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

Diskussion um den p-Wert

An diesem Punkt ein Wort zum p-Wert und der sogenannten inferentiellen Statistik. In den vergangenen Monaten kam eine Diskussion auf, ob der p-Wert „gut genug“ sei, das heißt, ob er nicht zu leicht als Schwellenwert für eine statistische Signifikanz, also für eine „gewünschte Richtigkeit“ der Ergebnisse missbraucht werden könne. Im März 2015 verkündete das Journal Basic and Applied Social Psychology, dass es bei der Veröffentlichung von Fachaufsätzen auf die Angabe von p-Werten verzichten wolle (Trafimow & Marks, 2015). Weiterlesen

Pakete in R

Pakete

Quelle: pixabay, blickpixel

R hat neben den gängigen Funktionen auch noch viele Tricks auf Lager.  Aufgrund der Tatsache, dass R ein Programm ist, an dem jeder mitarbeiten kann stehen euch eine große Zahl an Paketen zur Verfügung (Liste aller zur Verfügung stehender Zusatzpakete), die immer den aktuellsten statistischen Trends entsprechen. Um diese Pakete zu nutzen, müsst ihr diese herunterladen. Dazu stehen euch zwei Möglichkeiten zur Verfügung – aus der R-Kommandozeile oder durch einen Befehl installieren. Dieser lautet

Weiterlesen