1
1
Quantita
tive
Fors
chungsm
ethoden
Unterlagen zur Veranstaltung
Wissenschaftliches Arbeiten
StudiengangPflegemanagementDie Folien können nicht den Besuch der Veranstaltung ersetzen. Sie sind alsErinnerungs- und Arbeitshilfen für die Veranstaltung gedacht.
Zitierhinweis:
Reuschenbach, B. (2002). Skript zur Veranstaltung „Wissenschaftliches Arbeiten“. Frankfurt:Fachhochschule Frankfurt (http://www.pflege-wissenschaft.de/fh/)
2
1 Wissenschaftstheoretische Unterschiede
• Unterschied qualitativ versus quantitativ Erhebung
Quantita
tive
Fors
chungsm
ethoden
Qualitativ Quantitativ- eher beim induktivenVorgehen (z.B.Hypothesen- undTheoriebildung durchverbale Daten oderBeobachtung)
- Datenmaterial: Texte
- eher beim deduktivenVorgehen (z.B.Hypothesenprüfung durchDaten). QuantitativeMethoden müssen abernicht hypothesengeleitetverwendet werden.
- Datenmaterial: Zahlen(z.B. aus skaliertenFragebögen odersonstige Messungen)
2
3
1.1 Qualitative Forschung
• Qualitativ eher induktiv:– Versuch aus Beobachtungen generalisierbare Unterschiede herzuleiten– Diese münden direkt in die Theorien, andererseits wird versucht, diese
direkt in die Praxis umzusetzten– Je ähnlicher die Umstände der Untersuchung der „wirklichen Welt“ sind,
desto eher scheint die Übertragbarkeit der Untersuchungsergebnisse aufintendierte Anwendungsfelder gegeben zu sein.
Quantita
tive
Fors
chungsm
ethoden
Qualitative Daten,z.B. ausBeobachtung undBefragung
Praxisfelder/„real life“
Anwendung 1
Anwendung 2
Anwendung 3
Theorie
4
1.2 Quantitative Forschung
• Quantitativ eher deduktiv– Es wird kein Versuch gemacht, Versuchsergebnisse direkt
anzuwenden. Versuchsergebnisse dienen dazu, Theorienzu bewerten. Wenn diese sich bewähren, kann dieAnwendung der Theorie erprobt werden.
Quantita
tive
Fors
chungsm
ethoden
Theorie
EmpirischeHypothese (z.B.
Supervisionbeeinflusst die
Arbeitszufriedenheit)
TechnologischeHypothese
Ergebnis derUntersuchung
Anwendung 1(z.B. regelmäßige
Supervisionen)
Anwendung 2
Anwendung 3
3
5
6
2 Vorgehen bei quantitativen Erhebungen
Quantita
tive
Fors
chungsm
ethoden
Vorphase:•Entdeckung des Problembereichs
•Literaturüberprüfung
•Prüfung der Relevanz
•Prüfung der Durchführbarkeit
Hauptphase•Durchführung der Erhebung
Auswertungsphase•Statistische Analyse der Daten
Überführung der Forschungsfrage ineine Forschungshypothese:•Auswahl der Variablen
•Stichprobenbildung
4
7
2.1 Vorphase
Quantita
tive
Fors
chungsm
ethoden
Entstehen der Idee,Entwicklung derFragestellung
Literaturüberprüfung
Prüfung der Relevanz
Prüfung der Durchführbarkeit
8
2.1.1 Entwicklung der Fragestellung
1) Entwicklung der Fragestellung/Entdeckung des Problembereichs• Aus der Praxis heraus :
– Wie wirkt sich ein Qualitätszirkel auf die Zufriedenheit im Team aus?– Wie effektiv sind Eisen und Fönen in der Dekubitusprophylaxe?– Kann Vitamin C Erkältungen vermeiden bzw. lindern?– Ist die Bezeichnung des Pflegepersonals mit Schwester+Vorname
besser als mit Frau+Nachname?
• Aus Forschungsinteresse:– Welche Voruntersuchungen legen welche Theorie/Hypothese nahe.
(Stimmt es, dass Druckbelastungen der Haut immer einen Dekubitusverursachen?)
