Was machen wir? Ablauf des empirischen Arbeitens:

Präsentation zum Thema: "Was machen wir? Ablauf des empirischen Arbeitens:"—  Präsentation transkript:

1 Was machen wir? Ablauf des empirischen Arbeitens:
Grundlagenstudie lesen & Methodik nachvollziehen Hypothesen aufstellen Items generieren (Durchgeführtes Brainstorming) Fragebogen erstellen Umfrage durchführen Dateneingabe in SPSS Methodik überlegen Ergebnisse sammeln und selektieren Auswertung (Hypothesen bestätigt oder falsifiziert) Präsentation

2 Grundlagenstudie Personen - Organisationen Fit Von
O‘ Reilly & Chatman & Caldwell

3 Autoren Charles A. O‘Reilly III Jennifer Chatman David F. Caldwell

4 Autoren Charles A. O‘Reilly III Standford Graduate School
Organizational behavior Professor Charles O’Reilly’s research includes studies of leadership, organizational culture and demography, the management of human resources, and the impact of change and innovation on firms

5 Autoren Jennifer Chatman Berkley University
Organizational culture and post merger integration. Managing diverse professionals Managing teams and cooperations

6 Autoren David F. Caldwell Santa Clara University
Human Ressource Management Organizational behavior

7 Einführung „Untersuchung des Personen-Kultur Fits und seine Implikationen für Arbeitseinstellung und -verhalten“ Person - Situation Fit Person - Culture Fit OCP

8 1. Person - Situation Fit VS. Persönlichkeit Situation

9 2. Person - Culture Fit Organisationenkulturen erscheinen verschiedenen Typen von Personen unterschiedlich attraktiv Definition von Kultur: Rosseau: „Annahmen, Werte, Normen, Erwartungen und Verhaltensweisen die von einer sozialen Gruppe geteilt werden.“

10 3. Organizational Culture Profile
OCP: Organizational Culture Profile Step 1: Werte der Organisation Step 2: Individuelle Präferenzen Step 3: Charakteristiker der Organisation Step 4: Ermittlung des Person- Organization Fit

11 Eigene Methodik und Ergebnisse

12 Hypothesen H1: Je höher der universitäre Aufwand, desto niedriger der sonstige Aufwand & vice versa (Grund: natürliche Zeitrestriktion) H2: Je höher der Uni-Aufwand desto besser die Vordiplomsnote H3: Je höher der sonstige Aufwand desto schlechter die Vordiplomsnote H4: Je höher der FIT, desto höher die Vordiplomsnote H5: Je höher der FIT, desto kürzer das Studium (Fachsemesteranzahl bei Studienende) H6: Je höher der FIT, desto höher der Arbeitsaufwand (Wochenstundenzahl Uni) H7: Je höher der FIT, desto niedriger der außeruniversitäre Aufwand (Wochenstundenzahl Arbeit)

13 Itemgenerierung Durchführung eines Brainstormings, um Fakultätsrelevante Items zu erhalten Übertragung und Erweiterung der Items aus der Originalstudie Erstellung des Fragebogens und Durchführung im Kurs N=41 (Teilnehmer)

14 Deskriptive Statistik
Beschreibende Statistik Beschreibende Auswertung einer Sammlung von Daten Contra induktive Statistik: Wenn keine vollständigen Daten vorliegen und Rückschlüsse auf die Grundgesamtheit gezogen werden soll Wahrscheinlichkeitsrechnung

15 Mittelwerte Median: Zentralwert
Der Wert (in einer der Größe nach geordnete Reihe von Werten) bei welchem rechts und links von diesem gleich viele Ausprägungen liegen Vorteil: extreme Werte üben nicht so großen Einfluss aus Beispiel: Nachteil: Verzerrung wenn sich Daten nicht schwerpunktmäßig in der Mitte konzentrieren Modalwert/Modus: Häufigster Wert Nur sinnvoll bei Vorliegen einer Häufigkeitsverteilung Beispiel:

16 Mittelwerte Arithmetische Mittel/Mittelwert: Durchschnittswert
Alle Werte gehen mit gleicher Gewichtung ein Nachteil: extreme Werte haben viel Gewicht Anwendung: Aufteilung der Ausprägungen einer Variablen in zwei Kategorien

