Messungen – Skalen – Indizes Empirische Sozialforschung
Renate Prantner Christoph Schantl
Folie 2
Übersicht
• Messung nicht-direkt beobachtbarer Eigenschaften• Big-Mac-Index• Einstellungsmessung Likert - Technik• Gütekriterien (Objektivität, Reliabilität, Validität)
• Guttman-Skala• Polaritätsprofil• Messung und Skalenniveaus
Folie 3
Begriffsbeschreibung
• Operationalisierung einer Variablen
Anweisungen, nach denen Untersuchungseinheiten den Kategorien einer Variable zugewiesen werden
• Messung
Zuordnung von Zahlen zu Objekten nach bestimmten Regeln • Skalierung
Spezialfall der Messung - auf der Basis eines Skalierungsmodells Unterstellt empirisch prüfbare Annahmen über Struktur der Beobachtung
• Indizes
Variablen, deren Werte sich aus einer Rechenoperation mehrerer anderer Variablen ergeben
Folie 4
Indirekte Messung Beispiel
Wasserverbrauch der Stadt Leverkusen an einem Wochentag
Heute
KommissarHawaii Fünf-Null
Sendeschluss
Messung der Fernsehbeteiligung
Folie 5
Messung nicht-direkt beobachtbarerEigenschaften
• Theoretisches Konstrukt • Umweltbewusstsein, Lebensstandard
• Auswahl eines oder mehrer Indikatoren
• Qualitätskriterien einer Messung• Reliabilität (Reproduzierbarkeit)
• Validität (Gültigkeit)
• Prüfung des Indikators - Validierungstest• Korrelationskoeffizient (+1, -1, 0)
• Stärke des linearen Zusammenhangs zwischen zwei Variablen
Folie 6
Messung nicht-direkt beobachtbarerEigenschaften
• Berechnung des Korrelationskoeffizienten
yx
xyxy ss
sr
))((1 _
1
_
ii
N
ixy yyxx
Ns
2
1
_
)(1i
N
ix xx
Ns
Korrelationskoeffizient
Kovarianz von X und Y
Standardabweichung
Folie 7
Big-Mac-Index
• Messung der realen Kaufkraft einer Währung• Theorie der Kaufkraftparität
Der Wechselkurs zweier Währungen wird durch unterschiedliche Preisniveaus in zwei Ländern bestimmt
• Big-Mac-Index• Homogenes Gut
• Weltweit erhältlich
• Lokale Big-Mac Preise, Produkte und Dienstleistungen
• „Arbeitszeitaufwand für Big-Mac“ als Indikator des Lebensstandards
Folie 8
Big-Mac-Index
Folie 9
Big-Mac-Index
ABM BSP HDI
Länder
Arbeitszeit in Minutern für einen Hamburger
Bruttosozialprodukt pro Einwohner in USD
Human Development Index
Chicago 14 22240 0,961Zürich 21,5 33610 0,986Frankfurt 23 23650 0,967Wien 27 20140 0,961Amsterdam 28 18780 0,984Madrid 31 12450 0,965Buenos Aires 66 2790 0,91Mexiko 90 3030 0,876Bobay 92 330 0,439Nairobi 177 340 0,481
Prüfung des Indikators – Validierungstest• Korrelation zwischen Big-Mac-Index und akzeptierten Maß
• BSP/Kopf• „Human Development Index“ (HDI) der UN
Lebenserwartung bei Geburt, Alphabetisierungsrate, BSP/Kopf
Folie 10
Big-Mac-Index
Korrelation Big Mac / BSP
-10000
-5000
0
5000
10000
15000
20000
25000
30000
35000
40000
0 50 100 150 200
Korrelation Big Mac / HDI
Mexiko
Bombay Nairobi
0
0,2
0,4
0,6
0,8
1
1,2
0 50 100 150 200
Korrelation BSP / HDI
0
0,2
0,4
0,6
0,8
1
1,2
0 5000 10000 15000 20000 25000 30000 35000 40000
Korrelationen
Big Mac / BSP -0,790Big Mac / HDI -0,839BSP / HDI 0,705
Folie 11
Einstellungsmessung Likert – Technik
• „Technik der summierten Einschätzungen“• Einstellungsmessung mit multiplen Indikatoren
