Die Durchführung von Forschungsarbeiten umfasst eine Reihe von Schritten. Die Planung des Experiments, die Zusammenstellung der Teilnehmergruppen, die Vorbereitung der Studie und die Datenerhebung sind allesamt entscheidend für die Durchführung wissenschaftlich fundierter Forschung. Ein besonders anspruchsvoller Aspekt des Forschungsprozesses ist die Datenanalyse; insbesondere erfordert es Zeit und Geduld, um herauszufinden, welcher statistische Test für die Auswertung Ihrer Daten am besten geeignet ist.
Um Sie bei diesem Prozess zu unterstützen, stellen wir Ihnen eine Vielzahl von Ressourcen zur Verfügung, angefangen bei unserem Leitfaden zur Versuchsplanung (unten verfügbar) über Anleitungen zu statistischen Analysewerkzeugen bis hin zu mehreren in unsere Software integrierten Analysewerkzeugen. Ergänzend dazu haben wir die untenstehende Tabelle erstellt, die Ihnen dabei helfen soll, den statistischen Test durchzuführen, der für die bestmögliche Auswertung Ihrer Versuchsergebnisse erforderlich ist.
Die folgende Grafik bietet eine kurze Übersicht zur Auswahl der am besten geeigneten Methode unter den gängigen statistischen Tests:
Mit diesem Flussdiagramm als Leitfaden für die Wahl des statistischen Tests sollten Sie in der Lage sein, sicher die letzte Phase Ihres Experiments in Angriff zu nehmen.
Verschiedene statistische Tests:
Diskrete unabhängige Variable
Eine diskrete Variable ist eine Variable, deren Wert durch Zählen ermittelt wird
- Beispiele: Wie viele Kunden befinden sich in Ihrem Geschäft? Wie viele Studenten sind im Labor?
Z-Test
Der Z-Test dient zur Überprüfung des Mittelwerts einer Verteilung.
- Fragen, die Sie sich stellen sollten: Wenn Sie mehr als zwei Gruppen oder Zustände haben > Vergleichen Sie eine Stichprobe direkt mit einer Grundgesamtheit? Kennen Sie die Standardabweichung der Grundgesamtheit?
Ein-Stichproben-t-Test
Der t-Test für eine Stichprobe ist ein parametrischer Test und kann nur den Mittelwert einer einzelnen Stichprobe mit einer vorgegebenen Konstante vergleichen.
- Fragen, die Sie sich stellen sollten: Wenn Sie mehr als zwei Gruppen oder Zustände haben >Vergleichen Sie eine Stichprobe direkt mit einer Grundgesamtheit? Sie kennen die Grundgesamkeitsabweichung NICHT
Unabhängige t-Tests
t-Test für unabhängige Stichproben (zum Vergleich der Mittelwerte zweier Gruppen)
- Fragen, die Sie sich stellen sollten: Wenn Sie mehr als zwei Gruppen oder Bedingungen haben >Vergleichen Sie eine Stichprobe NICHT direkt mit einer Grundgesamtheit? Ihre Versuchsbedingungen/Stichproben sind unabhängig voneinander
Wiederholte t-Tests (gepaarte t-Tests)
Der wiederholte t-Test oder t-Test für gepaarte Stichproben, manchmal auch als t-Test für abhängige Stichproben bezeichnet, ist ein statistisches Verfahren, mit dem ermittelt wird, ob der Mittelwertunterschied zwischen zwei Beobachtungsreihen gleich Null ist.
- Fragen, die Sie sich stellen sollten: Wenn Sie mehr als zwei Gruppen oder Bedingungen haben >Vergleichen Sie eine Stichprobe NICHT direkt mit einer Grundgesamtheit? Ihre Versuchsbedingungen/Stichproben sind NICHT unabhängig voneinander
ANOVA mit wiederholten Messungen
Die ANOVA mit wiederholten Messungen entspricht der einseitigen ANOVA, gilt jedoch für miteinander verbundene und nicht für unabhängige Gruppen und stellt eine Erweiterung des t-Tests für abhängige Stichproben dar
- Zu klärende Fragen: Sie haben weniger als zwei Gruppen/Versuchsbedingungen, Ihre Versuchsbedingungen und Stichproben sind NICHT unabhängig voneinander
Mischmodell-ANOVA
Eine ANOVA mit gemischtem Modell ist eine Kombination aus einer ANOVA zwischen Einheiten und einer ANOVA innerhalb von Einheiten. Sie erfordert mindestens zwei kategoriale unabhängige Variablen
To see how these concepts are applied in practice, explore our Talk to a Research Expert page.
