Wie erfasse und codiere ich die Daten meiner empirischen Erhebung? Welches Grundlagenwissen in Statistik benötige ich für eine Datenanalyse? Wie werte ich Daten forschungsfragen- bzw. hypothesengerecht aus? Und wie interpretiere ich Ergebnisse richtig? Nach einer kurzen Einführung in die Konzeption empirischer Studien erklärt diese praxisnahe Gebrauchsanleitung die wichtigsten statistischen Kennzahlen und skizziert schrittweise den Ablauf einer SPSS- (bzw. PSPP-) Auswertung. Als Basis dient ein eigens entwickelter Fragebogen mit korrespondierendem Datenfile zum kostenlosen Download (howtodo.at bzw. utb.de). Der Band enthält 95 Abbildungen, viele Querverweise, ein schlagwortoptimiertes Stichwortverzeichnis sowie zusätzliche digitale Materialien. Zielgruppen sind Studierende der Publizistik-, Medien- und Kommunikationswissenschaft, der Sozial- und Wirtschaftswissenschaften sowie Praktiker:innen. utb+: Als digitale Ergänzung erhalten Leser:innen einen Beispiel-Fragebogen mit korrespondierendem SPSS-Datenfile, Good-Practice-Beispiele sowie frei (um)gestaltbare Muster für Ergebnisdarstellungen und Foliensätze für Vortragszwecke. Erhältlich über utb.de.

Autorentext
Claus Braunecker, Mag. Dr., arbeitet seit mittlerweile vier Jahrzehnten als Instituts- und Betriebsmarktforscher in Österreich und lehrt seit vielen Jahren empirische Methoden sowie statistische Datenanalyse an den Universitäten Wien, Krems und diversen Hochschulen.

Inhalt
VORWORT 8 Die Inhalte dieses Buchs 12 Fragebogen, Datenfile und weitere Downloads 14 (Quantitative) Datenanalysesoftware 15 1 Zuerst das WAS und das WIE! 19 1.1 Thema, Erkenntnisinteresse(n), Forschungsfragen, Hypothesen 19 1.2 Quantitative Datenanalysen bestimmen das Messniveau (Skalenniveau) 20 1.3 Datenanalyse forschungsfragen-/hypothesenkonsistent planen 22 2 Qualitativ quantitativ: Datenanalyse und Ergebnisdarstellung 25 3 Analyse qualitativer Daten 28 3.1 Ergebnisse inhaltlich beschreiben 28 3.2 Kategorien (Textgruppierungen) bilden 30 3.3 Generalisieren von (qualitativen) Ergebnissen 36 3.4 Qualitative Analysesoftware 37 4 Analyse quantitativer Daten: Vorbereitung der Datenanalyse 38 4.1 Datenrücklauf kontrollieren 38 4.2 Daten codieren 40 4.3 Daten digitalisieren 42 4.3.1 Aufbau von Datenfiles 43 4.3.2 Daten selbst digital erfassen 44 4.3.3 Daten aus Erhebungssoftware 47 4.4 Daten plausibilisieren (screenen) 47 5 Analyse quantitativer Daten: Statistische Grundlagen 52 5.1 Deskriptive Statistik 53 5.1.1 Häufigkeiten (absolut und prozentuell) 53 5.1.2 Zentral- und Lagemaße 55 5.1.2.1 Mittelwert (arithmetisches Mittel) 55 5.1.2.2 Median 58 5.1.2.3 Modus 58 5.1.2.4 Minimum und Maximum 58 5.1.2.5 Quantile 59 5.1.3 Streuungsmaße 64 5.1.3.1 Varianz 64 5.1.3.2 Standardabweichung 65 5.1.4 Normalverteilung 66 5.1.5 Kreuztabelle 67 5.1.6 Mittelwertsvergleich 71 5.1.7 Korrelation 73 5.2 Schließende Statistik 81 5.2.1 Was bedeutet Signifikanz: Theorie 81 5.2.1.1 Normalverteilung die Idee hinter