Erheben von Daten kategoriale Merkmale

Präsentation zum Thema: "Erheben von Daten kategoriale Merkmale"—  Präsentation transkript:

1 Erheben von Daten kategoriale Merkmale
Statistik: Erheben von Daten kategoriale Merkmale

2 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 PI Statistik, SS 2004

3 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 PI Statistik, SS 2004

4 Erhebungsinstrumente
Schriftliche Befragung Persönliches Interview Telephonische Befragung Beobachtung follow-up Verfahren Schulung PI Statistik, SS 2004

5 Stichprobendesign Nichtzufälliges Erhebungsdesign convenience sampling
Einfache Zufallsstichprobe Geschichtete Zufallsstichprobe Systematische Zufallsstichprobe Clusterstichprobe Quotenstichprobe mehrstufige Stichprobe PI Statistik, SS 2004

6 Fragebogen Typen von Fragen Fragebogendesign Dichotome Fragen
Multiple-Choice Fragen Offene Fragen Fragebogendesign so kurz als möglich einfach, verständlich, eindeutig logischer Aufbau gutes Layout PI Statistik, SS 2004

7 Erhebungen: Fehler Fehler = Stichprobenfehler + „non-sampling“ Fehler
Daten-Fehler Übertragungsfehler „non-response“ (Verweigerung, nicht angetroffen) Fehler durch Fragebogendesign PI Statistik, SS 2004

8 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 PI Statistik, SS 2004

9 Kreisdiagramm Beispiel: Augenfarbe von Studierenden Augenfarbe Häuf'kt
blau 15 grün 12 braun 19 grau 2 schwarz 1 PI Statistik, SS 2004

10 Kreisdiagramm Explodierter 3D-Kreis Augenfarbe Häuf'kt blau 15 grün 12
braun 19 grau 2 schwarz 1 PI Statistik, SS 2004

11 Säulen-, Stabdiagramm Augenfarbe Häuf'kt blau 15 grün 12 braun 19 grau
schwarz 1 PI Statistik, SS 2004

12 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 PI Statistik, SS 2004

13 Kumulierte (relative) Häufigkeiten
Summe der relativen Häufigkeiten aller vorhergehenden Kategorien, einschließlich der aktuellen Nur für ordinale Merkmale sinnvoll PI Statistik, SS 2004

14 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 PI Statistik, SS 2004

15 Pivot Table-Bericht „Ein PivotTable-Bericht ist eine interaktive Tabelle, die große Datenmengen rasch kombinieren und vergleichen kann.“ Wichtige Hilfe zum Auszählen von Datenmengen PI Statistik, SS 2004

16 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 ? PI Statistik, SS 2004