Vermeidung von Coverage, Non-Response und Self-Selection Bias bei Onlineumfragen

Gastbeitrag von Simeon Abel und Gregor Burkart von PollPool

Auf den ersten Blick scheinen Onlineumfragen eine effiziente und attraktive Methode zur Datenerhebung zu sein. Sie bieten eine schnelle, einfache und günstige Möglichkeit, einen großen Teilnehmerpool zu erreichen. Doch auch Onlineumfragen sind nicht frei von methodologischen Problemen. Insbesondere der Coverage Bias, der Non-Response Bias und der Self-Selection Bias führen oft zu unzureichender Datenqualität von freiwilligen Onlineumfragen.

Dieser Blogeintrag beleuchtet die möglichen Gefahren durch die oben aufgeführten Biases, nennt mögliche Ansätze für eine Minimierung dieser Verzerrungen und stellt Onlinepanels sowie Umfragenetzwerke als effektive Alternative für internetbasierte empirischen Forschungsprojekte heraus. Weiterlesen

Teil 5: Einordnen, bewerten, analysieren: die Diskussion

Alle Welt sträubt sich vor der Diskussion. Dabei ist sie so entspannt zu schreiben – vorausgesetzt, es liegt alles bereit. Für die Diskussion brauchst Du Deine Ergebnisse und die entsprechenden Quellen, um sie vergleichend einzuordnen und zu bewerten. Wenn Du Deine Ergebnisse gut kennst und verstanden hast (!), und wenn Du dazu noch die aktuelle Studienlage im Blick hast, die Du von der Einleitung und Forschungsfrage aus noch kennen solltest, dann schreibt sich die Diskussion quasi wie von selbst. Naja, ein, zwei Tafeln Schokolade könnten auch hier durchaus als Katalysator von Nutzen sein.

Im Prinzip besteht das Schreiben der Diskussion aus kleinen Blöcken zu den einzelnen Ergebnissen, deren Abfolge sich in Dreierschritten immer wiederholt. Weiterlesen

Wie mit Ausreißern umgehen?

Wie soll man damit umgehen, wenn man Ausreißer in den Daten hat? Vorab das schon kontrollieren, oder erst nach Rechnen aller Analysen? Die auffälligen Werte einfach löschen? Ab wann spricht man überhaupt von einem Ausreißer? und und und …

Solche Fragen werden Dir durch den Kopf gehen, wenn Du Deine Datenanalyse rechnest und Du extreme Werte in den Daten hast.

Es gibt keine pauschale Antwort auf diese Fragen, sondern viele Möglichkeiten, mit Ausreißern umzugehen. Damit Du weißt, wie und wo Du anfangen sollst, habe ich Dir hier eine Liste der Schritte erstellt, die ich als Vorgehen im Umgang mit Ausreißern empfehle. Weiterlesen