Abb. 35 stellt den Abschnitt Datenauswertung in Form einer Mind Map zusammenfassend dar.
Abbildung
35:
Mind Map zum Abschnitt Datenauswertung.
Zusammenfassung
Der Abschnitt widmete sich – nach Darstellung verschiedener Variablenarten wie unabhängigen, abhängigen und Drittvariablen – der Eingabe, Aufbereitung und Visualisierung von Daten. Besondere Berücksichtigung fanden in diesem Zusammenhang fehlende Daten und Ausreißerwerte. Ausreißerwerte können dabei nach verschiedenen Methoden festgestellt werden. Die Datenvisualisierung ist einfach und klar
zu gestalten. Zudem sollten Abbildungen Zusammenhänge oder Unterschiede im Datensatz weder vortäuschen, noch sollten Fehlinterpretationen
nahegelegt werden. Die Berücksichtigung von Drittvariablen kann mit Hilfe verschiedener statistischer Verfahren vorgenommen werden. Beispiele hierfür stellen die Kovarianzanalyse, der Median-Split, Extremgruppenvergleiche, Regressionsanalysen und neuronale Netze dar. Bei der Hypothesenüberprüfung wird überprüft, wie wahrscheinlich es ist, dass die Muster, die bei der Datenauswertung in den Zahlen gefunden wurden, zufällig
entstanden sind. In Abhängigkeit des Ergebnisses entscheidet man sich entweder zugunsten der Nullhypothese (H0) oder aber für die Alternativhypothese (H1). Hierbei können Alpha- und Betafehler als Fehlentscheidungen sowie korrekte Entscheidungen mit den Wahrscheinlichkeiten 1 - α oder 1 - β auftreten. Die letztgenannte
Wahrscheinlichkeit wird als Teststärke bezeichnet. Bei der inferenzstatistischen Überprüfung von Hypothesen ist die Stichprobengröße von zentraler Bedeutung. Außerdem sollte zwischen statistischer Signifikanz und praktischer Bedeutsamkeit unterschieden werden. Weitere wichtige Themen stellen das multiple Testen, die Überprüfung von Annahmevoraussetzungen und Bootstrap dar. Bei der Hypothesenüberprüfung bietet es sich an, nur wenige Hypothesen mit einfachen statistischen Verfahren auszuwerten.
Dabei sollten Effektgrößenangaben aufgrund diverser Vorteile stets angegeben werden.