datenerhebung kap1.ppt [Kompatibilitätsmodus] · PDF filezagor 2 3 1 1 1 1 1122212 BU...

DatenerhebungDatenerhebungUniversität für Bodenkultur WienDepartment für Wirtschafts- undSozialwissenschaftenin der empirischen Wirtschafts- und Sozialwissenschaftenin der empirischen Wirtschafts und

Sozialforschung

L h t lt 735 181 VU WS 2 SWS ECTS 3Lehrveranstaltung: 735.181, VU, WS, 2 SWS, ECTS 3

Leiter der Lehrveranstaltung: Peter SchwarzbauerVorlesungsteilVorlesungsteil: : 04.10.2010 04.10.2010 –– 15. oder 22.11.201015. oder 22.11.2010Ort: CINEPLEXX, Reichsbrücke; Ort: CINEPLEXX, Reichsbrücke; WagramerstraßeWagramerstraße 2, 1220 Wien2, 1220 WienZeit: Montag, 12:30Zeit: Montag, 12:30--14:0014:00

Übungsteil: ab Ende November/Anfang Dezember (Details Übungsteil: ab Ende November/Anfang Dezember (Details werden gesondert bekannt gegeben)werden gesondert bekannt gegeben)

Institut für Marketing & Innovation I Ao.Univ. Prof. DI. Dr. Peter Schwarzbauer

DatenerhebungDatenerhebungUniversität für Bodenkultur WienDepartment für Wirtschafts- undSozialwissenschaften

InhaltsübersichtSozialwissenschaften

1. Die Datenerhebung im Kontext2. Theoretische Grundlagen der Datenerhebung3. Forschungsplanung4. Messinstrumente5 Methoden der Datenerhebung5. Methoden der Datenerhebung

Zusätzlich:• Durchführung einer konkreten Datenerhebung (Umfrage)

(PFLICHT)

Download Skriptum/Folien: http://www.boku.ac.at/mi_lehrmaterial.html



LiteraturempfehlungSozialwissenschaften

• Atteslander, P.: (2000 oder neuere Auflagen): Methoden der empirischen Sozialforschung. Walter de Gruyter, p g y ,Berlin und New York

• Friedrichs, J. (1980 oder neuere Auflagen): Methoden empirischer Sozialforschung. Wesdeutscher Verlag. Opladen

• Lamnek, S. (1988 oder neuere Auflagen): Qualitative Sozialforschung – Band 2 Methoden und Techniken. Psychologische Verlagsunion WeinheimPsychologische Verlagsunion, Weinheim

IN WISO & HAUPTBIBLIOTHEK DER BOKU ERHÄLTLICH !!!Institut für Marketing & Innovation I Ao.Univ. Prof. DI. Dr. Peter Schwarzbauer

IN WISO- & HAUPTBIBLIOTHEK DER BOKU ERHÄLTLICH !!!


1. Die Datenerhebung im KontextSozialwissenschaften

Sozial - und Wirtschaftswissenschaften -Naturwissenschaften

Es stellt sich die Frage: g

Wozu werden überhaupt in der Lehrveranstaltung "Datenerhebung" Sozial- undDatenerhebung Sozial und Wirtschaftswissenschaften (SOWI) den Naturwissenschaften (NAWI) gegenüber gestellt ?




Antwort:

NAWI beschäftigen sich mit anderen Daten und Datenerhebungsmethoden als die SOWI. Zwar gsind für die Datenerhebung der NAWI häufig aufwendige und teure Apparaturen und M h ik di D h bMesstechniken notwendig, was an Daten erhoben werden soll, ist aber meist viel eindeutiger definiert als in den SOWIdefiniert als in den SOWI.




Vorweg ein Beispiel:Vorweg ein Beispiel:

Es ist wesentlich schwieriger und wenigerEs ist wesentlich schwieriger und weniger eindeutig, etwa die Einstellung der österreichischen Bevölkerung zur Umwelt zuösterreichischen Bevölkerung zur Umwelt zu messen als die Höhe eines Baumes oder den ph Wert eines Bodensph-Wert eines Bodens.