– Welche Lücken gibt es in der Literatur?– Welche Mängel haben die bisherigen Untersuchungen?
Quantita
tive
Fors
chungsm
ethoden
5
9
2.1.2 Literaturprüfung
2) Literaturüberprüfung:• Welche Untersuchungen gibt es schon?• Kann man die Voruntersuchungen verallgemeinern?• Welche besonderen Konstellationen in der eigenen Einrichtung machen
eine erneute Überprüfung notwendig?• Beantwortet die gefundene Literatur meine exakte Fragestellung?• Welche Anregungen kann ich aus anderen Studien aufgreifen?
Quantita
tive
Fors
chungsm
ethoden
10
2.1.3 Relevanz
3) Welche Relevanz hat die Untersuchung des Problems:• Wie sieht der Nutzen im Vergleich zu den Kosten der Erhebung aus?• Sind die Ergebnisse überhaupt umsetzbar, d.h. hat die Messung und
deren Ergebnis überhaupt Folgen für die Praxis. (z.B. Ist ein Modellprojektlängerfristig finanzierbar? Was habe ich gewonnen, wenn ich weiß, dassPatientinnen und Patienten die Schwester lieber mit dem Vornamenanreden?)
• Welche Nebeneffekte hat die Durchführung der Erhebung (z.B. Ist dieMotivation durch häufige Befragungen bedroht? Wird ein stabiles Systemaufgewühlt, z.B. durch Vorgesetzten-Beurteilungen?)
Quantita
tive
Fors
chungsm
ethoden
6
11
2.1.4 Durchführbarkeit
4) Prüfung der Durchführbarkeit:• Stehen genügend räumliche, personelle und finanzielle Mittel zur
Verfügung?• Wer hat das methodische Know-How die Erhebung durchzuführen?• Stimmt der Betriebsrat der Befragung zu?• Welche organisatorischen Dinge sind vorab zu klären (Fragebogen-
Erstellung, Einsammlung, Auswertung, Dateneingabe)
Quantita
tive
Fors
chungsm
ethoden
12
2.2 Überführung in eine konkreteForschungsfrage
• Eine allgemeine Problemstellung oder eine vage formulierte Fragemuss anschließend präzisiert werden. Das bedeutet eineAuseinandersetzung mit folgenden Problemen:– 1) Was sind die relevanten Variablen?– 2) Wie lassen sich die Variablen messen?– 3) Welche Zusammenhänge werden zwischen den Variablen
angenommen?
Quantita
tive
Fors
chungsm
ethoden
7
13
2.2.1 Variablen
Was sind die Variablen?Die untersuchten Merkmale werden Variablen genannt.Merkmale können z.B. sein:
– Alter– Geschlecht– Schulbildung– Körpergröße– Ein Wert der sich aus einem Fragebogen ergibt (Ja oder Nein als
Antwort auf eine Frage oder der Summenwert in einemFragebogen)
– Verweildauer in einer Einrichtung– Fehlzeiten
Quantita
tive
Fors
chungsm
ethoden
14
2.2.2 Operationalisierung
2) Wie lassen sich die Variablen messen?Bei den quantitativen Methoden geht es immer darum, Ausprägungen(Einstellungen, Verhalten, Neigungen, sichtbare Zustände) in Zahlen zuüberführen. Diese Überführung von Ausprägungen von Merkmalen (z.B.Schmerz) in entsprechende Zahlen mittels geeigneter Messinstrumentewird Operationalisierung genannt.
Relevante Fragen können sein:– Wie lassen sich Schmerzen messen?– Wie messe ich die Variable „Geschlecht“?– Wie lässt sich die Einstellung zur Frage Schwester oder Nachname
messen?– Wie lässt sich Teamfähigkeit operationalisieren?– Wie lässt sich der Auflagedruck messen?– Welches Maße verwende ich zur Bestimmung der Fehlzeiten?
