl. der latenten
Dimension „Umweltengagement“
Folie
30
Beispiel: Umweltengagement
JA
A: Haben Sie sich schon einmal in eine
Unterschriftenliste eingetragen, bei der es um
Umweltschutzprobleme ging?
58%
B: Haben Sie schon einmal oder häufiger Geld für
eine Umweltschutzaktion oder eine
Umweltorganisation gespendet?
42%
C: Sind Sie aktives oder passives Mitglied einer
Umweltschutzorganisation oder einer
Vereinigung, die Umweltschutzinteressen
verfolgt?
17%
D: Haben Sie schon einmal ein Treffen oder eine
Veranstaltung einer Umweltschutzorganisation
besucht?
16%
•„Je
höher die Kosten des Verhaltens, desto geringer ist das Engagement.“
Folie
31
Itemcharakteristik der Guttman-Skala
• Annahme: Person besitzt eine bestimmte Anschauung – Befragte
stimmt allen Items zu, die eine weniger extreme Anschauung
ausdrücken, als er selbst besitzt, extremere Items werden hingegen
abgelehnt.
Wahrscheinlichkeit JA
1
0
Latente Eigenschaft T
1
Folie
32
2
3
4
Aus der Itemcharakterisik folgt ein eindeutig bestimmbares
ideales Antwortmuster !
Antwortmatrix der Guttman-Skala
A
B
D
D
Skalenwert
0
0
0
0
0
T < τ1
1
0
0
0
1
τ1 ≤ T < τ2
1
1
0
0
2
τ2 ≤ T < τ3
1
1
1
0
3
τ3 ≤ T < τ4
1
1
1
1
4
τ4 ≤ T
Position auf
dem
latenten
Kontinuum
•Zustimmung zu einem intensiveren Item, schließt Zustimmung zu
schwächerem Item ein
•Skalenwert als Summe der gegebenen „Ja“ einer Person
•Person c mit Skalenwert von 3 hat höheres Umweltengagement
als z.B. Person a (Skalenwert 0)
•Skalenwerte zeigen Rangordnung - ordinales Skalenniveau!
Folie
33
Bedingungen für Guttman-Skala
• Beobachteten Antworten müssten theoretisch exakt mit erwartetem
Antwortmuster übereinstimmen
• Abweichungen aufgrund Messfehler sind möglich (geringfügige
Fehlerquote ist tolerabel) -„verbotene Antwortmuster“ sollten relativ
selten sein
• Bei n Items dürfen n + 1 Antwortkombinationen auftreten
• Tatsächlich gibt es jedoch 2n = 16 Antworten
• Bei Bsp. Umweltengagement sind alle 16 Antwortmöglichkeiten
vorhanden!
Folie
34
Beispiel: Beobachtete Antwortmatrix
Nr.
A
B
C
D
Skalen
Fehler
wert
Anzahl
Fehler
P.
1
1
1
1
1
4
0
72
0
2
1
1
1
0
3
0
94
0
3
1
1
0
1
3
2
72
144
4
1
0
1
1
3
2
6
12
5
0
1
1
1
3
2
5
10
6
1
1
0
0
2
0
203
0
7
1
0
1
0
2
2
13
26
8 – 15
…
…
…
…
…
…
…
…
1343
582
Summe
•„Je
höher der Reproduzierbarkeitskoeffizient, desto besser die Skala.“
Folie
35
Polaritätsprofil
• Beschreibung eines Objekt durch Darstellung charakteristischer
Merkmalsmuster (Profil)
• Voraussetzungen: Auswahl geeigneter Eigenschaften
 Vergleich mehrerer Objekte mittels Polaritätsprofil möglich (z.B.
Profile zweier Politiker)
• Verwendung in Markt- und Wahlforschung, sowie
Persönlichkeitspsychologie
Folie
36
Beispiel: Umweltverhalten
• Untersuchung zum Image von Freilandeiern vs.
Bodenhaltungseiern
• 7 Eigenschaften zur Beschreibung des Produktimages ausgewählt
• Für jede Eigenschaft wird ein Gegensatzpaar gebildet
• Ca. 50 Kunden werden um Einschätzung gebeten
• Mittelwerte der Einstufungen werden in die Polaritätsprofile
eingetragen
Folie
37
Bodenhaltungseier
tierfeindlich
tierfreundlich
-3
-2
-1
0
1
2
3
Umwelts.
Umweltf.