Was sind Sozial - und Wirtschafts-wissenschaften (SOWI) einerseits und Naturwissenschaften (NAWI)und Naturwissenschaften (NAWI) andererseits ?




SOWI: Wissenschaftsbereiche welche dieSOWI: Wissenschaftsbereiche, welche die Ordnung des Lebens in Staat, Gesellschaft, Recht Sitte Erziehung Wirtschaft und dieRecht, Sitte, Erziehung, Wirtschaft und die Deutungen der Welt in Sprache, Mythos, Religion Kunst Philosophie undReligion, Kunst, Philosophie und Wissenschaft zum Gegenstand haben. Es gibt immer einen menschlichen Bezug !gibt immer einen menschlichen Bezug !




An der Boku vertretene SOWI-Bereiche mit B N t b B i t h ftBezug zur Nutzung bzw. Bewirtschaftung erneuerbarer Ressourcen (Grobgliederung):

• Wirtschaftswissenschaften (VWL, BWL, Marketing u.a.)a et g u a )

• Politikwissenschaft• Soziologie• Soziologie• Rechtswissenschaften




NAWI: Befassen sich mit der systematischen Erfassung der belebten wie der unbelebten Natur und ihren Gesetzmäßigkeiten. Kein unmittelbar menschlicher Bezug.

Drei Hauptkategorien: Die „exakten“ Wissenschaften beschäftigen sich vorwiegend mit der unbelebten Welt (z B Mathematik Statistik Chemie Physik etc ) Die(z.B. Mathematik, Statistik, Chemie, Physik etc.). Die „biologischen“ Wissenschaften beschäftigen sich mit der belebten Welt (z.B. Biologie, Genetik, Physiologie, etc.). Beide liefern Erkenntnisse für die „angewandten“Wissenschaften (z.B. Medizin, Bodenkunde, Technik etc.)




Charakteristika der SOWI

• kaum Sachverhalte, die eine strenge Üb i ti i

B i i l Wäh d 2 + b2 2 ll i

Übereinstimmung zeigen

Beispiel: Während a2 + b2 = c2 allgemeine Gültigkeit hat, sind etwa gesellschaftliche Phä i hi d W lt iPhänomene in verschiedenen Weltregionen oder Ländern unterschiedlich.




Charakteristika der SOWI

• Problem der Wiederholbarkeitb b ht W t i t k i K t t• beobachte Werte meist keine Konstanten

Problem, aus einem einmalig beobachtetenProblem, aus einem einmalig beobachteten Ursache-Wirkungs-Zusammenhang allgemeingültige Aussagen abzuleitenallgemeingültige Aussagen abzuleiten

Problem der möglichen Fehlinterpretation




Charakteristika der NAWI

Ausgangspunkt:Die Natur besteht aus voneinander unabhängigen Faktoren, kann in in diese zerlegtunabhängigen Faktoren, kann in in diese zerlegt und diese können wieder problemlos zusammengesetzt werden.zusammengesetzt werden.




Charakteristika der NAWI

Vorgangsweise eindeutiger als bei SOWI (E i t d ) E ibt fü i(Experimentanordnung). Es gibt für eine Fragestellung möglicherweise nur eine Vorgangsweise.

B i kt l i h A it ti t itt dBei exakt gleicher Ausgangssituation tritt das Problem der Wiederholbarkeit nicht auf.




Wichtige Unterschiede SOWI - NAWISozial - und Wirtschaftswissenschaften

Naturwissenschaften

Messbarkeit von Phänomenen häufig nur indirekt möglich

Messbarkeit von Phänomenen meist direkt möglich

Subjektives Wissen (Versuch der Objektivierung)

Objektives Wissen Objektivierung)

Kontextabhängigkeit Kontextunabhängigkeit Hohe Ergebnisvarianz Exakte Wiederholbarkeit Gestaltungsinteresse Erkenntnisinteresse

Beispiel für Kontextabhängigkeit und hohe Ergebnisvarianz in SOWI:

Ergebnisse von Wählerumfragen in einer Gesellschaft ändern sich ständig und bleiben nicht für alle Zeiten gleich.


g g



Schlussfolgerungen für die SOWI-Datenerhebung:

Probleme der Messung:

Messbarkeit von Phänomenen in den SOWI meist nicht direkt möglich.