Signifikanzprüfungen 82 5.2.1.2 Signifikanzniveau (Irrtumswahrscheinlichkeit) 84 5.2.1.3 Statistische Zusammenhänge und Hypothesen H0 und H1 84 5.2.1.4 Signifikanzprüfung, - und -Fehler 86 5.2.1.5 p-Wert 87 5.2.1.6 Das Prinzip ein- und zweiseitig signifikanter Unterschiede 89 5.2.1.7 Signifikanz Stichprobengröße Unterschiedsstärke 91 5.2.1.8 Freiheitsgrade ein Exkurs 92 5.2.2 Signifikanz bei Häufigkeiten 93 5.2.3 Signifikanz bei Mittelwerten 95 5.2.4 Signifikanz bei Kreuztabellen 96 5.2.5 Signifikanz bei Mittelwertsvergleichen 99 5.2.6 Signifikanz bei Korrelationen 100 5.3 Was wann wie auswerten? 102 6 Analyse quantitativer Daten mit SPSS (PSPP) 105 6.1 Datenanalysesoftware SPSS und PSPP 105 6.2 SPSS anwenden 106 6.2.1 Dateneditor 107 6.2.2 Ausgabefenster 110 6.2.3 Syntaxeditor 112 6.2.4 Programmhandling 114 6.3 Daten organisieren 120 6.3.1 Daten neu erfassen, importieren oder öffnen 120 6.3.2 Datensätze zusammenfügen, auswählen 121 6.3.3 Datensätze gewichten 126 6.3.4 Variablen- und Wertebeschriftungen (Labels) 127 6.3.5 Fehlende Werte 130 6.4 Daten (neu) strukturieren 133 6.4.1 Variablen (um)codieren 133 6.4.2 Variablen (neu) berechnen 137 6.4.3 Teilgruppen bilden 140 6.5 Daten auswerten 143 6.5.1 Einzelne nominale (ordinale) Merkmale: Häufigkeiten 143 6.5.1.1 Deskriptive Analyse bei Häufigkeiten 143 6.5.1.2 Schließende Analyse bei Häufigkeiten 149 6.5.2 Einzelne (quasi-)metrische Merkmale: Deskriptivstatistik 149 6.5.2.1 Deskriptive Analyse 149 6.5.2.2 Schließende Analyse bei Mittelwerten 152 6.5.3 Nominal (ordinal) nach nominal (ordinal): Kreuztabelle 152 6.5.3.1 Deskriptive Analyse bei Kreuztabellen 152 6.5.3.2 Schließende Analyse bei Kreuztabellen 156 6.5.4 (Quasi-)Metrisch neben (quasi-)metrisch ODER (quasi-)metrisch nach nominal (ordinal): Mittelwertsvergleich 159 6.5.4.1 Deskriptive Analyse bei Mittelwertsvergleichen 159 6.5.4.2 Schließende Analyse bei Mittelwertsvergleichen 162 6.5.4.3 Parameterverfahren und parameterfreie Verfahren 164 6.5.4.4 Die Wahl des richtigen Testverfahrens 166 6.5.4.5 Normalverteilungsprüfung 166 6.5.4.6 T-Test für ABhängige Stichproben 168 6.5.4.7 Varianzanalyse mit Messwiederholung 170 6.5.4.8 T-Test für UNabhängige Stichproben 175 6.5.4.9 Varianzanalyse für unabhängige Stichproben (ANOVA) 177 6.5.4.10 Wilcoxon-Test 181 6.5.4.11 Friedman-Test 183 6.5.4.12 U-Test 185 6.5.4.13 Kruskal-Wallis-Test 186 6.5.5 (Quasi-)Metrisch (ordinal) mit (quasi-)metrisch (ordinal): Korrelation 188 6.5.5.1 Deskriptive Analyse bei Korrelationen 189 6.5.5.2 Schließende Analyse bei Korrelationen 191 6.6 Entscheidungsbaum für Auswertungen 193 6.7 Datenanalyse forschungsfragen-/hypothesenkonsistent auswerten 197 6.7.1 Forschungsfragen-/hypothesenkonsistente Analyseplanung 197 6.7.1.1 Analyseplanung für Forschungsfragen 197 6.7.1.2 Analyseplanung für Hypothesen 199 6.7.2 Forschungsfragen-/hypothesenkonsistenter Analysebericht 200 LITERATURVERZEICHNIS 207 ABBILDUNGSVERZEICHNIS 209 STICHWORTVERZEICHNIS 211