Zusammenfassung von Statistik und Forschungsmethoden

## Einführung Statistik ist die Wissenschaft vom Sammeln, Aufbereiten, Analysieren und Interpretieren von Daten. In der Psychologie hilft Statistik, Hypothesen zu prüfen, Zusammenhänge zu erkennen und aus Stichproben auf Populationen zu schließen. Dieses Kapitel führt in grundlegende Begriffe, Skalenniveaus, Lagemaße, Streuungsmaße, Forschungsdesigns und die Logik schließender Statistik ein. > **Definition:** Statistik umfasst sowohl beschreibende Verfahren (deskriptive Statistik) als auch Methoden zur Verallgemeinerung von Stichproben auf Populationen (inferenzstatistische Verfahren). ## 1. Warum Statistik? - **Ziele:** Große Datenmengen zusammenfassen, Zusammenhänge erkennen, Gruppenunterschiede prüfen, Veränderungen analysieren, Aussagen über Populationen treffen. - **Nicht ausreichend:** Subjektive Überzeugungen ohne empirische Prüfung. ### Quantitative vs. qualitative Forschung - **Quantitative Forschung** - Arbeitet mit Zahlen und standardisierten Messinstrumenten - Nutzt statistische Verfahren - Untersucht viele Personen, sucht allgemeine Muster - Beispiele: Fragebogen, Test, Ratingskala - **Qualitative Forschung** - Arbeitet mit Texten, Interviews, Beobachtungen - Analysiert individuelle Erfahrungen im Kontext - Beispiele: Interview, Beobachtung, Fallanalyse Fun fact: Wusstest du, dass bereits im 17. Jahrhundert erste statistische Tabellen genutzt wurden, um Bevölkerungsdaten und Steuereinnahmen systematisch auszuwerten? ## 2. Forschungsdesigns Übersichtstabelle: | Design | Hauptmerkmal | Wann nutzen? | |---|---:|---| | Beobachtungsstudie | Beobachten, keine Manipulation | Alltagssituationen untersuchen | | Experiment | Manipulation + Randomisierung | Kausale Effekte prüfen | | Quasiexperiment | Manipulation ohne Randomisierung | Natürliche Gruppen vergleichen | | Korrelative Studie | Zusammenhang ohne Manipulation | Beziehungen zwischen Variablen prüfen | | Querschnitt | ein Zeitpunkt | Momentaufnahme | | Längsschnitt | mehrere Zeitpunkte | Entwicklung über Zeit | ### Beobachtungsstudie - Keine Manipulation, kaum Kontrolle über Störvariablen - Beispiel: Wirkung einer Intervention im Alltag beobachten ### Experimentelles Design - Merkmale: Manipulation, Randomisierung, Kontroll- und Experimentalgruppe - Ziel: Kausalität untersuchen - Beispiel: Neue Therapie vs. alte Therapie mit zufälliger Zuweisung ### Quasiexperiment - Manipulation vorhanden, aber keine Randomisierung - Beispiel: Vergleich Frauen vs. Männer (natürliche Gruppen) ### Korrelative Studie - Untersucht Zusammenhänge, keine Manipulation - Beispiel: Sport ↔ Wohlbefinden ### Querschnitt vs. Längsschnitt - Querschnitt: ein Messzeitpunkt - Längsschnitt: mehrere Messzeitpunkte, ermöglicht Analyse von Veränderung ## 3. Eindimensionale Verteilungen - Untersucht genau eine Variable (z. B. Anzahl der Coachingstunden). - Zwei zentrale Fragen: 1. **Zentrum**: Was ist ein typischer Wert? 2. **Streuung**: Wie stark unterscheiden sich die Werte? > **Definition:** Eine eindimensionale Verteilung beschreibt die Häufigkeiten oder Wahrscheinlichkeiten der Ausprägungen einer einzelnen Variablen. ## 4. Skalenniveaus Tabelle der Skalenniveaus: | Skala | Was ist möglich? | Beispiele | |---|---:|---| | Nominalskala | Gleich / ungleich | Geschlecht, Studienfach | | Ordinalskala | Rangfolge | Zufriedenheitsskala | | Intervallskala | Differenzen vergleichen | Temperatur in °C, Alter (bei manchen Anwendungen) | | Verhältnisskala | natürlicher Nullpunkt | Einkommen, Körpergröße | | Absolutskala | unabhängig von Maßeinheit | Anzahl Kinder | > **Definition:** Skalenniveaus legen fest, welche mathematischen Operationen und statistischen Maßzahlen zulässig sind. ### Hinweise zu Auswahl von Kennwerten - Nominal: Modus zulässig - Ordinal: Modus, Median zulässig - Intervall: Mittelwert und Standardabweichung zulässig - Verhältnis/Absolut: Verhältnis- und prozentuale Aussagen sinnvoll ## 5. Lagemaße - **Modus:** Häufigste Ausprägung, anwendbar auf alle Ska