Auswertung

Hast du alle Messungen durchgeführt, steht als nächstes die Auswertung der Daten an. Dies umfasst eine Auswertung von Rohdaten bei entsprechenden Messinstrumenten, eine statistische Analyse und eine geeignete Darstellung der Ergebnisse in Tabellen und Abbildungen.

Die Auswertung der Rohdaten kannst du beispielweise mit der Software MATLAB machen, für welche Studierende von der TUM eine kostenlose Lizenz zur Verfügung gestellt kriegen. Eine Anleitung, wie du diese beziehen kannst, findest du hier. Es steht eine Vielzahl an gratis Tutorials zur Verfügung, um dich selbstständig in den Umgang mit MATLAB einzuarbeiten.

Die statistische Analyse sollte mit einem Programm erfolgen, dessen Rechenmethoden nachvollziehbar und überprüfbar sind. R stellt eine häufig genutzte Open-Source-Variante eines Statistikprogramms dar. Hier gibt es ebenso eine Vielzahl an Tutorials, die du bei einer Google-Suche schnell findest. Auf Programme wie SPSS solltest du verzichten, da diese das Problem der nicht-nachvollziehbaren Rechenmethoden haben. Für die Erstellung von Abbildungen eignet sich R ebenfalls.

Statistik

Ein korrektes Verständnis von den Begriffen der Statistik ist sowohl bei einer empirischen Arbeit wichtig als auch bei einer Literaturarbeit, da du die Aussagen, die in der Literatur stehen, auch verstehen und richtig interpretieren musst. Zwei Konzepte, die oft missverstanden werden, sowie ihre Relevanz werden hier erklärt.

Signifikanz

In der empirischen Forschung werden probabilistische Aussagen getroffen. Da Unterschiede in Messdaten immer durch den Zufall bedingt sein können, müssen die Unterschiede erst ausreichend groß sein, damit in der Forschug davon ausgegangen werden kann, dass diese nicht dem Zufall geschuldet sind. Trotzdem bleibt bei jedem noch so großen Unterschied eine Wahrscheinlichkeit, dass der Zufall dafür verantwortlich ist. Dies ist die Wahrscheinlichkeit für den sogenannten Fehler 1. Art und diese Wahrscheinlichkeit wird p-Wert genannt. Diese Wahrscheinlichkeit soll möglichst gering gehalten werden, weshalb in der Forschung eine Obergrenze für diese Wahrscheinlichkeit angegeben wird, das sogenannte Signifikanzniveau. Dieses wird willkürlich gewählt, ist jedoch meistens bei 5 % oder sogar 1 %.
Nimmst du beispielsweise in einer Interventionsstudie ein Signifikanzniveau von 5 % an und hast nach einer Intervention einen Messunterschied mit einem p-Wert von 0,03 = 3 %, so sprichst von einem statistisch signifikanten Unterschied. In diesem Fall kannst du davon ausgehen, dass die Intervention einen (statistisch signifikanten) Effekt auf das Messergebnis hat. Liegt der p-Wert bei beispielweise 7 %, würdest du den Unterschied als statistisch nicht-signifikant ansehen. Du würdest dann davon reden, dass die Intervention keinen Effekt auf das Messergebnis hat. Die Formulierung "ein nicht-signifikanter Effekt" wäre widersprüchlich und falsch, da "nicht-signifikant" bedeutet, dass der vermeintliche Effekt durch den Zufall bedingt ist.

Es sollte angemerkt werden, dass bei Aussagen über die Signifikanz immer Ungleichungen aus p-Wert und Signifikanzniveau aufgestellt werden und nicht Gleichungen. Hast du beispielweise den p-Wert 0,027 und das Signifikanzniveau 0,05 (=5 %), so schreibst du: p < 0,05. Die Gleichung p = 0,05 wäre hier falsch, da p den Wert 0,027 hat. Für eine p-Wert von 0,31 würde die Ungleichung entsprechend p > 0,05 lauten, woraus du schließen würdest, dass der Unterschied nicht-signifikant ist.

Die Signifikanz eines Unterschieds steigt, je kleiner die Wahrscheinlichkeit für den Fehler 1. Art ist. Ein Unterschied mit einem p-Wert von 0,001 = 0,1% ist somit signifikanter als ein Unterschied mit einem p-Wert von 0,05 = 5%. Ein signifikanteres Ergebnis heißt hierbei nicht, dass der Effekt der untersuchten Variable größer ist. Darüber macht die Signifikanz keinen Unterschied. Es ist lediglich ein Maß dafür, wie sicher der Effekt tatsächlich durch die untersuchte Variable verursacht wurde und nicht durch den Zufall.

Effektstärke

Die Effektstärke berechnet das Ausmaß eines empirischen Effekts. Für die Berechnung gibt es verschiedene Maßzahlen wie beispielweise den Bravais-Pearson-Korrelationskoeffizienten, Cohen's D, Cramer's V und weitere.

Da die Signifikanz lediglich eine Aussage darüber macht, ob ein nicht-zufälliger Unterschied vorliegt, benötigst du also die Effektstärke, um die Größe des Einflusses bestimmen zu können. Gerade bei großen Stichprobengrößen können schon kleine Unterschiede eine große Signifikanz aufweisen, die du ohne die Effektstärke jedoch nicht auf ihre praktische Bedeutung untersuchen kannst. Leider wird aktuell bei Publikationen die Effektstärke oft vernachlässigt, jedoch sollte sie bei jeder statistischen Analyse gemacht und in den Ergebnissen und der Diskussion angesprochen werden.

Abbildungen und Tabellen

Abbildungen und Tabellen eignen sich zur Veranschaulichung der Ergebnisse und du solltest diese auch verwendet, um Sachverhalte zu verdeutlichen und Textaussagen zusammenzufassen. Da die Anschaulichkeit der Daten der wichtigste Punkt dabei ist, musst du eine Einheitlichkeit in der Formatierung und einige grundlegende Vorgaben einhalten.

Bei Tabellen gilt die Grundregel "save ink", d.h. du verzichtest auf unnötige Rahmenlinien und kürzt Begriffe bei Mehrfachnennungen. Die Nachkommastellen der Werte in einer Tabelle müssen einheitlich sein und sinnvoll gerundet werden. P-Werte werden mit drei und Effektsärken mit zwei Nachkommastellen angegeben. Nummerierung sowie Titel stehen oberhalb der Tabellen. Abbildung 1 bis 4 zeigen vier Beispiele für die gleiche Tabelle in aufsteigender Qualität.
In Abbildungen solltest du - insofern du die Daten in einem Koordinatensystem anzeigst - die Achsen beschriften sowie mit einer Skalierung versehen und die Informationen, die in der Abbildung zu sehen sind, entweder durch eine Legende oder in der Beschreibung aufschlüsseln. Nummerierung sowie Titel und die Beschreibung stehen unterhalb der Abbildung. Abbildungen müssen in ausreichender Auflösung eingefügt werden (mind. 300 dpi).

Sowohl bei Tabellen als auch bei Abbildungen gilt, dass du sämtliche verwendeten Abkürzungen und Fußnoten (*,#, etc. ) in einer Beschreibung unterhalb der Abbildung/Tabelle erläutern musst. Ziel ist es, eine Abbildung bzw. Tabelle zu erstellen, die ohne den Fließtext der Arbeit verstanden werden kann. Du musst auf jede verwendete Tabelle und Abbildung im Text mit entsprechender Nummerierung verweisen.