• Qualitätskriterien der Testtheorie – Reliabilität und Validität
• Ziel• Trennung geeigneter von wenig geeigneten Items
• Zuweisung eines Skalenwertes
• Technik• Schriftlichen Befragung oder „Face-to-face“ Interview
• Punkte-Antwortskala
• Grad der Zustimmung zu jedem Item
Folie 12
Einstellungsmessung Likert – Technik
Item C: „Wenn wir so weitermachen wie bisher, steuern wir auf eine Umweltkatastrophe zu“
(1) Stimme überhaupt nicht zu
(2) Stimme nicht zu
(3) Teils /Teils
(4) Stimme zu
(5) Stimme voll zu
Pers A B C D Summenscore1 3 4 5 2 142 3 5 5 5 183 5 3 1 5 144 3 5 5 4 175 3 4 5 - -6 3 - 5 3 -7 2 5 5 4 168 4 5 5 5 199 5 5 5 4 19
10 1 1 5 5 12
Beispiel
Folie 13
Einstellungsmessung Likert – Technik
• „Item-Non-Response“ • Personen mit „missing values“ bleiben unberücksichtigt
• Gründe für „missing values“:
• Antwortverweigerung
• Keine Meinung zum spezifischen Item
• Vergessen eine Antwort zu geben
Folie 14
Einstellungsmessung Likert – Technik
• Konsistenz• Items weisen eine gemeinsame Dimension auf
• Gründe für Inkonsistenz • zufällige Messfehler
• systematische Verzerrungen durch einzelne Items
• mehrdimensionale Items (unterschiedliche Interpretationen)
Folie 15
Einstellungsmessung Likert – Technik
• Konsistenztest • „Trennschärfekoeffizient“/„Item-Summenscore-Korrelation“ • Aussondierung geeigneter Items
• Berechnung der einzelnen Items mit dem Summenscore
• Voraussetzung: Mehrzahl der Items die Zieldimension im hohen Maße anspricht.
• Annahmen dieses Konsistenztests• In der Summe irrt man sich weniger als bei der Formulierung
von Einzelitems
Folie 16
Pers A B C D Summenscore1 3 4 5 2 142 3 5 5 5 183 5 3 1 5 144 3 5 5 4 175 3 4 5 - -6 3 - 5 3 -7 2 5 5 4 168 4 5 5 5 199 5 5 5 4 19
10 1 1 5 5 12
Einstellungsmessung Likert – Technik Beispiel
Trennschärfe-korrelation
ADie Wirtschaft und die Technik werden in der Lage sein, die Umweltprobleme zu lösen. 0,39
B
Weiteres Wirtschaftswachstum ist die wichtigste Voraussetzung dafür, dass auch die Umweltprobleme gelöst werden. 0,46
CWenn wir so weitermachen wie bisher, steuern wir auf eine Umweltkatastrophe zu. 0,53
D ... ...E ... ...F ... ...
Item
Folie 17
Gütekriterien der Messung
• Objektivität • Ausmaß der Unabhängigkeit der Ergebnisse vom Anwender des
Messinstrumentes
• Reliabilität• Maß für die Reproduzierbarkeit von Messergebnissen
• Validität • Grad der Genauigkeit des Messinstrumentes hinsichtlich der
zumessenden Variablen bzw. des Verhaltens
Folie 18
Objektivität
• Ausmaß der Unabhängigkeit der Ergebnisse • Korrelationskoeffizient
• Durchführungsobjektivität
Niedrige Durchführungsobjektivität: unterschiedliche Interviewer lösen beim gleichen Befragten X jeweils ein anderes Antwortverhalten aus.
• Auswertungsobjektivität
Geringe Auswertungsobjektivität: unterschiedliche Messergebnisse, von zwei Auswerter A und B bei gleichem Antwortverhalten von X
Folie 19
Objektivität Beispiel
• Durchführungsobjektivität
Durchführungsobjektivität von unterschiedliche Sympathieträger, unterschiedliches Naheverhältnissen, vom Thema abhängig.