Quantita
tive
Fors
chungsm
ethoden
8
15
2.2.2 Operationalisierung
OperationalisierungDie Operationalisierung wird umso schwieriger, je komplexer die
einbezogenen Variablen sind.• Einfache Variablen: Geschlecht, Anzahl der Mitpatienten, Fehltage.• Komplexe Variablen: Arbeitszufriedenheit, Kundinnen- und
Kundenzufriedenheit, Einstellungen. Zur Messung komplexerVariablen müssen Fragebogen und sonstige Messinstrumenteentwickelt werden, die einem wissenschaftlichen Standardentsprechen müssen.
Sie müssen• objektiv sein (d.h. unabhängig vom Durchführenden und den
Auswertenden)• valide (= gültig) sein, d.h. das Messen, was sie vorgeben zu messen.• reliabel (= zuverlässig) sein, d.h. bei wiederholter Messung zum
gleichen Ergebnis führen. =>siehe Abschnitt „Fragebogen“
Quantita
tive
Fors
chungsm
ethoden
16
2.2.2 Operationalisierung
OperationalisierungFür die Auswahl des statistischen Verfahrens ist es wichtig zu prüfen,
wie viele Stufen eine Variable hat:• Im Falle des Geschlechtes sind das zwei Stufen (Mann/Frau)• Bei einem Fragebogen kann das eine gerade Zahl sein, die
zwischen dem niedrigsten und dem höchsten Ergebnis liegt.• Bei einer Größenbestimmung oder einer Zeitbestimmung gibt es
unendliche viele Zwischenschritte.
Quantita
tive
Fors
chungsm
ethoden
9
17
2.2.3 Messen
Was ist Messen?• Messen wird in der Statistik verstanden als die Überführung einer
Ausprägung eines Merkmals in eine Zahl. Das ist Quantifizieren unddamit der Kern der quantitativen Methoden.
• Für das Messen gibt es in der Statistik eine eigene Messtheorie, die zuerklären versucht, in welchen Beziehungen Merkmale und Zahlen stehen
• Wichtig ist hier, dass es bei Merkmalen unterschiedliche Skalenniveausgibt. Diese bestimmen auch welche statistischen Tests angebracht sind.
Quantita
tive
Fors
chungsm
ethoden
18
2.2.4 Variablenbeziehungen
3) Welche Beziehung besteht zwischen den Variablen?Je nach Forschungsdesign interessieren bei der Messung
– die Häufigkeit einer Variable (Wie häufig wird der Vornamebevorzugt?),
– die Stärke der Ausprägung einer Variable (Wie stark sind dieSchmerzen? Wie stark befürworten die Personen den Vornamen?),
– der Zusammenhang zwischen zwei Merkmalen (Hängt dieBevorzugung des Vornamens mit dem Alter zusammen?)=Zusammenhangshypothese,
– die Unterschiede zweier Gruppen hinsichtlich einer odermehrerer Variablen (Unterscheiden sich Männer und Frauenhinsichtlich der Bevorzugung? Haben Personen unter 50 Jahrenmehr Schmerzen als Personen über 50 Jahren?)=Unterschiedshypothese.
•
Quantita
tive
Fors
chungsm
ethoden
10
19
2.2.4 Variablenbeziehungen
• Geht es um mehr als eine Variable, also z.B. bei der Aufdeckung vonUnterschieds- oder Zusammenhangshypothesen, dann wird zwischenunabhängigen Variablen (UV) und abhängigen Variablen (AV)unterschieden.
• Unter den unabhängigen Variablen werden diejenigen Merkmale verstanden,deren Auswirkung auf andere Merkmale (die abhängigen) überprüft wird.
• Schon aus der Fragestellung wird deutlich was eine UV und was eine AV ist.
• Z.B: Beeinflusst das Geschlecht das postoperative Schmerzerleben?
•
Quantita
tive
Fors
chungsm
ethoden
Abhängige VariableUnabhängigeVariable
Geschlecht (2fachgestuft)
Schmerzerleben(gemessen durcheinen Fragebogen)
20
2 2.5 Variablenarten
• Neben UV und AV gibt es Kontrollvariablen. Das sind solche Variablen, dieerhoben werden, weil sie vermutlich einen Einfluss auf die abhängige Variableoder die Beziehung zwischen UV und AV haben. Z.B. könnte man vermuten,dass die Beziehung zwischen Geschlecht und Schmerzerleben durch andereFaktoren beeinflusst wird (z.B. durch die Anwesenheit anderer Personen oderdurch den Entspannungszustand).
