Zusammenfassung
Beim statistischen Schließen werden mit Hilfe von Stichprobendaten Aussagen über Eigenschaften einer Population getroffen. Da vom Besonderen – der Stichprobe – auf das Allgemeine – die Population – geschlossen wird, gibt es, wie bei jedem Induktionsschluss, ein aus logischen Gründen unvermeidbares Fehlerrisiko. Der Nutzen statistischen Schließens besteht darin, Fehlerrisiken abzuschätzen und bisweilen auch zu minimieren. Erreicht wird dies durch einen Perspektivenwechsel vom Einzelfall (eines Induktionsschlusses in einer Stichprobe) auf die Verteilung der Ergebnisse aller gleichartigen Induktionssschlüsse (in gleichartigen Stichproben). Innerhalb des statistischen Schließens wird zwischen dem Schätzen von Populationseigenschaften bzw. Modellparametern einerseits und der Prüfung von Vermutungen oder Behauptungen über Populationseigenschaften bzw. Modellparameter andererseits unterschieden. Während das Ergebnis des Schätzens eine empirisch begründete Feststellung über die Beschaffenheit der Population oder Wahrscheinlichkeitsverteilung ist, ist das Ergebnis des Testens die empirisch begründete Feststellung, dass die Vermutung entweder zutrifft oder nicht zutrifft. Aufgrund des Induktionsproblems ist es grundsätzlich nicht auszuschließen, dass die Feststellung fehlerhaft sein kann. In diesem Beitrag werden wir zunächst die grundlegende Logik des statistischen Schätzens und dann die grundlegende Logik des statistischen Testens vorstellen. Da das größte Problem beim statistischen Schließen in der Fehlinterpretation der Ergebnisse besteht, werden im letzten Teil des Beitrags einige häufig vorkommende Anwendungsprobleme und Anwendungsfehler diskutiert, die zu Fehlinterpretationen von Ergebnissen führen können.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Balluerca, N., Gómez, J., & Hidalgo, D. (2005). The Controversy Over Null-Hypothesis Significance Testing Revisited. Methodology, 1, 55–70.
Bortz, J. (2005). Statistik für Human-und Sozialwissenschaftler. Heidelberg: Springer Medizin Verlag, 6. Auflage.
Greene, W. H. (1997). Econometric Analysis. Upper Saddle River: Prentice-Hall, 6. Auflage.
Koehler, J. J. (1993). The Influence of Prior Beliefs on Scientific Judgments of Evidence Quality. Organizational Behavior and Human Decision Processes, 56, 28–55.
Kühnel, S.-M. & Krebs, D. (2007). Statistik für die Sozialwissenschaften. Grundlagen, Methoden, Anwendungen. Reinbek: Rowohlt,Design and Analysis 4. Auflage.
Lohr, S. (1999). Sampling: Design and Analysis. Pacific Grove: Duxbury Press.
Neyman, J. & Pearson, E. S. (1933). On the Problem of the Most Efficient Tests of Statistical Hypothesis. Philosophical Transaction of the Royal Society of London, Series A, 231, 289–337.
Stuart, A., Ord, J. K., & Arnold, S., Hg. (1999). Kendall's Advanced Theory of Statistics, Band 2a von Classical Inference and the Linear Model. London: Arnold.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Kühnel, S.M., Krebs, D. (2010). Grundlagen des statistischen Schließens. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_8
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_8
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)