Statistik: Häufigkeit, Regressionsanalyse, Varianzanalyse, Indexbildung


Studienarbeit, 2012

17 Seiten, Note: 1,0


Leseprobe

Inhaltsverzeichnis

Titelblatt

1. Einleitung

2. Häufigkeitsverteilung

3. Hypothese mit nominalen Variablen

4. Variablen berechnen und Qualitative Auswertung

5. Index bilden& Reliabilität testen

6. Hypothese mit Regressionsanalyse

7. Hypothese mit Varianzanalyse

8. Zusammenfassung

9. Literaturverzeichnis

1. Einleitung

Die Aufgabe der Teilnehmer des Kurses Statistik II an der Fachhochschule für angewandtes Management in Erding, von denen ich einer bin, ist es statistische Untersuchung wie die Reliabilitätsanalyse, die Varianzanalyse oder die Regressionsanalyse anhand eines gemeinsam durch einen Fragebogen entworfenen Datensatz durchzuführen. Bevor ich allerdings ins Detail des Datensatzes und der statistischen Untersuchungen einsteige, möchte ich zuerst einmal den Begriff Statistik definieren.

Hierfür nehme ich mir die Ausführungen von Josef Bleymüller, Günther Gehlert und Herbert Gülicher in ihrem Buch Statistik für Wirtschaftswissenschaftler zu Hilfe: „Heute wird das Wort Statistik im doppelten Sinn gebraucht: Einmal versteht man darunter quantitative Informationen über bestimmte Tatbestände schlechthin, wie z.B. die Bevölkerungsstatistik oder die Umsatzstatistik, zum anderen aber eine formale Wissenschaft, die sich mit den Methoden der Erhebung, Aufbereitung und Analyse numerischer Daten beschäftigt.“1

Diese Definition zeigt dem Leser auf, dass unter dem Begriff Statistik nicht unisono das Gleiche verstanden wird. Obwohl sich wohl jeder, der sich schon einmal mit Statistik beschäftigt hat, ihrer Wirkungsweise und ihrer Bedeutung bewusst ist, besteht dem Volksmund nach auch eine andere Definition von Statistik: „Es gibt drei Arten von Lügen: einfache Lügen, Notlügen und Statistiken.“2

Diese Aussage veranschaulicht, dass man Statistiken nicht zwingend Glauben schenken, sondern sie durchaus auch kritisch betrachten betrachten sollte und auf ihre Glaubwürdigkeit hin überprüfen sollte, sofern einem das als Laien möglich ist.

Im Folgenden möchte ich nun mit einem durch einen Fragebogen erstellten Datensatz verschiedene Analysen durchführen und diese mit Grafiken und Ausführungen darstellen.

2. Häufigkeitsverteilung

Unter dem Gliederungspunkt Häufigkeitsverteilung sollten aus dem Datensatz, der einen von 77 Studierenden ausgefüllten Fragebogen beinhaltet, Variablen ausgewählt werden, die eventuell einen Rückschluss aufeinander zu lassen. In diesem Fall würde ich gerne die Häufigkeiten der Arbeitsstunden der Studierenden pro Woche und deren derzeitige berufliche Auslastung bzw. Beschäftigung darstellen und versuchen einen Schluss über einen eventuellen Zusammenhang der Daten darzustellen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Arbeitsstunden pro Woche

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Beschäftigung mit der Arbeit

Von 77 teilnehmenden Studierenden gab es bei den Arbeitsstunden pro Woche 74 gültige Werte, bei der zeitlichen Beschäftigung mit der Arbeit 73 gültige Werte, somit sind die beiden Statistiken durchaus vergleichbar, obwohl die Arbeitsstunden pro Woche in Stunden gemessen wurden und die Beschäftigung durch die Arbeit mit den Items „wenig, teils/teils bis stark“, wobei die Skalierung von 1 (wenig) bis 6 (stark) reichte. Auffällig bei den Arbeitsstunden pro Woche ist, dass die Antwortskalen von 0 Stunden bis zu 65 Stunden pro Woche reichten. Dabei lag der Mittelwert bei 24,18 Stunden und der Modus bei 20. Bei der zeitlichen Beschäftigung mit der Arbeit liegt der Mittelwert bei 3,66 also einer mittleren Beschäftigung mit der Arbeit, der Modus allerdings auf 5, was auf eine hohe zeitliche Beschäftigung von vielen Studierenden schließen lässt, obwohl einige sich nur sehr wenig mit der Arbeit beschäftigen. Ein Zusammenhang der Daten könnte insofern bestehen, dass die Studenten, die zeitlich viel mit der Arbeit beschäftigt sind, weniger Zeit für das Studieren aufwenden.

3. Hypothese mit nominalen Variablen

Eine Hypothese mit nominalen Daten lässt sich zum Beispiel mit einem Chi-Quadrat-Test überprüfen. Diesen möchte ich anhand des Studienganges an der Fachhochschule für angewandtes Management sowie dem Geschlecht der Studierenden durchführen. Meine Hypothese H1 lautet, dass sich die Geschlechter gleichmäßig auf die unterschiedlichen Studiengänge verteilen. Die Nullhypothese ist, dass der Studiengang in Abhängigkeit vom Geschlecht gewählt wird. Hierbei erhalte ich einen asymptotische Signifikanz des Chi- Quadrat-Testes nach Pearson einen Wert von 0,012. Das bedeutet, dass der Test statistisch signifikant ist.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Kreuztabelle aus Geschlecht und Studiengang.

