Benutzerin:Gabriele Hornsteiner/ Datenanalyse/ Einführung

Dieses Buch ist als Leitfaden für die praktische statistische Auswertung von Daten gedacht. Es werden hier ausgewählte statistische Methoden gezeigt, mit denen erhobene Daten korrekt und sinnvoll analysiert werden können. Begleitend werden auch Auswertungsergebnisse mit den Statistischen Softwarepaketen Minitab und SPSS gezeigt. Das Buch wendet sich an Studierende des höheren Semesters und Praktiker, etwa Laboranten, Marktforscher oder Qualitätssicherer.


Was ist Datenanalyse?

Bearbeiten

Datenanalyse wird in der angewandten Statistik verwendet.

Ziel der angewandten Statistik ist es, aus vorliegenden Daten verwertbare Informationen zu gewinnen. Die Daten sollen also in geeigneter Weise zusammengefasst, geordnet, grafisch dargestellt usw. werden.

Die Datenanalyse ist meistens eingebettet in einem statistischen Projekt, das als zeitlicher Prozess gesehen werden kann.

  • Definition des Problems: Was soll untersucht werden?
  • Konzeption der Problemlösung
    • Welche Daten sollen beschafft werden?
    • Wie sollen die zu erhebenden Merkmale strukturiert sein? (Skalenniveau, Mehrfachantworten usw.)
  • Datenbeschaffung: Wie werden die Daten erhoben?
  • Datenaufbereitung und Datenauswertung
    • Eingabe
    • Fehlerbeseitigung
    • Analyse der Merkmale einzeln/zusammen
  • Diagnose und Präsentation


Gegenstand der Datenanalyse

Bearbeiten

Für unsere Zwecke ist vor allem die Phase der Datenaufbereitung und –auswertung von Interesse. Das Objekt des Interesses bei der Datenanalyse ist

  • Einzelnes Merkmal
    • Verteilungsstruktur:
      • Skalenniveau
      • Form der Verteilung
      • Ausreißeranalyse
      • Beschreibung durch eine theoretische Verteilung, ev. Transformations des Merkmals
    • Verteilungsparameter
      • Lageparameter: Arithmetischer Durchschnitt, Median
      • Streuungsparameter: Varianz bzw. Standardabweichung, Interquartilsabstand
  • Mehrere Merkmale gemeinsam:
    • Zusammenhang meherer Variablen
    • Korrelation, Abhängigkeit
    • Multivariate Verfahren

Zurück zu Inhaltsverzeichnis