• Auswertungsobjektivität
Schularbeiten von 2 Lehrern korrigieren lassen• Deutsch (geringe Auswertungsobjektivität)• Mathematik (hohe Auswertungsobjektivität)
Folie 20
Reliabilität
• Maß für die Reproduzierbarkeit von Messergebnissen• Korrelationskoeffizienten
• Paralleltest-Methode (Paralleltest-Reliabilität)• Messung mit zwei vergleichbaren Messinstrumenten• Reliabilität nicht mit Validität verwechseln! (Zeitungsleser)
• Test-Retest-Methode (Test-Retest-Reliablilität)• Wiederholte Anwendung nach einem bestimmten Zeitintervall• Erfordert ein Paneldesign
• Methode der Testhalbierung („Split-half-Reliabilität“) • Aufsplitterung einer Itemsbatterie in zwei Paralleltests • Verkürzung führt zur Unterschätzung der Reliabilität
Folie 21
Reliabilität
• Formel von Spearman und Brown • Unterschätzung des Reliabilitätskoeffizienten wird mit Hilfe
der Formel von Spearman und Brown korrigiert
21
21
12
ss
sss r
rr
Folie 22
Reliabilität
• Formel von Spearman und Brown• Alternierende Items
S1 = B + D + F + H + J
S2 = C + E + G + I + K
• Korrelationskoeffizient = 0,66• Unterschätzung des Reliabilitätskoeffizienten wird mit Hilfe der
Formel von Spearman und Brown korrigiert
• Korrigierter Wert = 0,79
Beispiel
Folie 23
Validität
• Definition • Grad der Genauigkeit, mit dem der Test diejenige
Verhaltensweise, die er messen soll, tatsächlich misst
• Arten der Validität• Inhaltsvalidität: Repräsentative Stichprobe der zu messenden Eigenschaft
• Kriteriumsvalidität: Korrelation der Resultate eines Messinstrument mit anderen empirisch relevanten Merkmalen (Außenkriterium)
• Unterscheidungsvalidität: parallel erhobenes Außenkriterium
• Vorhersagegevalidität: prognostiziertes Kriterium
• Konstruktvalidität: Prüfung zur Eignung von Messinstrumenten für die Entwicklung von Theorien
Folie 24
Validität
• Inhaltsvalide Messung • Sammlung umweltrelevanter Aussagen in öffentlichen Diskussion mittels
einer Inhaltsanalyse und Ziehung einer Stichprobe aus diesem „Universum“
• „Expertenrating“: Expertenurteile bezüglich der Repräsentativität der Items als Hinweis auf die Inhaltsvalidität eines Messinstrumentes
• Kriteriumsvalidität• Übereinstimmungsvalidität
Zusammenhang zwischen Messwerten und Mitgliedschaft in Umweltorganisationen
• VorhersagevaliditätZusammenhang zwischen Messwerten und einer späteren Wahl von Umweltparteien (politischen Wahlverhaltens)
Beispiel
Folie 25
Validität
• Konstruktvalidität• Brauchbarkeit von Messinstrumenten für die Entwicklung
von Theorien wird hiermit geprüft
• Das von einem Messinstrument erfasste Konstrukt soll einer empirischen Prüfung standhalten
• Multitrait-Multimethod-Matrix (M-M-Matrix)• stärker formalisiertes Verfahren der Konstruktvalidität
• Korrelationsanalysen
• Voraussetzung: Messung mindestens zwei hypothetische Konstrukte mit mindestens je zwei verschiedenen Methoden
Folie 26
Validität
• Konstruktvalidität• „Konvergente Validität“
Korrelation zwischen den Messergebnissen verschiedener Methoden zur Erfassung des gleichen Konstrukts
• „Diskriminierende Validität“
Korrelation zwischen den Messergebnissen verschiedener Konstrukte mit der gleichen Methode
Folie 27
Validität
MethodeKonstrukt U K U K
U 0,80K 0,40 0,78U 0,56 0,25 0,72K 0,28 0,50 0,34 0,70
Interview
Beobachtung
Interview Beobachtung
Beispiel
Folie 28
Objektivität, Reliabilität, Validität
• Hierarchisches Verhältnis der drei Güterkriterien • Minimalvoraussetzungen
• Objektivität ist eine notwendige, aber nicht hinreichende Bedingung der Reliabilität.
• Reliabilität ist wiederum eine notwendige, aber nicht hinreichende Bedingung der Validität.