Quantita
tive
Fors
chungsm
ethoden
AV: SchmerzerlebenUV: Geschlecht
Kontrollvariable 2:
Entspannungszustand
Kontrollvariable 1:
Anwesenheit andererPersonen
11
21
2 2.5 Variablenarten
• Da man aber nur etwas von dem Effekt der UV auf die AV wissen möchte,versucht man die Kontrollvariablen konstant zu halten. Oder man rechnet mitstatistischen Methoden (z.B. der Partialkorrelation) den Einfluss derKontrollvariablen aus.
Quantita
tive
Fors
chungsm
ethoden
AV: SchmerzerlebenUV: Geschlecht
Kontrollvariable 2:
Entspannungszustand
Kontrollvariable 1:
Anwesenheit andererPersonen
22
2 2.5 Variablenarten
• Es gibt aber sicherlich noch mehr Variablen, die einen Einfluss auf dieBeziehung zwischen UV und AV haben, die aber nicht alle berücksichtigtwerden können. Man nennt diese Störvariablen.
• Deren Einfluss kann man durch ein Experiment kontrollieren.
Quantita
tive
Fors
chungsm
ethoden
AV: SchmerzerlebenUV: Geschlecht
Kontrollvariable 2:
Entspannungszustand
Kontrollvariable 1:
Anwesenheit andererPersonen
Störvariable1: Herkunft
Störvariable2:
Schmerzvorerfahrung
12
23
Quantita
tive
Fors
chungsm
ethoden
2 2.5 Variablenarten
UV: Unabhängige Variable:• Unter den unabhängigen Variablen werden diejenigen Merkmale verstanden,
deren Auswirkung auf andere Merkmale (die abhängigen) überprüft wird.AV: Abhängige Variable:• Unter der abhängigen Variablen werden diejenigen Merkmale verstanden,
deren Variation interessiert. Es sind die Variablen, die durch UV beeinflusstsind.
KV: Kontrollvariablen• Das sind solche Variablen, die erhoben werden, weil sie vermutlich einen
Einfluss auf die abhängige Variable oder die Beziehung zwischen UV und AVhaben.
Störvariablen• Sind Variablen, die Beziehung zwischen UV und AV beeinflussen. Über deren
Wirkung kann man nur spekulieren. Es wurde versäumt, sie zu kontrollieren.
24
Quantita
tive
Fors
chungsm
ethoden
3 Forschungsdesign
Explorative Studie (Häufigkeitserhebung) ->Hier sind keine besonderen Designs zu beachten. Die
Erhebungsinstrumente müssen nur den „Gütekriterien“entsprechen.
Zusammenhangs- und Unterschiedsprüfungen->Mithilfe des Untersuchungsdesigns soll gewährleistet werden, dass die
gefundenen Effekte tatsächlich durch die Variablen erklärt werdenund die Ergebnisse auf andere Bereiche übertragbar sind(Generalisierbarkeit).
Die Auswahl eines Untersuchungsdesigns ist immer als Versuch zuverstehen, die Wirkung der Störvariablen zu begrenzen.
13
25
Quantita
tive
Fors
chungsm
ethoden
3 Forschungsdesign
• Gerade die Prüfung von Zusammenhängen oder Unterschieden ist anfällig fürStörvariablen:
• Beispiel: Fragestellung Führen regelmäßige Supervisionen zu einerVerbesserung des Stationsklimas?
Station A (Innere):
Intervention:
Supervision 2x im Monat,
1/2 Jahr lang
Station B (Chirurgie):
Keine Intervention
.
Erhebung: Fragebogen zur Messung desStationsklimas.
Ergebnis: Station A hat ein wesentlichbesseres Stationsklima.
Schlussfolgerung:?
26
Quantita
tive
Fors
chungsm
ethoden
3.1 Validität
Das Beispiel zeigt:• Es gibt viele Möglichkeiten die Unterschiede zu erklären. Die Unterschiede
müssen nicht durch das Treatment (die Supervision) verursacht sein.• So gibt es viele Faktoren, die die Gültigkeit (Validität) eines Ergebnissen
stören können.
