Der Korrelationskoeffizient nach Pearson, auch Korrelationskoeffizient nach Bravais-Pearson genannt, gibt uns Auskunft über den Zusammenhang von zwei metrisch skalierten Variablen.
Da es sich um einen standardisierten Koeffizienten handelt, können wir Zusammenhänge anhand des Korrelationskoeffizienten miteinander vergleichen.
Weiter lesen: Korrelationskoeffizient nach Pearson berechnen und interpretieren
Der Kontingenzkoeffizient nach Pearson gibt uns Auskunft über den statistischen Zusammenhang zwischen zwei oder mehreren Variablen.
Am häufigsten wird der Kontingenzkoeffizient für nominal– oder ordinalskalierte Daten verwendet.
Da es sich um ein standardisiertes Maß handelt, ist es möglich, mehrere Variablen hinsichtlich des Kontingenzkoeffizienten zu vergleichen.
Weiter lesen: Den Kontingenzkoeffizienten verstehen, bestimmen und interpretieren
Chi-Quadrat χ2 gibt dir Auskunft über den Zusammenhang von zwei nominal– oder ordinalskalierten Variablen.
Weiter lesen: Chi-Quadrat verstehen und berechnen
Die Kovarianz gibt dir Auskunft über den Zusammenhang von zwei metrischen Variablen.
Dabei ist es wichtig, zu beachten, dass die Kovarianz ein nichtstandardisiertes Zusammenhangsmaß ist und damit nur begrenzt vergleichbar.
Andere Bezeichnungen für die Kovarianz sind Stichprobenkovarianz oder empirische Kovarianz.
Weiter lesen: Kovarianz verstehen und berechnen
Eine Stichprobe ist eine Teilmenge von Daten aus einer größeren Population (auch Grundgesamtheit genannt), die zur Beantwortung einer Fragestellung untersucht wird.
Wenn du eine Forschungsarbeit über eine Personengruppe durchführst (z. B. Personen, die in der Pflege arbeiten), ist es selten möglich, Daten von jeder Person in dieser Gruppe zu erheben.
Stattdessen wählst du eine Stichprobe aus. Die Stichprobe ist die Gruppe von Personen, die tatsächlich an der Untersuchung teilnehmen (z. B. 500 Personen, die in der Pflege arbeiten).
Weiter lesen: Stichprobe – repräsentativ, geschichtet, unabhängig etc.
Skalenniveaus sind Kategorien, die uns eine Auskunft darüber geben, welche Merkmale unsere Daten aufweisen.
Deine Daten können entweder nominalskaliert, ordinalskaliert, intervallskaliert oder ratioskaliert sein.
Dabei haben metrische Daten den höchsten Informationsgehalt und erlauben die meisten Berechnungen. Nominalskalierte Daten haben dagegen die geringste Aussagekraft.
Weiter lesen: Skalenniveaus verstehen und bestimmen
In der deskriptiven Statistik bezeichnet ‘Streuung’ die Verteilung von Daten und gibt an wie weit die einzelnen Werte innerhalb eines Datensatzes gestreut sind.
Die Streuung unserer Daten können wir in Streuungsmaßen angeben.
Zu den wichtigsten Streuungsmaßen zählen die Varianz, die Standardabweichung und die Spannweite.
Weiter lesen: Streuung in der Statistik
Streuungsmaße werden in der deskriptiven Statistik verwendet, um die Verteilung und die Streubreite von Daten anzugeben.
Zu den wichtigsten Streuungsmaßen zählen die Varianz, die Standardabweichung und die Spannweite.
Andere Bezeichnungen für Streuungsmaße sind Streuungsparameter und Dispersionsmaße.
Streuungsmaße sind hilfreich bei der Interpretation von Daten, die du als Forschungsergebnisse in deiner Bachelorarbeit oder deiner Masterarbeit präsentierst.
Weiter lesen: Streuungsmaße mit Beispielen erklärt
Der Standardfehler des Mittelwertes gibt an, wie sehr der Mittelwert einer Stichprobe vom tatsächlichen Mittelwert in der Grundgesamtheit abweicht.
Der Standardfehler wird auch Stichprobenfehler oder SEM genannt. Dies ist die Abkürzung der englischen Bezeichnung ‚standard error of themean‘.
Den Standardfehler solltest du bei der Interpretation der Ergebnisse in deiner Bachelorarbeit oder Masterarbeit bedenken.
Weiter lesen: Den Standardfehler des Mittelwertes verstehen und berechnen
Die Spannweite ist der Abstand zwischen dem kleinsten und dem größten Messwert. Zur Berechnung ziehen wir das Minimum (kleinster Wert) eines Datensatzes vom Maximum (größter Wert) ab.
Da sie die Streuung der Beobachtungsdaten angibt, gehört die Spannweite zu den Streuungsmaßen.
| Person | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| Alter | 16 | 12 | 40 | 43 | 22 | 78 | 50 | 76 | 48 | 55 |
Spannweite: 78 – 12 = 66
Weiter lesen: Die Spannweite verstehen und berechnen