17 Mittelwerte / Ergebnisse
Betrachtung des durchschnittlichen Mittelwertes aller Items beider Fragebögen: Likert Skala zwischen 1 (sehr gut) bis 9 (überhaupt nicht) Fragebogen „Ist-Zustand“  4,6 Fragebogen „Soll-Zustand“ 2,95

18 Streuungsmaße Standardabweichung:
Streuung der Ausprägungen einer Variable um den Mittelwert Varianz: Quadrierte Abstände der Werte vom Mittelwert werden addiert und durch die Anzahl der Werte geteilt

19 Mittelwerte / Streuungsmaße
Beispiel der Variable „innovativ“ in Bezug auf die Frage „Ich würde mich als Student an einer Fakultät wohlfühlen, die …“

20 Mittelwerte / Streuungsmaße
Beispiel der Variable „innovativ“ in Bezug auf die Frage „Inwiefern ist die WISO-Fakultät …“

21 Kreuztabellen Technik der Untersuchung bivariater (2 Variablen) Zusammenhänge Hypothese über einen Zusammenhang wird aufgestellt, z.B: Je höher Variable A, desto höher Variable B (B = abhängige Variable; A = unabhängige Variable) die Richtung des Zusammenhangs (wird B von A beeinflusst, oder ist es umgekehrt?) kann nicht überprüft werden mögliche verzerrenden Einflüssen durch Drittvariablen nicht messbar (multivariate Untersuchung)

22 Kreuztabellen / Ergebnisse
H1: Je höher der universitäre Aufwand, desto niedriger der sonstige Aufwand & vice versa (Grund: natürliche Zeitrestriktion) Aufteilung Uni Wochenstunden : Aufteilung Wochenstunden Sonst: 0 bis 30 h/Woche  „geringer Aufwand“ 0 bis 14 h/Woche  „geringer Aufwand“ 31 bis 150 h/Woche  „hoher Aufwand“ 15 bis 50 h/Woche  „hoher Aufwand“ Die Hypothese wurde bestätigt!

23 Kreuztabellen / Ergebnisse
H2: Je höher der Uni-Aufwand desto besser die Vordiplomsnote Aufteilung Uni Wochenstunden: Aufteilung Vordiplomsnote: 0 bis 30 h/Woche  „geringer Aufwand“ 1,0 bis 2,5  „gute Note“ 31 bis 150 h/Woche  „hoher Aufwand“ 2,5 bis 4,0  „schlechte Note“ Die Hypothese wurde bestätigt!

24 Kreuztabellen / Ergebnisse
H3: Je höher der sonstige Aufwand desto schlechter die Vordiplomsnote Aufteilung Wochenstunden Sonst: Aufteilung Vordiplomsnote: 0 bis 14 h/Woche  „geringer Aufwand“ 1,0 bis 2,5  „gute Note“ 15 bis 50 h/Woche  „hoher Aufwand“ 2,5 bis 4,0  „schlechte Note“ Die Ergebnisse sind uneindeutig!

25 Siginifikanztests bei Kreuztabellen
Chi-Quadrat: ermittelt, ob überhaupt irgendein Zusammenhang zwischen den beiden Variablen besteht oder ob es eine reine Zufallsverteilung ist Hier wird die „Nullhypothese“ getestet = die Annahme, dass zwischen den beiden Variablen (Wochenstunden Uni / Vordiplomsnote) KEIN Zusammenhang besteht Die Signifikanz des Chi-Wertes = die Irrtumswahrscheinlichkeit beim Verwerfen dieser Nullhypothese  Wenn ein Zusammenhang gegeben ist, dann muss der einseitige Signifikanzwert klein sein  p < .05  In unserem Fall ist ein Zusammenhang der Variablen gegeben, da wir einen marginalen Signifikanzwert von p =.062/2 (weil einseitiger Test) haben