-3
-2
-1
0
1
2
3
ungesund
gesund
-3
-2
-1
0
1
2
3
billig
teuer
-3
-2
-1
0
1
2
3
Schlecht
Gut
-3
-2
-1
0
1
2
3
Kurz haltbar
Lang haltbar
-3
-2
-1
0
1
2
3
Schl. Qualität
Gute Qualität
-3
Folie
38
-2
-1
0
1
2
3
Freilandeier
tierfeindlich
tierfreundlich
-3
-2
-1
0
1
2
3
Umwelts.
Umweltf.
-3
-2
-1
0
1
2
3
ungesund
gesund
-3
-2
-1
0
1
2
3
billig
teuer
-3
-2
-1
0
1
2
3
Schlecht
Gut
-3
-2
-1
0
1
2
3
Kurz haltbar
Lang haltbar
-3
-2
-1
0
1
2
3
Schl. Qualität
Gute Qualität
-3
Folie
39
-2
-1
0
1
2
3
Meßtheorie
Mit welchen Regeln können Zahlen zu Objekten zugeordnet
werden?
Beispiel:
Peter liest Stephen King (k), lieber hätte er ein Scheckbuch (s), King
zieht er Diekmann (d) vor, schlimmste Horror ist Einführung in die
Statistik (e)
Menge A: s, k, d, e
Menge B: 1,2,3,4
φ(s)=4; φ(k)=3; …
(1) s, k, d, etc. ist die Menge der empirischen Objekte mit Relation
(empirisches Relativ)
(2) Menge von Zahlen mit Relation (Numerisches Relativ)
Folie
40
Messung
• Isomorphismus
• Jedem Objekt (z.B. King) in der Menge A wird eindeutig eine Zahl
(z.B. 3) zugeordnet und jeder Zahl in B (z.B. 2) wird eindeutig ein
Objekt (z.B. Diekmann) zugeordnet.
• Homomorphismus
• Jedem Objekt in der Menge A kann eindeutig eine Zahl zugeordnet
werden (Stephen King wird die Zahl 3 zugeordnet).
• Definition:
• Messung liegt vor, wenn ein Isomorphismus oder
Homomorphismus zwischen einem empirischen und einem
numerischen Relativ existiert.
Folie
41
Repräsentation, Eindeutigkeit und …
• Repräsentation
• z.B. beim Homomorphismus wird ein Objekt durch eine Zahl
„repräsentiert“ (King wird repräsentiert durch die Zahl 3)
• Bedingungen (Axiome) für diesen H. müssen gefunden werden →
Repräsentationsproblem
• Eindeutigkeitsproblem
• Bezeichnet welche Transformationen möglich sind, sodass die
Rangordnung der Messwerte bewahrt wird. (z.B. kann ich statt
4,3,2,1 auch 10,7,5,1 beim Bücherbeispiel verwenden)
Folie
42
Bedeutsamkeit
• Bedeutsamkeit
• Aussage gilt als bedeutsam, wenn der Wahrheitswert nach den
Transformationen unverändert bleibt.
• Welche Aussagen und Schlussfolgerungen, Rechenoperationen
sind bei einer bestimmten Art der Messung zulässig oder
unzulässig?
• Beispiel:
• Dienstag 18°C, Mittwoch 27°C
Aussage 1: Mittwoch ist es wärmer als Dienstag
Aussage 2: Mittwoch ist es um 50% wärmer als Dienstag
(bedeutsam???)
Folie
43
Skalenniveaus
• Skalen
• Zu jeder Messstruktur gibt es ein
Repräsentationstheorem
(Bedingungen) und ein
Eindeutigkeitstheorem (Klasse
der möglichen Transformationen
= Skalenniveau)
• Für jedes Skalenniveau lässt
sich angeben, welche Aussagen
und Rechenoperationen zulässig
sind
Folie
44
• Verschiedene Skalen
• Nominalskala (unterstes
Messniveau)
• Ordinalskala
• Intervallskala
• Ratioskala
• Absolutskala (höchstes
Messniveau)
Nominalskala
• Klassifikation von Objekten nach der Relation Gleichheit oder
Verschiedenheit
• Zuordnung nach Geschlecht (m/w), Arten von Freizeitaktivitäten,
Religionszugehörigkeit, Haarfarbe, etc.