Einfaktorielle Varianzanalyse
Die einseitige Varianzanalyse (ANOVA) dient dazu, festzustellen, ob es statistisch signifikante Unterschiede zwischen den Mittelwerten von zwei oder mehr unabhängigen (unabhängigen) Gruppen gibt
- Fragen, die Sie sich stellen sollten: Sie haben weniger als zwei Gruppen/Bedingungen, Ihre Versuchsbedingungen und Stichproben sind unabhängig voneinander, Sie haben eine abhängige Variable
Multivariate Varianzanalyse (MANOVA)
Die multivariate Varianzanalyse (MANOVA) ist ein Verfahren zum Vergleich multivariater Stichprobenmittelwerte. Als multivariates Verfahren kommt sie zum Einsatz, wenn zwei oder mehr abhängige Variablen vorliegen
Faktorielles ANOVA
Eine faktoriellen Varianzanalyse ist ein Varianzanalyse-Test mit mehr als einer unabhängigen Variablen, auch „Faktor“ genannt. Sie kann sich auch auf mehr als ein Niveau der unabhängigen Variablen beziehen.
Wenn Sie diese leistungsstarken Analysetechniken einmal verstanden haben, besteht der nächste Schritt darin, sie effizient in die Praxis umzusetzen. Um Ihre Daten wirklich zur Geltung zu bringen und präzise, umsetzbare Erkenntnisse zu gewinnen, lesen Sie unseren Leitfaden „Die 7 wichtigsten Statistik-Tools, die Sie brauchen, um Ihre Daten zur Geltung zu bringen“.
Kontinuierliche unabhängige Variable
Eine kontinuierliche Variable ist eine Variable, deren Wert durch Messung ermittelt wird
- Beispiele: Gewicht der Teilnehmer, die Zeit, die zur Erledigung einer Aufgabe benötigt wird, die Entfernung, die bis zu einem Zielort zurückgelegt werden muss
Pearson-Korrelationskoeffizient
Der Pearson-Korrelationskoeffizient (r) ist ein Maß für die Stärke des Zusammenhangs zwischen zwei Variablen.
Spearman-Korrelation
Die Spearman-Korrelation ist ein nichtparametrisches Maß für die Rangkorrelation (statistische Abhängigkeit zwischen den Rangfolgen zweier Variablen). Sie gibt an, wie gut sich die Beziehung zwischen zwei Variablen durch eine monotone Funktion beschreiben lässt.
Einfache Regression
Die einfache Regressionsanalyse umfasst eine Reihe statistischer Verfahren zur Schätzung der Zusammenhänge zwischen einer abhängigen Variable (oft als „Ergebnisvariable“ bezeichnet) und einer oder mehreren unabhängigen Variablen (oft als „Prädiktoren“, „Kovariaten“ oder „Merkmale“ bezeichnet).
Multiple Regression
Bei der multiplen linearen Regression gibt es mehrere unabhängige Variablen oder Funktionen unabhängiger Variablen.
Multivariate Regression
Die multivariate Regression ist eine Methode, bei der ein einziges Regressionsmodell mit mehr als einer Zielvariablen geschätzt wird. Wenn ein multivariates Regressionsmodell mehr als eine erklärende Variable enthält, handelt es sich um eine multivariate multiple Regression.
Kappa ist ein
Die Kappa-Statistik nach Cohen misst die Interrater-Reliabilität (manchmal auch als Interobserver-Übereinstimmung bezeichnet). Interrater-Reliabilität – oder Präzision – liegt vor, wenn die Bewerter (oder Erheber) eines Datensatzes denselben Wert für denselben Datenpunkt vergeben.
Wenn Sie mehr darüber erfahren möchten, wie man von Anfang bis Ende eine erfolgreiche Studie durchführt, laden Sie sich unten unseren kostenlosen Leitfaden herunter.