26 Korrelation Korrelationsrechnung:
Zusammenhang zwischen zwei Variablen ohne Feststellung eines kausalen Zusammenhangs Positiv: je mehr, desto mehr Negativ: je mehr, desto weniger Korrelationskoeffizient: relatives, dimensionsloses Maß für die Art und Enge eines linearen stochastischen Zusammenhanges zwischen 2 Zufallsvariablen Art des Zusammenhanges durch Vorzeichen negativ positiv Enge durch Ausmaß nahe 1 = enger Zusammenhang nahe 0 = loser Zusammenhang

27 Faktorenanalyse Aus einer Vielzahl von Merkmalen sollen übergeordnete, von einander unabhängige Merkmale /Faktoren errechnet werden Datenreduzierend Von sichtbaren Erscheinungen auf die diesen zu Grunde liegenden unbeobachtbaren Ursachen zu schließen Viele wechselseitig hoch korrelierende Variablen werden durch wenige unabhängige Faktoren ersetzt Möglichst gute Abbildung der Daten vs. Geringe Zahl von Faktoren  Ergebnisse hängen von Subjektivität ab (Faktorenanzahl und Interpretation)

28 Faktorenanalyse Eigenwert: Vor der Faktorrotation anzuwenden
Dient der Entscheidung unwichtige Faktoren zu eliminieren Wie viel Gesamtvarianz wird durch Faktor erfasst? Eigenwert < 1 : Faktor erklärt weniger als die Varianz einer einzigen Variable Rotation: orthogonale Rotation für die Interpretation der Ergebnisse Varimax: Faktoren korrelieren nicht miteinander  Variablen können besser den Faktoren zugeordnet werden

29 Faktorenanalyse Clusteranalyse:
Wenn Zusammenhänge zwischen Variablen existieren werden sie sich klumpen Klumpen isolieren  inhaltliche Interpretation der beobachteten Zusammenhänge Ziel: interne Homogenität & externe Heterogenität

30 Faktorenanalyse / Vorgehen
Gegeben: 2 Fragebögen à 70 Items Ziel: Faktoren bilden um die Variablenanzahl zu reduzieren  Variablen in einem Faktor müssen einen starken Zusammenhang aufweisen = stark korrelieren = in sich homogen sein & die Faktoren untereinander sollten so heterogen wie möglich sein

31 Faktorenanalyse / Ergebnisse
jeder Fragebogen hat aus den jeweils 70 Items ca. 17 Faktoren generiert jetzt kommt der Abgleich der Faktoren zwischen den Fragebögen die analoge Variablen beinhalten. Das kann dazu führen, dass Items gestrichen werden müssen, um im Endeffekt zwei Faktoren miteinander vergleichen zu können. Beispiel: Fragebogen I - Faktor Leistung Fragebogen II - Faktor Leistung anspruchsvoll anspruchsvoll leistungsorientiert leistungsorientiert angesehen modern

32 Faktorenanalyse / Ergebnisse
Bei dem Ist-Fragebogen kam es zu sehr starken Faktoren mit hohen Mittelwerten bei „Leistungsorientierung“ und „Wettbewerbsorientierung“ Bei dem Wunsch-Fragebogen kam es zu sehr starken Faktoren mit hohen Mittelwerten bei „Sozialer Verantwortung“ und „Harmonie“ Interessante Beobachtung:

33 Faktorenanalyse / Ergebnisse
 wir erhalten jeweils 7 Faktoren für die beiden Fragebögen: Faktor: Name: Variablen die hoch korrelieren: Faktor 1 „soziale Verantwortung“ (familienfreundlich, behindertengerecht) Faktor 2 „Organisation“ (sorgfältig, strukturiert, organisiert) Faktor 3 „Wettbewerbsorientierung“ (konkurrenzfähig, einflussreich) Faktor 4 „Offenheit“ (ungezwungen, kreativ) Faktor 5 „ Kommunikation“ (dynamisch, modern, kontaktfreudig) Faktor 6 „Leistungsorientierung“ (anspruchsvoll, leistungsorientiert) Faktor 7 „Harmonie“ (Unterstützung, Wohlfühlen)

34 Erste Herangehensweisen:
Messung des FIT Erste Herangehensweisen: Vergleiche für jeden Fragebogen die Distanz zwischen dem Ist- und Sollwert Zum Beispiel: Soziale Verantwortung (Soll) Soziale Verantwortung (Ist) Organisation (Soll) Organisation (Ist) etc.