Innere Validität
•Hat die UVtatsächlich dieAuswirkungen auf dieAV?
•Gibt eskonkurrierendeErklärungen?
Äußere Validität
•Gelten dieErgebnisse auch inanderenBereichen?
•Sind dieErgebnisseübertragbar?
14
27
Quantita
tive
Fors
chungsm
ethoden
3.1 Validität
Innere Validität:Wie sicher kann man sein, dass die unabhängige Variable tatsächlich die
Ursache der Veränderung der abhängigen Variable ist? Alle Faktoren dieebenfalls Einfluß auf die AV haben, bedrohen die innere Validität:
- aktuelles Geschehen- Reifung- Testvorgang- Auswahl der Instrumente- Mortalität- Selektionsbedingte Verfälschungen.
- Äußere Validität:- Lassen sich die Forschungsergebnisse auf andere Populationen und auf
andere Situationen übertragen? Die äußere Validität ist bedroht durch:
- Selektionseffekte- Reaktive Effekte (Beispiel: Hawthorne-Effekt)- Testeffekte
28
Quantita
tive
Fors
chungsm
ethoden
3.1.1 Innere Validität
Innere Validität bedroht durch
A) Aktuelles Geschehen:Beispiel:
- Ergebnis: Supervision verbessert die Mitarbeitenden-Zufriedenheit- Aber: Effekt kann auch durch inzwischen verbesserten
Personalschlüssel zustande kommen.
B) Reifung = entwicklungsbedingte ProzesseBeispiel:
– Ergebnis: Basale Stimulation ® reduziert die Pulsfrequenz beiNeugeborenen im Laufe eines Jahres
– Aber: Effekt kommt auch durch natürliche Veränderungen zustande.C) Testvorgang: Durchführung des Tests beeinflusst das Messergebnis.Beispiel:
– Im Vergleich zum Pre-Test zeigt die Kontrollgruppe keineVerbesserung der Leistungen beim Post-Test
– Aber: Ergebnis kann allein auf Pre-Test zurückgehen.
15
29
Quantita
tive
Fors
chungsm
ethoden
3.1.1 Innere Validität
Innere Validität bedroht durch
D) Instrumentierung = GütekriterienFür Messinstrumente (z.B. Fragebögen) sollten die sog. „Gütekriterien“ erfüllt
sein. Ein Instrument sollte:- valide sein, d.h. das Instrument misst genau das, was es messen soll
(bei schwerverständlichen Fragebogen ist das nicht der Fall)- reliabel sein, d.h. Wert des Erhebungsinstrumentes soll beständig und
prognostizierbar sein- objektiv sein.
E) Mortalität, dieser Faktor bedroht vor allem bei Längsschnittstudien dieValidität.
Beispiel:- Ergebnis: Nootropika verlangsamen die psychosoziale Abhängigkeit
von Dementierenden.- Aber: Untersucht wurden nur die Überlebenden, „drop outs“ wurden
nicht berücksichtigt
30
Quantita
tive
Fors
chungsm
ethoden
3.1.1 Innere Validität
Innere Validität bedroht durch
F) Selektionsbedingte Verfälschungen:Die Auswahl der untersuchten Stichprobe erklärt den Effekt oder die Stärke
eines Effektes.Beispiel 1:
– Ergebnis: Altennachmittage führen zu einer Zunahme der sozialenKontakte im häuslichen Bereich.
– Aber: Personen die zum Altennachmittag gehen sind ohnehin sozialintegriert. Typisches Altersphänomen: Die Personen, die amwenigsten Hilfe brauchen werden oft in die Studie integriert.
Beispiel 2:– Ergebnis: Aufklärungskampagnen haben in Gastarbeiterfamilien eine
deutliche Verbesserung des Gesundheitszustandes zur Folgegegenüber Nicht-Gastarbeiterfamilien.
– Aber: Variable „Gastarbeiter“ stellen eine Vorselektion dar, die auf dieAV „Gesundheitszustand“ wirkt.
