Schwerpunkt: Statistics

Exploriere Daten mit SPSS, R, Stata, JMP, SAS

Die Analyse von Daten in Form von statistischen Auswertungen stellen einen zentralen Prozess der Entscheidungsfindung dar. Das betrifft die Marktforschung, medizinische Studien. Forschungsprojekte ganz allgemein. Kleine Datenmengen oder ganz grosse (Big Data) verlangen ihre besonderen Strategien der Auswertung und Analyse. Wir führen Statistik-Schulung und Statistik-Coaching für Studierende und Firmen durch.

Hierfür werden verschiedene Tools eingesetzt: Excel, SPSS, SAS, JMP, R, Stata, Airfield Capacity Model, SIMMOD, Integrated Noise Model., Atlas.ti, NVivo, HyperRESEARCH.

Im Zusammenhang mit der Beschreibung und Erklärung von Forschungsproblemen stellt sich die Frage nach der angemessenen Stichprobe und deren Grösse (Poweranalyse), um im Falle von wiederholbaren Mustern angemessene Lösungen zu entwickeln. Angemessene Stichproben können durch Befragungen oder Experimente gewonnen werden.

Vor der Datenanalyse stellen sich Fragen der Datenaufbereitung.

Sie beginnt mit der Prüfung der Datenqualität,
Bestimmung des Skalierungsniveaus,
Transformation und Normalisierung der Skalenniveaus, Dichotomisierung,
Bildung von Skalen und Indices.

Beschreibende Statistik

Die Datenanalyse beginnt mit der beschreibenden Statistik, um die Merkmale und deren Verteilung einer Stichprobe darzulegen und mit der Grundgesamtheit oder einer Kontrollstichprobe zu vergleichen. Das erfolgt über die Analyse von Verteilungen anhand von Quantilen und Momenten und kann über die Beschreibung von Unterschieden oder Zusammenhängen fortgeführt werden, je nachdem, ob es sich um einzelne Stichproben, unabhängige Stichproben oder abhängige Stichproben handelt. Dateninspektionen können auch Kreuztabellenanalysen, multivariate Methoden und Korrelationsanalyse, der Effektstärke, sowie Cluster-, Faktoren- Hauptkomponenten-, Diskriminanzanalysen oder multidimensionale Skalierungen beinhalten.

Schliessende Statistik

Fortgesetzt wird die Datenanalyse mit der auf der Wahrscheinlichkeitstheorie beruhenden schliessenden Statistik, in der verschiedene Methoden zur Anwendung gelangen, um über den Weg der Untersuchung von Nullhypothesen Muster zu identifizieren, beziehungsweise Forschungshypothesen zu testen. Die Mustererkennung verläuft anhand von linearen oder nichtlinearen Modellen, inklusive der Regressions- und Varianzanalyse, sowie nicht-parametrischer Verfahren als auch Zeitreihenanalysen, Pfadanalysen. Untersucht werden Querschnittdaten, wiederholte Querschnitte (Paneldaten) oder Zeitserien. Statistische Tests zur Musteridentifikation werden nach kleinen und grossen Stichproben, in nichtparametrischen und parametrischen Tests unterschieden.

Simulation

Auf der Basis der Ergebnisse der beschreibenden und schliessenden Statistik sind ganz neue Herausforderungen möglich, die Simulation als zeitliche Verlängerung, räumliche Ausbreitung, sachliche Überhöhung oder Verkleinerung von empirischen Mustern.

Unsere Tätigkeiten

Melissa A. Hardy & Alan Bryman (Eds.). 2004. Handbook of Data Analysis. Sage Publications, Thousand Oaks, CA.
David R. Anderson, Dennis J. Sweeney, Thomas A. Williams, Jim Freeman and Eddie Shoesmith. 2010. Statistics for Business and Economics. Cengage Learning EMEA, Hampshire.
Samuel R. Lucas, and Alisa Szatrowski. 2014. Qualitative Comparative Analysis in Critical Perspective. Sociological Methodology, Vol. 44, pp. 1-79
Frederick Mosteller and John W. Tuckey. 1977. Data Analysis and Regression. Addison-Wesley Publishing Company, Reading.
Leo Goodman and William H. Kruskal. 1979. Measures of Association for Cross Classification. Springer, New York.
Sidney Siegel. 1956. Nonparametric Statistics for the Behavioral Sciences. McGraw-Hill, New York.
Alan C. Acock. 2014. A Gentle Introduction to Stata. Stata Press, College Station, TX.
Wooldridge, Jeffrey. 2015. Introductory Econometrics: A Modern Approach. 6 ed. Boston, MA: Cengage Learning, Inc.