Phänomene müssen indirekt erfasst werden (z.B. durch "Indikatoren"). Um wirklich zu messen, was man messen will (V lidität) i t b d S f lt t di K i(Validität), ist besondere Sorgfalt notwendig. Keine Messanordnungen "aus dem Bauch heraus"





Gestaltungsinteresse als Handikap:

Auftraggeber verbinden mit Forschung bestimmte Interessen und versuchen auf diese Einfluss zu nehmen.

SOWI-ForscherInnen haben zu prüfen, ob diese Rahmenbedingungen eine objektive wissenschaftliche B b it üb h t lBearbeitung überhaupt zulassen.





A ifb k it d E b iAngreifbarkeit der Ergebnisse:

Meist mehrere wissenschaftliche Zugänge möglich. Nicht immer kann der "Beste" gewählt werden (z.B. finanzielle Beschränkungen). Wissenschaftliche SOWI-Arbeiten meist stärker angreifbar als bei NAWIstärker angreifbar als bei NAWI.

Die Wahl des generellen Zugangs und derDie Wahl des generellen Zugangs und der Lösungsmöglichkeiten kommt daher besondere Bedeutung zu (große Sorgfalt notwendig).


(g g g)



Was sind Daten überhaupt ?

D t I f ti Wi K i id ti h B iff !!!Daten – Information – Wissen. Keine identischen Begriffe !!!

Daten: isolierte und uninterpretierte Fakten und Kennwerte der Realitätsbeschreibung.

Information/en: verknüpfte und mit Bedeutung verseheneInformation/en: verknüpfte und mit Bedeutung versehene Daten.

Wissen: i di id ll b it t I f ti it iWissen: individuell verarbeitete Informationen mit einem mehr oder weniger starken Bezug zur eigenen Erfahrungswelt


Erfahrungswelt



Beispiel für ein Datenfile einer Umfrage zum Bekanntheitsgrad von und zur Bewertung der Werbung „Holz ist genial“V01 V02 V1.1 V1.2 V1.3 V1.4 V1.5 V2.1 V2.11 V2.12 V2.13 V2.2 V2.3 V2.4

PFEME 2 2 1 2 2 1 1 1 2 2 1 2 2PFEME 2 2 1 2 2 1 1 1 2 2 1 2 2

zagor 2 3 1 1 1 1 1 1 2 2 2 1 2

BU 1 2 2 3 1 3 , , , , , , ,

dobar 15 2 2 2 1 1dobar 15 2 2 2 1 1 , , , , , , ,

BU 8 2 1 2 2 2 1 1 1 2 2 2 2

BU 19 3 1 3 1 1 1 1 2 2 1 2 2

Demen 3 2 1 1 1 1 1 1 1 2 2 2 2

Demen 13 2 3 1 1 1 , , , , , , ,

saida 10 1 1 2 1 2 2 2 2 2 2 2 1




Beispiel für Informationen, die im Rahmen einer Analyse aus dem Datenfile generiert werden konnten

• Ein Monat nach dem Beginn der Werbekampagne ist „Holz ist genial“ knapp 48% p g „ g ppder Befragten in den Städten Wien, Linz, Klagenfurt und Innsbruck bekannt.

Et ¾ j d H l i t i l“ b k t• Etwa ¾ jener, denen „Holz ist genial“ bekannt ist, kennen die Werbung aus dem Fernsehen. Nach Sendern: 65% aus dem ORF 6% aus SAT1Nach Sendern: 65% aus dem ORF, 6% aus SAT1 und 3% aus Kabel1.




Beispiel für Wissen, das für Marketingzwecke aus diesen Informationen generiert werden kann

Die Werbung wurde bisher aus Kostengründen wesentlich häufiger in Kabelsendern platziert als imwesentlich häufiger in Kabelsendern platziert als im ORF. Es ist zwar wesentlich teurer im ORF zu werben, aber die Werbung wurde von mehr als derwerben, aber die Werbung wurde von mehr als der Hälfte der Befragten im ORF registriert. Es ist also im Sinne von Effizienz die Marketingstrategie zuim Sinne von Effizienz die Marketingstrategie zu überdenken, in den „billigeren“ TV-Sendern zu werben.


werben.

DatenerhebungDatenerhebungUniversität für Bodenkultur WienDepartment für Wirtschafts- undSozialwissenschaftenSozialwissenschaften

1. Die Datenerhebung im Kontextim Kontext




Daten müssen nicht immer Zahlen sein

B i i l Ti hBeispiel: TischLänge: 74 cmBreite: 74 cmBreite: 74 cmHöhe: 75 cm

Hier handelt es sich tatsächlich um Zahlen (metrische Angaben naturwissenschaftl. Art)




Beispiel: Tisch Auch um Zahlen, aber um eine andere Art handelt es sich, wenn Personen befragt

d i i d Ti h b t Bwurden, wie sie den Tisch bewerten; z.B. 1= sehr schön, 2 = eher schön, 3 = weniger schön, 4 = gar nicht schön (ordinale Anga-ben). Ergebnis:

sehr schön

eher schön 27

51

eher schön

weniger schön 13

27

gar nicht schön

6050403020100

Prozent




Beispiel: Tisch Im Rahmen eines „qualitativen“ Interviews macht eine befragte Person zum Tisch folgende Angaben:

„Der Tisch wirkt auf mich irgendwie heimelig, „ g g,da er aus hellem Holz gemacht ist. Ich könnte ihn mir in meinem Arbeitszimmer vorstellen “vorstellen.

Obwohl keine Zahlen, handelt es sich dabei im Prinzip auch um Datenim Prinzip auch um Daten.




Wer kann solche Daten für welchen Zweck verwenden ?

P liti h AktPolitische Akteure• Politiker auf nationaler oder internationaler Ebene • regierungsabhängige Stellen• regierungsabhängige Stellen • NGOs (Non-Government-Organisations)Verwendung für:e e du g ü• Politische Entscheidungen• Rechtfertigung politischer Entscheidungen• Selbstdarstellung• (Wahl-) Werbung





Manager/Wirtschaftliche Akteure • Profit Unternehmen• Profit Unternehmen • Non-Profit Unternehmen Verwendung für:Verwendung für:• Betriebsleitung• Controlling• Marketing etc.





Wissenschafter Verwenden Daten zur Generierung von Information undVerwenden Daten zur Generierung von Information und Wissen im Rahmen ihrer Forschung, die häufig als Forschungsauftrag von den anderen beiden Gruppen an sieForschungsauftrag von den anderen beiden Gruppen an sie herangetragen wird.




Missbräuchliche Verwendung von Daten

Hier nicht gemeint: illegale Erfassung von Daten der Privatsphäre von Personen, illegale Weitergabe oder den Verkauf geschützter Daten etc.

Gemeint ist: Absichtliche, tendenziöse oder einfach falsche Interpretation von Daten bzw. Information. Generierung von falschem bzw. Scheinwissen.





Beispiel 1





Beispiel 1: Die Kronenzeitung ist die glaubwürdigste ZeitungBeispiel 1: Die Kronenzeitung ist die glaubwürdigste Zeitung Österreichs

Wenn im Rahmen einer Umfrage die Mehrheit ausdrückt, dass sie die e a e e e U age d e e e t ausd üc t, dass s e d eKronenzeitung für die glaubwürdigste Zeitung hält, ist die Schluss-folgerung falsch, dass sie die glaubwürdigste Zeitung ist. Denn die Befragten benennen nicht die objektive Glaubwürdigkeit sondernBefragten benennen nicht die objektive Glaubwürdigkeit, sondern drücken ihre Meinung über die Glaubwürdigkeit aus. Ein Meinungs-forscher, der nach einer solchen Befragung behauptet, die Kronen-zeitung wäre objektiv die "glaubwürdigste" Zeitung in Österreich würdezeitung wäre objektiv die glaubwürdigste Zeitung in Österreich, würde einer Selbsttäuschung unterliegen. Nicht die objektive Glaubwürdigkeit wurde erhoben, sondern nur die Meinung darüber.





Beispiel 2



1. Die Datenerhebung im KontextMi b ä hli h V d D t

Sozialwissenschaften

Missbräuchliche Verwendung von Daten Beispiel 2: ÖVP sichert zweiten Platz

Aus der Umfrage geht hervor, dass 21% die ÖVP und 20 % die FPÖ wählen würden. Es wird abgeleitet, dass die ÖVP vor der FPÖ liegt – eine wissenschaftlich unhaltbare Aussage.g• Die Umfrage beruht auf einer Stichprobe von 500 Personen ab 18

Jahren. Stichproben sind mit einem Stichprobenfehler behaftet, der hier mindestens +/-3% beträgt. Das Ergebnis für die ÖVP liegt in g g gder Realität zwischen 18 und 24%, jenes der FPÖ zwischen 17 und 23%. Die Ergebnisse überschneiden sich also im Bereich 18 – 23% und sind daher statistisch nicht signifikant unterschiedlich. Die Aussage, dass die ÖVP auf dem zweiten Platz liegt, ist daher schlicht falsch!





Beispiel 2: ÖVP sichert zweiten Platz (Fortsetzung)Beispiel 2: ÖVP sichert zweiten Platz (Fortsetzung)

• Bei solchen Umfragen ist meist ein wesentlicher Teil der Befragten nicht bereit sich festzulegen (meist Unentschlossene). Aus der g ( )Darstellung geht nicht hervor, ob sich die Prozente nur auf jene Befragten beziehen, die überhaupt eine Antwort gegeben haben ("Rohdaten"), oder nach einem nicht nachvollziehbaren System die Unentschlossenen auf die einzelnen Parteien aufgeteilt werden (z.B. aufgrund von anderen Fragen nach der Sympathie gegenüber Parteien oder bestimmten Parteipolitikern). Diese Aufteilung bringt bezüglich der ausgewiesenen Prozentanteile weitere Unsicherheit.





Beispiel 2: ÖVP sichert zweiten Platz (Fortsetzung)Beispiel 2: ÖVP sichert zweiten Platz (Fortsetzung)

• Mittlerweile ist bekannt, dass sich aufgrund der z.T. umstrittenen Positionen der FPÖ (z.B. gegenüber Ausländern) Befragte sich bei ( g g ) gUmfragen nicht getrauen anzugeben, die FPÖ zu wählen. D.h., dass bei Umfragen der Anteil der FPÖ bisher meist unterschätzt wurde.

Die Punkte 2. und 3. waren bisher die wesentlichsten Ursachen, warum Wahlprognosen von Meinungsforschungsinstituten und Wahlergebnisse oft krass auseinander lagen.




Missbräuchliche Verwendung von DatenBeispiel 3100

Bekanntheitsgrad der Werbung "Holz

90

80

70g

ist genial" nach Geschlecht

70

60

50

40

30

20

Holz ist genial

weiß nicht

Chi-Quadrat-Tests Wert df Asymptotische Signifikanz

(2-seitig) Chi Quadrat nach 6 105 2 047

weiblichmännlich

Pro

zent

20

10

0

weiß nicht

nicht bekannt

bekannt

Chi-Quadrat nach Pearson

6,105 2 ,047


weiblichmännlich


1. Die Datenerhebung im KontextMissbräuchliche Verwendung von Daten SozialwissenschaftenMissbräuchliche Verwendung von DatenBeispiel 3: Mehr Frauen als Männer kennen die Werbung "Holz ist genial"ist genial