16
31
Quantita
tive
Fors
chungsm
ethoden
3.1.2 Äußere Validität
Äußere Validität ist bedroht, wenn Ergebnisse nicht auf andereBereiche übertragbar sind. Stichprobe soll repräsentativ sein.
Ähnliche Bedrohungen wie bei innerer Validität:
A) Selektionseffekte:• Personengruppe, die untersucht wurde ist sehr speziell (z.B.
einrichtungsspezifische Besonderheiten)
B) Reaktive Effekte• Untersuchungsergebnisse kommen dadurch zustande, dass die
Untersuchten im Mittelpunkt standen (siehe Hawthorne-Studie)
C) Testeffekte• Bei der Prüfung des Effekts von Diabetikerinnen- u. Diabetiker-
Schulungen kann in der untersuchten Gruppe ein Effekt dadurch zustandekommen, dass sich die Diabetiker auch außerhalb der Schulung gutinformieren, um nicht „dumm da zu stehen“.
32
Quantita
tive
Fors
chungsm
ethoden
3.1.3 Maßnahmen gegen geringe Validität
• Gerade um Ursache-Wirkungsbeziehungen aufzudecken ist esextrem wichtig, Bedrohungen der Validität auszuschalten.
• Die Wahl des Untersuchungsdesigns ist wichtig zur Kontrolle derValidität.
• Welches Design ausgewählt wird hängt von folgenden Faktorenab:- Wie künstlich kann ich die Situation herstellen (z.B. sind
Randomisierungen möglich)?– Wie wichtig ist es einen natürlichen Kontext herzustellen?– Wie schwerwiegend ist es, wenn andere Effekte auf die AV
wirken?
17
33
3.2 Labor- vs. Felduntersuchungen
• Mithilfe eines geeigneten Untersuchungsdesigns lassen sich dieEinflüsse von Störvariablen minimieren, d.h. ein beobachteter Effekt(ein Unterschied zwischen den Stationen) kann sicherer als Folge derunabhängigen Variablen (der Supervision) interpretiert werden.
• Gerade um den Einfluss einer UV auf die AV zu kontrollieren, gibt eszwei Wege:
• 1) Laboruntersuchungen vs. Felduntersuchungen• 2) Experimente vs. Studien vs. Quasi-Experimente
Quantita
tive
Fors
chungsm
ethoden
34
3.2 Labor- vs. Felduntersuchungen
1) Labor- vs. Felduntersuchungen:
• A) Felduntersuchungen: Diese finden im realen Umfeld (im Feld)statt und bedingen damit eine schlechtere Kontrolle derStörvariablen. Vorteil: Die Ergebnisse stammen aus einemnatürlichen Umfeld.
• B) Laboruntersuchung: Im Labor versucht man äußereStöreinflüsse auszuschalten. Beispiel: Beobachtung der Wirkungeines Hautpflegemittels im Labor, anstatt im normalen Stationsalltagoder zuhause.Vorteil: Störvariablen sind ausgeschaltet, hohe Gültigkeit (Validität).Nachteil: Künstliche, sterile Atmosphäre; schlecht generalisierbar;geringe Gültigkeit.
Quantita
tive
Fors
chungsm
ethoden
18
35
3.2 Labor- vs. Felduntersuchungen
Quantita
tive
Fors
chungsm
ethoden Laboruntersuchung:
- Ausschaltung oder bessereKontrolle der Störvariablen
- sinkende Anzahl plausiblerAlternativerklärungen
- hohe interne Validität, d.h.das Ergebnis ist eindeutigerinterpretierbar.
- geringe Generalisierbarkeit,d.h. geringe externe Validität
Felduntersuchung:
- vielfältige Störvariablenvorhanden
- hohe Anzahl plausiblerAlternativerklärungen
- niedrige interne Validität,d.h. Ergebnis auch durchandere Faktoren erklärbar
- hohe Gültigkeit auch inanderen Feldern, d.h. hoheexterne Validität
36
3.2 Labor- vs. Felduntersuchungen
Im Bereich der Pflegeforschung gibt es so gut wie keine Laboruntersuchungen. Meistwird direkt am Krankenbett, d.h. im Sinne der Felduntersuchung gemessen.