• Aussagen: gleich oder verschieden
• Jede Äquivalenzklasse kann mit einer Zahl kodiert werden
(Männer = 0, Frauen = 1 oder Männer = 5, Frauen =10)
• Transformation: Ein-eindeutige Transformationen der
zugewiesenen Zahlen sind möglich, auch Männer = 5 und Frauen
= 10 bedeutet Verschiedenheit, Wichtig bleibt nur
Unterscheidbarkeit!
• Einziger sinnvoller „Mittelwert“ ist der Modalwert!
Folie
45
Ordinalskala
• Eine Rangordnung der Objekte bzgl. einer Eigenschaft wird
vorausgesetzt (Rangskala)
• Schulnoten (1 besser als 2 besser als 3 etc.), Einkommen (hoch >
mittel > niedrig), Dienstgrad (General > Oberst > Gefreiter)
• Aussagen: größer, kleiner oder gleich
• Transformation: Positive monotone Transformationen sind möglich
(Rangordnung der Skalenwerte muss bewahrt werden)
• Mittelwert ist der Median
• Abstände zwischen den Skalenwerten sind nicht sinnvoll
interpretierbar!
Folie
46
Intervallskala
• Aussage über die Rangordnung der Messwerte ist möglich,
zusätzlich informieren die Skalenwerte auch über die Abstände
(Intervalle) zw. den Messwerten
• Temperatur in C° oder °F, Zeitpunkte, Metrische Maße,
Intelligenztests, etc.
• Aussagen: Vergleichbarkeit von Differenzen
• Nullpunkt und Skaleneinheit kann willkürlich festgelegt werden
• Transformation: positive lineare
• Prozentuale Zuwächse oder Verhältnisse von Skalenwerten sind
nicht zulässig (Bsp. Temperatur, IQ)
• Berechnung arithmetischer Mittelwerte hingegen zulässig
• Bsp: Peter IQ 110, Max IQ 100, Peter ist um 10% klüger als Max –
nicht zulässig
Folie
47
Ratioskala
• Verfügen über natürlichen Nullpunkt
• Temperatur in Kelvin (absoluter Nullpunkt), Einkommen und
Vermögen (Nullpunkt = Besitzlosigkeit) etc.
• Aussagen: Aussagen über Verhältnisse, prozentuale Vergleiche
• Transformation: positiv proportionale (Freiheit in der Wahl der
Skaleneinheit)
• Aussagen über Verhältnisse sind zulässig
• Geometrische Mittelwerte können berechnet werden
Folie
48
Absolutskala
• Eindeutig festgelegt, nicht einmal Wahl der Skaleneinheit ist frei
wählbar
• Wahrscheinlichkeitswerte und Häufigkeiten, z.B. Anzahl von
Demonstrationsteilnehmern, Mitgliederzahl in einer Gewerkschaft,
Anzahl kriegerischer Konflikte in einem Jahr, etc.
• Transformation: nicht möglich
Folie
49
Zusammenfassend zu Skalenniveaus
• Zahl der zulässigen Transformationen wird eingeschränkt mit
steigendem Messniveau (von Nominal- bis zur Absolutskala)
• Umfang der Menge zulässiger Rechenoperationen und erlaubter
Aussagen wächst mit dem Skalenniveau
• Statistische Kennziffern, die auf niedrigem Niveau sinnvoll
berechenbar sind, können immer auch auf höherem Niveau
berechnet werden
• Informationsgehalt der Messhypothesen (Aussagen) steigt mit dem
Skalenniveau
Folie
50
Hinweise und praktische Tipps
• Auswahl des Meßverfahrens
• Mehrdimensionale vor eindimensionalen Verfahren
• Probabilistische vor deterministischen Verfahren
• Messungen auf Basis eines Repräsentationstheorems vor
Messungen ohne Prüfung der Skalenvoraussetzungen
• Möglichst hohes Skalenniveau
• Abhängig von
• Art der Daten, Arbeitsaufwand
• Untersuchungsziele
• Zu untersuchende Eigenschaft
Folie
51
Hinweise und praktische Tipps 2
• Skalenniveau
• Vom Skalenniveau der Variablen und Indizes hängt ab, welche
statistischen Analyseverfahren später verwendet werden können!
• Einstellungsskalen
• Einstellungsskalen müssen nicht jeweils neu konstruiert werden,
eine Vielzahl existiert bereits, es spricht nichts dagegen diese zu
verwenden, anstatt das Rad neu zu erfinden!
Folie
52
Herunterladen