• Validität
Ziel ist die Konstruktion valider Messinstrumente
Erfüllung mindestens eines der Validitätskriterien
Ausmaß der Validität begrenzt durch Ausmaß der Reliabilität
Folie 29
Testtheorie
• Klassische Testtheorie• Objektivität, Reliabilität und Validität
• Zusammenhang zwischen Messinstrumenten und theoretischen Konstrukten mittels mathematisch-statistischen Modells
• X = T + E Messwert X setzt sich aus T und E zusammen
• Probabilistische Testtheorie• Wahrscheinlichkeit, dass Items sich lösen lassen hängt ab vom
Schwierigkeitsgrad und von Fähigkeit der Person
• Intelligenztest
Folie 30
Guttmann-Skalierung
• Erfasst Einstellungen zu einer Sache bzw. auch zu Personen (z.B. Umweltbewusstsein)
• Deterministisches, eindimensionales, ordinales Skalierungsmodell
• Anteil der Ja-Antworten nimmt von A – D ab
• Items haben eine unterschiedliche Intensität bzgl. der latenten Dimension „Umweltengagement“
Folie 31
Beispiel: Umweltengagement
A: Haben Sie sich schon einmal in eine Unterschriftenliste eingetragen, bei der es um Umweltschutzprobleme ging?
B: Haben Sie schon einmal oder häufiger Geld für eine Umweltschutzaktion oder eine Umweltorganisation gespendet?
C: Sind Sie aktives oder passives Mitglied einer Umweltschutzorganisation oder einer Vereinigung, die Umweltschutzinteressen verfolgt?
D: Haben Sie schon einmal ein Treffen oder eine Veranstaltung einer Umweltschutzorganisation besucht?
58%
42%
17%
16%
JA
•„Je höher die Kosten des Verhaltens, desto geringer ist das Engagement.“
Folie 32
Itemcharakteristik der Guttman-Skala
• Annahme: Person besitzt eine bestimmte Anschauung – Befragte stimmt allen Items zu, die eine weniger extreme Anschauung ausdrücken, als er selbst besitzt, extremere Items werden hingegen abgelehnt.
Wahrscheinlichkeit JA
Latente Eigenschaft T0
1
1 2 3 4
Aus der Itemcharakterisik folgt ein eindeutig bestimmbares ideales Antwortmuster !
Folie 33
Antwortmatrix der Guttman-Skala
A B D D Skalenwert Position auf dem
latenten Kontinuum
0 0 0 0 0 T < τ11 0 0 0 1 τ1 ≤ T < τ21 1 0 0 2 τ2 ≤ T < τ31 1 1 0 3 τ3 ≤ T < τ41 1 1 1 4 τ4 ≤ T
•Zustimmung zu einem intensiveren Item, schließt Zustimmung zu schwächerem Item ein
•Skalenwert als Summe der gegebenen „Ja“ einer Person
•Person c mit Skalenwert von 3 hat höheres Umweltengagement als z.B. Person a (Skalenwert 0)
•Skalenwerte zeigen Rangordnung - ordinales Skalenniveau!
Folie 34
Bedingungen für Guttman-Skala
• Beobachteten Antworten müssten theoretisch exakt mit erwartetem Antwortmuster übereinstimmen
• Abweichungen aufgrund Messfehler sind möglich (geringfügige Fehlerquote ist tolerabel) -„verbotene Antwortmuster“ sollten relativ selten sein
• Bei n Items dürfen n + 1 Antwortkombinationen auftreten
• Tatsächlich gibt es jedoch 2n = 16 Antworten
• Bei Bsp. Umweltengagement sind alle 16 Antwortmöglichkeiten vorhanden!
Folie 35
Beispiel: Beobachtete Antwortmatrix
Nr. A B C D Skalenwert
Fehler Anzahl P.
Fehler
1 1 1 1 1 4 0 72 0
2 1 1 1 0 3 0 94 0
3 1 1 0 1 3 2 72 144
4 1 0 1 1 3 2 6 12
5 0 1 1 1 3 2 5 10
6 1 1 0 0 2 0 203 0
7 1 0 1 0 2 2 13 26
8 – 15 … … … … … … … …
Summe 1343 582
•„Je höher der Reproduzierbarkeitskoeffizient, desto besser die Skala.“
Folie 36
Polaritätsprofil
• Beschreibung eines Objekt durch Darstellung charakteristischer Merkmalsmuster (Profil)
• Voraussetzungen: Auswahl geeigneter Eigenschaften
Vergleich mehrerer Objekte mittels Polaritätsprofil möglich (z.B. Profile zweier Politiker)
• Verwendung in Markt- und Wahlforschung, sowie Persönlichkeitspsychologie
Folie 37
Beispiel: Umweltverhalten
• Untersuchung zum Image von Freilandeiern vs. Bodenhaltungseiern
• 7 Eigenschaften zur Beschreibung des Produktimages ausgewählt
• Für jede Eigenschaft wird ein Gegensatzpaar gebildet
• Ca. 50 Kunden werden um Einschätzung gebeten
• Mittelwerte der Einstufungen werden in die Polaritätsprofile eingetragen
Folie 38
Bodenhaltungseier
tierfeindlich-3 -2 -1 0 1 2 3
tierfreundlich
Umwelts.-3 -2 -1 0 1 2 3
Umweltf.
ungesund-3 -2 -1 0 1 2 3
gesund
billig-3 -2 -1 0 1 2 3
teuer
Schlecht -3 -2 -1 0 1 2 3
Gut
Kurz haltbar-3 -2 -1 0 1 2 3
Lang haltbar
Schl. Qualität-3 -2 -1 0 1 2 3
Gute Qualität
Folie 39
Freilandeier
tierfeindlich-3 -2 -1 0 1 2 3
tierfreundlich
Umwelts.-3 -2 -1 0 1 2 3
Umweltf.
ungesund-3 -2 -1 0 1 2 3
gesund
billig-3 -2 -1 0 1 2 3
teuer
Schlecht -3 -2 -1 0 1 2 3
Gut
Kurz haltbar-3 -2 -1 0 1 2 3
Lang haltbar
Schl. Qualität-3 -2 -1 0 1 2 3
Gute Qualität
Folie 40
Meßtheorie
Mit welchen Regeln können Zahlen zu Objekten zugeordnet werden?
Beispiel:Peter liest Stephen King (k), lieber hätte er ein Scheckbuch (s), King zieht er Diekmann (d) vor, schlimmste Horror ist Einführung in die Statistik (e)Menge A: s, k, d, eMenge B: 1,2,3,4 φ(s)=4; φ(k)=3; …
(1) s, k, d, etc. ist die Menge der empirischen Objekte mit Relation (empirisches Relativ)
(2) Menge von Zahlen mit Relation (Numerisches Relativ)
Folie 41
Messung
• Isomorphismus• Jedem Objekt (z.B. King) in der Menge A wird eindeutig eine Zahl
(z.B. 3) zugeordnet und jeder Zahl in B (z.B. 2) wird eindeutig ein Objekt (z.B. Diekmann) zugeordnet.
• Homomorphismus• Jedem Objekt in der Menge A kann eindeutig eine Zahl zugeordnet
werden (Stephen King wird die Zahl 3 zugeordnet).
• Definition:• Messung liegt vor, wenn ein Isomorphismus oder Homomorphismus
zwischen einem empirischen und einem numerischen Relativ existiert.
Folie 42
Repräsentation, Eindeutigkeit und …
• Repräsentation• z.B. beim Homomorphismus wird ein Objekt durch eine Zahl
„repräsentiert“ (King wird repräsentiert durch die Zahl 3)
• Bedingungen (Axiome) für diesen H. müssen gefunden werden → Repräsentationsproblem
• Eindeutigkeitsproblem• Bezeichnet welche Transformationen möglich sind, sodass die
Rangordnung der Messwerte bewahrt wird. (z.B. kann ich statt 4,3,2,1 auch 10,7,5,1 beim Bücherbeispiel verwenden)
Folie 43
Bedeutsamkeit
• Bedeutsamkeit• Aussage gilt als bedeutsam, wenn der Wahrheitswert nach den
Transformationen unverändert bleibt.
• Welche Aussagen und Schlussfolgerungen, Rechenoperationen sind bei einer bestimmten Art der Messung zulässig oder unzulässig?
• Beispiel:• Dienstag 18°C, Mittwoch 27°C
Aussage 1: Mittwoch ist es wärmer als DienstagAussage 2: Mittwoch ist es um 50% wärmer als Dienstag (bedeutsam???)
Folie 44
Skalenniveaus
• Skalen
• Zu jeder Messstruktur gibt es ein Repräsentationstheorem (Bedingungen) und ein Eindeutigkeitstheorem (Klasse der möglichen Transformationen = Skalenniveau)
• Für jedes Skalenniveau lässt sich angeben, welche Aussagen und Rechenoperationen zulässig sind
• Verschiedene Skalen
• Nominalskala (unterstes Messniveau)
• Ordinalskala
• Intervallskala
• Ratioskala
• Absolutskala (höchstes Messniveau)
Folie 45
Nominalskala
• Klassifikation von Objekten nach der Relation Gleichheit oder Verschiedenheit
• Zuordnung nach Geschlecht (m/w), Arten von Freizeitaktivitäten, Religionszugehörigkeit, Haarfarbe, etc.