Wie Abbildung 3 zeigt differieren die erwartete und die tatsächliche Anzahl der weiblichen bzw. männlichen Studenten in einigen Studiengängen. Besonders hervorzuheben ist in diesem Fall der Studiengang Medienmanagement und der Studiengang Sportmanagement, da die Studiengänge Interkulturelles Management und die anderen Studienangebote an der FHAM aufgrund der geringen Teilnehmerzahl nicht besonders aussagekräftig sind. Bei den hervorzuhebenden Studiengängen zeigt sich, dass beim Medienmanagement die erwartete Anzahl von weiblichen Teilnehmern (5,8) deutlich unter der tatsächlichen Anzahl (11) liegt. Im Gegensatz dazu liegt die erwartete Anzahl von weiblichen Teilnehmern (17,1) im Studiengang Sportmanagement deutlich über der tatsächlichen Anzahl weiblicher Studenten (12). Gültig waren bei dieser Untersuchung 69 von 77 Fällen. Damit ist die Hypothese falsifiziert und die Nullhypothese wird bestätigt.

4. Variablen berechnen und Qualitative Auswertung

In einem ersten Schritt habe ich die Variable 44 „Ich werde mich nach Statistik II weiter mit Statistik beschäftigen“, die ursprünglich die Wertelabels 1 (trifft nicht zu) bis 5 (trifft zu) hatte, umkodiert in die Wertelabels 1 (nein), 2 (vielleicht) und 3 (ja). Dabei habe ich die Werte 1 und 2 also „nein“ kodiert, den Wert 3 als „vielleicht“ und die Werte 4 und 5 als „ja“. Nun möchte ich diese Variable in einer Kreuztabelle mit der Variable „Geschlecht“ vergleichen. Mein Hypothese lautet, dass sich die Studierenden unabhängig vom Geschlecht für eine Weiterbeschäftigung mit Statistik interessieren. Die Nullhypothese lautete, dass das Geschlecht einen Einfluss darauf hat, ob sich die Person eine Weiterbeschäftigung mit Statistik vorstellen kann. Hierzu Abbildung 4.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Kreuztabelle aus Geschlecht und Weiterbeschäftigung mit Statistik

Zwar ist die Untersuchung statistisch nicht signifikant, da der Asymptotische Signifikanzwert nach Pearson bei über 5% liegt, dennoch werde ich mir die Werte einmal anschauen.

Zunächst einmal sieht man sich die Verteilungen innerhalb der Gruppe „Geschlecht“ in der Kreuztabelle an. Hierbei ist erkennbar, dass in der Gruppe

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Chi-Quadrat Test

„nein“, also keine Weiterbeschäftigung mit Statistik nach dem Statistik II-Kurs, nahezu keine Unterschiede in der absoluten Zahl zwischen den Geschlechtern bestehen, allerdings ist zusätzlich erkennbar, dass sich insgesamt 45 von 68 gültigen Fällen und damit knapp 2/3 nicht für eine Weiterbeschäftigung mit Statistik interessieren. Besonders auffällig ist, dass sich 80% der Frauen keine Weiterbeschäftigung mit Statistik vorstellen können. In den Gruppen „vielleicht“ und „ja“, d.h. eine Weiterbeschäftigung mit Statistik ist für diese gültigen Fälle interessant, zeigt sich allerdings ein deutlicher Unterschied zwischen den Geschlechtern. In der Gruppe „vielleicht“ ist der Unterschied zwischen den Geschlechtern am deutlichsten ausgeprägt, mehr als drei mal so viele Männer (13) wie Frauen (4) können sich eine Weiterbeschäftigung mit Statistik eventuell vorstellen. Sicher ist es dagegen nur bei 4 Männern und 2 Frauen.

Eine Interpretation der Ergebnisse zeigt, dass Männer sich zwar grundsätzlich eine Weiterbeschäftigung mit Statistik besser vorstellen können als Frauen. Allerdings gibt es keinen systematischen und signifikanten Zusammenhang zwischen der Weiterbeschäftigung mit Statistik und dem Geschlecht. Insgesamt können sich nur knapp 1/3 der Befragten überhaupt vorstellen sich weiter mit Statistik zu beschäftigen, nachdem der Statistik II Kurs von Ihnen abgeschlossen wurde.

[...]


1 Bleymüller, J., Gehlert, G. & Gülicher, H. (2008). Statistik für Wirtschaftswissenschaftler. 14. Auflage. Vahlen Franz.

2 Degen, H. & Lorscheid, P. (2010). Statistik Lehrbuch: Methoden der Statistik im wirtschaftswissenschaftlichen Bachelor-Studium. 3. Auflage. Oldenbourg.

Ende der Leseprobe aus 17 Seiten

Details

Titel
Statistik: Häufigkeit, Regressionsanalyse, Varianzanalyse, Indexbildung
Hochschule
Hochschule für angewandtes Management GmbH  (Sportmanagement)
Veranstaltung
Statistik
Note
1,0
Autor
Jahr
2012
Seiten
17
Katalognummer
V233652
ISBN (eBook)
9783656508571
ISBN (Buch)
9783656508724
Dateigröße
635 KB
Sprache
Deutsch
Schlagworte
Häufigkeit, Regressionsanalyse, Varianzanalyse, Indexbildung, Statistik, SPSS
Arbeit zitieren
Benjamin Kohtz (Autor), 2012, Statistik: Häufigkeit, Regressionsanalyse, Varianzanalyse, Indexbildung, München, GRIN Verlag, https://www.grin.com/document/233652

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Statistik: Häufigkeit, Regressionsanalyse, Varianzanalyse, Indexbildung



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden