Erheben von Daten kategoriale Merkmale Statistik: 25.2.04 Erheben von Daten kategoriale Merkmale
Datenquellen Primäre Daten, aus Sekundäre Daten Vollerhebung Stichprobenerhebung Sekundäre Daten Volkszählungsdaten Daten von Statistik Austria, von der OeNB Daten aus der Hörerevidenz der WU Personal-, Lagerkartei 25.2.04 PI Statistik, SS 2004
Datenerhebungen Zielsetzung genau definieren Stichprobenrahmen: Seine Qualität entscheidet über Qualität der Daten Erhebungsinstrument bestimmt Kosten und Qualität der Daten (siehe unten) Stichprobenumfang bestimmt Genauigkeit Erhebungsmanagement: Planung, Mannschaft, Schulung, Formulare und EDV, Qualitätssicherung Datenaufbereitung und -speicherung 25.2.04 PI Statistik, SS 2004
Erhebungsinstrumente Schriftliche Befragung Persönliches Interview Telephonische Befragung Beobachtung follow-up Verfahren Schulung 25.2.04 PI Statistik, SS 2004
Stichprobendesign Nichtzufälliges Erhebungsdesign convenience sampling Einfache Zufallsstichprobe Geschichtete Zufallsstichprobe Systematische Zufallsstichprobe Clusterstichprobe Quotenstichprobe mehrstufige Stichprobe 25.2.04 PI Statistik, SS 2004
Fragebogen Typen von Fragen Fragebogendesign Dichotome Fragen Multiple-Choice Fragen Offene Fragen Fragebogendesign so kurz als möglich einfach, verständlich, eindeutig logischer Aufbau gutes Layout 25.2.04 PI Statistik, SS 2004
Erhebungen: Fehler Fehler = Stichprobenfehler + „non-sampling“ Fehler Daten-Fehler Übertragungsfehler „non-response“ (Verweigerung, nicht angetroffen) Fehler durch Fragebogendesign 25.2.04 PI Statistik, SS 2004
Kategoriales Merkmal Auch qualitatives, kategorielles Merkmal Ordnet der Beobachtungs- oder Untersuchungseinheit eine von endlich vielen Klassen (Kategorien) zu; Dazu gehören nominale und ordinale Merkmale Ist immer diskret (die Menge der Merkmalsausprägungen ist endlich oder abzählbar) Population Merkmal M-Ausprägungen WU-Studierende Geschlecht m, w Note 1, 2, 3, 4, 5 Produktion Qualität gut, schlecht 25.2.04 PI Statistik, SS 2004
Kreisdiagramm Beispiel: Augenfarbe von Studierenden Augenfarbe Häuf'kt blau 15 grün 12 braun 19 grau 2 schwarz 1 25.2.04 PI Statistik, SS 2004
Kreisdiagramm Explodierter 3D-Kreis Augenfarbe Häuf'kt blau 15 grün 12 braun 19 grau 2 schwarz 1 25.2.04 PI Statistik, SS 2004
Säulen-, Stabdiagramm Augenfarbe Häuf'kt blau 15 grün 12 braun 19 grau schwarz 1 25.2.04 PI Statistik, SS 2004
Absolute & relative Häufigkeit (absolute) Häufigkeit: gibt an, wie oft eine bestimmte Kategorie in der Datenmenge vorkommt; typisches Symbol: H i z.B.: 15 Studierenden haben blaue Augen relative Häufigkeit (Anteil) h i n: Umfang der Datenmenge Oft als Prozente (Prozentanteil) angegeben 25.2.04 PI Statistik, SS 2004
Kumulierte (relative) Häufigkeiten Summe der relativen Häufigkeiten aller vorhergehenden Kategorien, einschließlich der aktuellen Nur für ordinale Merkmale sinnvoll 25.2.04 PI Statistik, SS 2004
Noten von 52 Studierenden abs H'kt rel H'kt kum rel H'kt 1 7 13,5% 2 22 42,3% 55,8% 3 15 28,8% 84,6% 4 6 11,5% 96,2% 5 3,8% 100,0% 52 25.2.04 PI Statistik, SS 2004
Pivot Table-Bericht „Ein PivotTable-Bericht ist eine interaktive Tabelle, die große Datenmengen rasch kombinieren und vergleichen kann.“ Wichtige Hilfe zum Auszählen von Datenmengen 25.2.04 PI Statistik, SS 2004
Fragestellungen Kommen alle Kategorien gleich häufig vor ? Entsprechen die Häufigkeiten in den Kategorien einer bestimmten Vorgabe ? Entspricht die Häufigkeit (Prozentsatz, Anteil) in einer bestimmten Kategorie einem bestimmten Wert? In welchem Bereich kann man den Anteil einer Kategorie in der Grundgesamtheit erwarten ? 25.2.04 PI Statistik, SS 2004