35 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand
FIT / Ergebnisse Hoher FIT 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand

36 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand
FIT / Ergebnisse Hoher FIT 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand

37 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand
FIT / Ergebnisse Niedriger FIT 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand

38 Hypothesen H4: Je höher der FIT, desto höher die Vordiplomsnote
H5: Je höher der FIT, desto kürzer das Studium (Fachsemesteranzahl bei Studienende) H6: Je höher der FIT, desto höher der Arbeitsaufwand (Wochenstundenzahl Uni) H7: Je höher der FIT, desto niedriger der außeruniversitäre Aufwand (Wochenstundenzahl Arbeit)

39 Korrelation / Vorgehen
Der FIT wird mit den folgenden unabhängigen Variablen korreliert: Vordiplomsnote Wochenstundenzahl Uni Wochenstundenzahl Arbeit Voraussichtliche Fachsemesteranzahl bei Studienende

40 Korrelation / Ergebnisse
 Nicht- signifikante Korrelationen

41 Messung des FIT Zweite Herangehensweisen:
Erstellung einer Fakultäts-Kulturnorm (Istwerte). Vergleich von Sollwerten der Befragten mit dieser Norm. Fakultäts-Kulturnorm: durch bilden der gesamtheitlichen Mittelwerte über die Faktoren Soziale Verantwortung 4,84 Organisation 3,94 Wettbewerbsorientierung 3,68 Offenheit 5,85 Kommunikation 5,07 Leistungsorientierung 2,87 Harmonie 6,01

42 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand
FIT / Ergebnisse Hoher FIT 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand

43 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand
FIT / Ergebnisse Niedriger FIT 0.00  komplette Übereinstimmung zwischen Ist- und Sollzustand

44 Hypothesen H4: Je höher der FIT, desto höher die Vordiplomsnote
H5: Je höher der FIT, desto kürzer das Studium (Fachsemesteranzahl bei Studienende) H6: Je höher der FIT, desto höher der Arbeitsaufwand (Wochenstundenzahl Uni) H7: Je höher der FIT, desto niedriger der außeruniversitäre Aufwand (Wochenstundenzahl Arbeit)

45 Korrelation / Vorgehen
Der FIT wird mit den folgenden unabhängigen Variablen korreliert: Vordiplomsnote Wochenstundenzahl Uni Wochenstundenzahl Arbeit Voraussichtliche Fachsemesteranzahl bei Studienende

46 Korrelation / Ergebnisse
 Nicht- signifikante Korrelationen

47 Korrelation / Ergebnisse
Abweichung vom Faktor Leistungsorientierung – Wochenstunden Uni

48 Endergebnis Unsere aufgestellten FIT- Hypothesen konnten nicht bestätigt werden H4: Je höher der FIT, desto höher die Vordiplomsnote H5: Je höher der FIT, desto kürzer das Studium (Fachsemesteranzahl bei Studierende) H6: Je höher der FIT, desto höher der Arbeitsaufwand (Wochenstundenzahl Uni) H7: Je höher der FIT, desto niedriger der außeruniversitäre Aufwand (Wochenstundenzahl Arbeit) H6 umformulieren zu: Je höher der FIT der Leistungsfähigkeit, desto höher der Arbeitsaufwand, dann wäre sie bestätigt - gesamtheitliche FIT (Ausnahme Leistungsfähigkeit) irrelevant - Uni beurteilt nur Leistungen - Studenten antizipieren das Leistungsfähigkeit wichtigstes Kriterium ist

49 Überlegungen Überlegung, ein FIT z.B. bei sozialer Verantwortung ist gar nicht wünschenswert, da dies bedeuten würde, die Stundenten möchten eine niedrige soziale Verantwortung, wie sie bei der Fakultät festgestellt wurde Überlegung, ob das Design, die Durchführung oder die angewendete Methodik abgeändert werden kann, um die Hypothesen doch bestätigen zu können Überlegung, ob eine Formulierung neuer Hypothesen aufgrund der gewonnenen Ergebnisse sinnvoll ist