Ergebnis einer Umfrage unter 1000 repräsentativ erhobenen Be-fragten: 48,2% der Frauen und 46,8 % der Männer kennen die Wer-g , ,bung "Holz ist genial". Der Chi-Quadrat-Test ergibt, dass statistisch signifikant tatsächlich mehr Frauen als Männer die Werbung kennen.Würde diese Aussage ohne Zahlenangaben verwendet oder g ggar eine Marketingempfehlung abgeleitet werden, dass sich die Werbung verstärkt auf Männer konzentrieren müsse, wäre das eine Fehlinterpretation des Ergebnisses. Obwohl statistisch signifikant, ist p g g ,der Unterschied zwischen den Geschlechtern zu gering, als dass er für Marketingzwecke einen Unterschied machen würde.




Missbräuchliche Verwendung von DatenBeispiel 4Erlebbares Alter hängt vom gBildungsgrad ab



1. Die Datenerhebung im KontextMissbräuchliche Verwendung von Daten SozialwissenschaftenMissbräuchliche Verwendung von DatenBeispiel 4: Erlebbares Alter hängt vom Bildungsgrad ab

Hinter dem rein statistischen Zusammenhang zwischen erlebbarem Alter und Bildung steht in Wahrheit eine andere Variable, nämlich die Lebensumstände (z B Beruf Einkommen) und damitLebensumstände (z.B. Beruf, Einkommen) und damit zusammenhängend Lebensstile (z.B. Ernährungsgewohnheiten, aber auch Laster, wie Rauchen).

Es gibt also keinen direkten Zusammenhang zwischen Alter und Bildung, obwohl es einen statistischen Zusammenhang gibt.

Storchenbeispiel wird später noch erläutert (Kapitel 2)



1. Die Datenerhebung im KontextMissbräuchliche Verwendung von Daten SozialwissenschaftenMissbräuchliche Verwendung von Daten -Schlussfolgerungen

• Klare Unterscheidung bei der Erhebung von Fakten und Werturteilen, Meinungen oder Einschätzungen. Das bedeutet nicht, dass letztere weniger wichtig als Fakten wären nur sind diedass letztere weniger wichtig als Fakten wären, nur sind die Schlussfolgerungen daraus andere.

• Zur richtigen Interpretation von Befragungsergebnissen ist immer• Zur richtigen Interpretation von Befragungsergebnissen ist immer notwendig, den genauen Wortlaut der ursprünglichen Frage und der Antwortmöglichkeiten (Skalierung) zu kennen. Unterschiede in Frage und Skalenformen können u U völlig unterschiedlicheFrage- und Skalenformen können u.U. völlig unterschiedliche Ergebnisse produzieren.



1. Die Datenerhebung im KontextMissbräuchliche Verwendung von Daten SozialwissenschaftenMissbräuchliche Verwendung von Daten –Schlussfolgerungen (Fortsetzung)

• Keine voreiligen Schlüsse über Zusammenhänge und Unterschiede• Keine voreiligen Schlüsse über Zusammenhänge und Unterschiede (zwischen Daten/Variablen) ohne entsprechendem statistischen Know-how und ohne der Kenntnis, wie die Ergebnisse aus den Rohdaten abgeleitet wurdenRohdaten abgeleitet wurden.

• Aber: auch keine Überbewertung statistisch signifikanter Ergebnisse wenn diese entweder nicht plausibel sind oder keineErgebnisse, wenn diese entweder nicht plausibel sind oder keine wesentlichen zusätzliche Erkenntnisse liefern.

U t h id b üb üf b t ti ti h Z hä• Unterscheiden bzw. überprüfen, ob statistische Zusammenhängeauch kausale Zusammenhänge widerspiegeln (Mögliche „Missspezifikation“)


datenerhebung kap1.ppt [Kompatibilitätsmodus] · PDF filezagor 2 3 1 1 1 1 1122212 BU...

Documents

Transcript of datenerhebung kap1.ppt [Kompatibilitätsmodus] · PDF filezagor 2 3 1 1 1 1 1122212 BU...