• Aussagen: gleich oder verschieden
• Jede Äquivalenzklasse kann mit einer Zahl kodiert werden (Männer = 0, Frauen = 1 oder Männer = 5, Frauen =10)
• Transformation: Ein-eindeutige Transformationen der zugewiesenen Zahlen sind möglich, auch Männer = 5 und Frauen = 10 bedeutet Verschiedenheit, Wichtig bleibt nur Unterscheidbarkeit!
• Einziger sinnvoller „Mittelwert“ ist der Modalwert!
Folie 46
Ordinalskala
• Eine Rangordnung der Objekte bzgl. einer Eigenschaft wird vorausgesetzt (Rangskala)
• Schulnoten (1 besser als 2 besser als 3 etc.), Einkommen (hoch > mittel > niedrig), Dienstgrad (General > Oberst > Gefreiter)
• Aussagen: größer, kleiner oder gleich
• Transformation: Positive monotone Transformationen sind möglich (Rangordnung der Skalenwerte muss bewahrt werden)
• Mittelwert ist der Median
• Abstände zwischen den Skalenwerten sind nicht sinnvoll interpretierbar!
Folie 47
Intervallskala
• Aussage über die Rangordnung der Messwerte ist möglich, zusätzlich informieren die Skalenwerte auch über die Abstände (Intervalle) zw. den Messwerten
• Temperatur in C° oder °F, Zeitpunkte, Metrische Maße, Intelligenztests, etc.
• Aussagen: Vergleichbarkeit von Differenzen
• Nullpunkt und Skaleneinheit kann willkürlich festgelegt werden
• Transformation: positive lineare
• Prozentuale Zuwächse oder Verhältnisse von Skalenwerten sind nicht zulässig (Bsp. Temperatur, IQ)
• Berechnung arithmetischer Mittelwerte hingegen zulässig
• Bsp: Peter IQ 110, Max IQ 100, Peter ist um 10% klüger als Max – nicht zulässig
Folie 48
Ratioskala
• Verfügen über natürlichen Nullpunkt• Temperatur in Kelvin (absoluter Nullpunkt), Einkommen und
Vermögen (Nullpunkt = Besitzlosigkeit) etc.
• Aussagen: Aussagen über Verhältnisse, prozentuale Vergleiche
• Transformation: positiv proportionale (Freiheit in der Wahl der Skaleneinheit)
• Aussagen über Verhältnisse sind zulässig
• Geometrische Mittelwerte können berechnet werden
Folie 49
Absolutskala
• Eindeutig festgelegt, nicht einmal Wahl der Skaleneinheit ist frei wählbar
• Wahrscheinlichkeitswerte und Häufigkeiten, z.B. Anzahl von Demonstrationsteilnehmern, Mitgliederzahl in einer Gewerkschaft, Anzahl kriegerischer Konflikte in einem Jahr, etc.
• Transformation: nicht möglich
Folie 50
Zusammenfassend zu Skalenniveaus
• Zahl der zulässigen Transformationen wird eingeschränkt mit steigendem Messniveau (von Nominal- bis zur Absolutskala)
• Umfang der Menge zulässiger Rechenoperationen und erlaubter Aussagen wächst mit dem Skalenniveau
• Statistische Kennziffern, die auf niedrigem Niveau sinnvoll berechenbar sind, können immer auch auf höherem Niveau berechnet werden
• Informationsgehalt der Messhypothesen (Aussagen) steigt mit dem Skalenniveau
Folie 51
Hinweise und praktische Tipps
• Auswahl des Meßverfahrens• Mehrdimensionale vor eindimensionalen Verfahren
• Probabilistische vor deterministischen Verfahren
• Messungen auf Basis eines Repräsentationstheorems vor Messungen ohne Prüfung der Skalenvoraussetzungen
• Möglichst hohes Skalenniveau
• Abhängig von• Art der Daten, Arbeitsaufwand
• Untersuchungsziele
• Zu untersuchende Eigenschaft
Folie 52
Hinweise und praktische Tipps 2
• Skalenniveau• Vom Skalenniveau der Variablen und Indizes hängt ab, welche
statistischen Analyseverfahren später verwendet werden können!
• Einstellungsskalen• Einstellungsskalen müssen nicht jeweils neu konstruiert werden,
eine Vielzahl existiert bereits, es spricht nichts dagegen diese zu verwenden, anstatt das Rad neu zu erfinden!