Menu

Operationalisierung

Eine wissenschaftlichen Hypothese behauptet, es bestünde zwischen zwei oder mehreren Variablen ein Zusammenhang bzw. ein Unterschied. Um diese Hypothese zu belegen oder zu wiederlegen, müssen Daten erhoben werden. Die Frage die sich stellt ist aber, welche Daten sollen erhoben werden?

Hier kommt nun die Operationalisierung ins Spiel. Bevor du eine Stichprobe ziehst und die Daten erhebst, muss definiert werden, wie die in der Hypothese vorkommenden theoretischen Konzepte bzw. Variablen gemessen werden, dieser Schritt wird Operationalisierung genannt.

Deine Hypothese könnte zum Beispiel sein: Der Umweltschutz hat bei jüngeren Menschen einen höheren Stellenwert als bei älteren Menschen.

In diesem Fall wären deine Variablen "Stellenwert des Umweltschutzes" und die zweite Variable wäre das "Alter"

Für die Messung von Variablen können auf der einen Seite unterschiedliche Skalenniveaus verwendet werden und auf der andererseits Einzelindikatoren oder durch eine Zusammenfassung mehrerer Indikatoren.

Standardisierte Messinstrumente

Die in der Hypothese vorkommenden Variablen werden in der quantitativen Forschung vor der Datenerhebung ganz genau definiert. Das Ziel ist es, die Variablen mit möglichst standardisierten Messinstrumenten zu erheben. Vor allem in der quantitativen Forschung ist es daher von großer Bedeutung, bereits vor der Datenerhebung und Datenanalyse alle theoretischen Konzepte präzise auszuarbeiten und die standardisierten Messverfahren für die einzelnen Variablen detailliert festzulegen. (Döring und Bortz, 2015)

Bezüglich der Messbarkeit lassen sich zwei Typen von Variablen unterscheiden:

  • Manifeste Variablen: Sind direkt messbare Variablen wie z.B. das Alter, die Augenfarbe oder das Einkommen
  • Latente Variablen: Sind nicht direkt messbare Variablen wie die Intelligenz, Schreibfähigkeit oder die Einstellung zu Atomkraft.

Das Hauptaugenmerk bezieht sich bei der Operationalisierung auf latente Variablen, bei manifesten Variablen stellt dieses kaum Anstrengungen dar.

Messung mit Einzelindikatoren

Durch die Einfachheit von manifesten Variablen werden diese in der Regel durch Einzelindikatoren erfasst. Dies ist z.B. der Fall bei der Abfrage von den soziodemografischen Merkmalen wie Alter, Geschlecht oder Bildungsstand.

Die Messung von latenten Variablen bedarf in der Regel sehr viel mehr Aufwand. Umso wichtiger die jeweilige Variable für die Studie ist, desto mehr Aufwand wird in die Messung der Variable gesteckt. Für latente Variablen, die nur "nebenbei" interessant sind sind unter gewissen Umständen Einzelindikatoren vertretbar, vor allem da dies den Aufwand für den befragten reduziert und sich damit positive auf die Rücklaufquote auswirkt. (Döring und Bortz, 2015)

Messung mit Skalen

Üblicherweise werden latenten Variablen mithilfe von einer Skala (psychometrische Skala) gemessen. Eine Skala ist eine Gruppe von Fragen bzw. Items die gemeinsam ein latente Variable Messen sollen. Eine Skala muss die Gütekreterien Objektivität, Reliabilität und Validät erfüllen.

Likert-Skala

Die Likert-Skala ist die bekannteste und am meisten verwendete Skala. Das Ziel der Likert-Skala ist es, mit Hilfe von meheren Indikatoren ein bestimmte latente Variable zu erfassen.


Statistik leichtgemacht

  • Viele anschauliche Beispiele
  • Ideal für Prüfungen und Abschlussarbeiten
  • Statistik leichtgemacht auf 321 Seiten
  • 4. überarbeitete Auflage (April 2024)
  • Nur 7,99 €
Leseprobe
Datatab

"Super einfach geschrieben"

"Einfacher geht es nicht"

"Soviele hilfreiche Beispiele"

Fragebogen leichtgemacht

Dieses e-Buch gibt dir die wichtigsten Informationen die du für die Erstellung deines Fragebogens brauchst,

  • Viele anschauliche Beispiele
  • Ideal für die Abschlussarbeit
  • Fragebogen leichtgemacht auf 61 Seiten
  • 3. überarbeitete Auflage (April 2024)
  • Nur 3,99 €
Leseprobe
Datatab

Statistik leichtgemacht

Endlich ohne Probleme Statistik verstehen.

Mit diesem e-Book verstehst du mit vielen Bilder und einfachen Text die Grundlagen der Statistik.

Datatab
Leseprobe

Literatur

Statistik: Der Weg zur Datenanalyse.
Fahrmeir, L. Heumann, C. Künstler, R. Pigeot, I. & Tutz, G.
Zum Buch auf Amazon
Statistik für Human- und Sozialwissenschaftler: Limitierte Sonderausgabe.
Bortz, J. & Schuster, C.
Zum Buch auf Amazon
Fit fürs Studium – Statistik: Alle Grundlagen verständlich erklärt. Geeignet für Studiengänge mit statistischen Methoden: VWL, BWL, Informatik etc.
Grabinger B.
Zum Buch auf Amazon
Multivariate Analysemethoden: Eine anwendungsorientierte Einführung.
Backhaus, K. Erichson, B. Plinke, P. & Weiber, R.
Zum Buch auf Amazon
evaluiert: erweitertes Planungsbuch für Evaluationen im Bildungsbereich
Balzer, L. & Beywl, W.
Zum Buch auf Amazon
Basiswissen Medizinische Statistik.
Weiß, C.
Zum Buch auf Amazon
Forschungsmethoden und Evaluation in den Sozial- und Humanwissenschaften.
Doring, N. & Bortz, J.
Zum Buch auf Amazon

DATAtab zitieren: DATAtab Team (2024). DATAtab: Online Statistics Calculator. DATAtab e.U. Graz, Austria. URL https://datatab.de

Kontakt & Support Beratung FAQ & About Us Statistik Software Impressum & Datenschutz