Weitere Möglichkeiten, die Störvariablen-Einflüsse zu minimieren, bestehen in derDurchführung von Experimenten:
Quantita
tive
Fors
chungsm
ethoden
19
37
3.3 Experiment vs. Quasiexperiment
Die drei Kennzeichen eines Experimentes:• Personen werden nach dem Zufallsprinzip den verschiedenen Bedingungen zugeteilt
= Randomisierung.
• Kontrolle• Manipulation einer UV
Quantita
tive
Fors
chungsm
ethoden
Randomisierung ist die zufällige Zuordnung derUntersuchungsteilnehmenden zu den Untersuchungsbedingungen
38
3.3 Experiment vs. QuasiexperimentKlassisches Experiment:
Randomisierung:
Experimental-Gruppe
Kontroll-Gruppe
Pre-Test
Pre-Test
Post-Test
Post-Test
Treatment
Nur-Post-Test-Design
Randomisierung:
Experimental-Gruppe
Kontroll-Gruppe
Post-Test
Post-Test
Treatment
20
39
3.3 Experiment vs. QuasiexperimentQuasi-Experimente: Vollständige Kontrolle fehlt, EG/KG nicht zufällig
A) Nicht-äquivalentes Design mit Kontrollgruppe
B) Nicht-äquivalentes Design mit Kontrollgruppeund Nur-Post-Test
Experimental-Gruppe
Kontroll-Gruppe Pre-Test
Pre-Test Post-Test
TreatmentExperimental-Gruppe
Kontroll-Gruppe
Post-Test
Post-Test
Treatment
Post-Test
40
3.3 Experiment vs. QuasiexperimentQuasi-Experimente: Vollständige Kontrolle fehlt
C) Langzeit-Experiment mit Testserie
Experimental-Gruppe
Kontroll-Gruppe Pre-Test
Pre-Test Post-Test
Treatment
Post-Test
Pre-Test
Pre-Test
21
41
3.4 Nicht-experimentelle Designs
Quantita
tive
Fors
chungsm
ethoden
Hierzu zählen:
•Korrelationsstudien (keine UV-Kontrolle)
•Ex-post-facto-Studien (keine UV-Kontrolle)
•Längsschnittstudien
•Metaanalyse (Zusammenfassung mehrererStudien)
42
3.4.1 Korrelationsstudien
Quantita
tive
Fors
chungsm
ethoden
Korrelationsstudien:Hier wird der Zusammenhang zwischen einer oder mehrerenVariablen geprüft. Sie werden also zur Überprüfung vonZusammenhangshypothesen verwendet.
Vorteil:
•Eine große Menge an Variablen kann gesammelt und derengegenseitige Effekte kontrolliert werden
•Hilfreich für Variablen, die nicht manipulierbar sind
•Leichtere Anwendung im klinischen Bereich
Nachteil:
•Variablen können nicht kontrolliert werden
•Auf Randomisierung wird verzichtet
22
43
3.4.1 Korrelationsstudien
Quantita
tive
Fors
chungsm
ethoden
Korrelationsstudien:Das Korrelationsmaß „r“ gibt die Größe des statistischen linearenZusammenhangs wieder.
Je näher „r“ an +1 oder -1 umso stärker der Zusammenhang.
+1 = positiver Zusammenhang
-1= negativer Zusammenhang
44
3.4.1 Korrelationsstudien
Quantita
tive
Fors
chungsm
ethoden
Korrelationsstudien:
23
45
3.4.1 KorrelationsstudienKorrelationsstudien
Experimental-Gruppe
Kontroll-Gruppe Pre-Test
Pre-Test Post-Test
Treatment
Post-Test
Pre-Test
Pre-Test
46
3.4.1 Korrelationsstudien
Quantita
tive
Fors
chungsm
ethoden
Korrelationsstudien:Wichtigster Nachteil:
Die Stärke der statistischenKorrelation sagt nichts überdie kausale Beziehungaus!!!
24
47
3.4.2 Ex-post-facto-Studie
Quantita
tive
Fors
chungsm
ethoden
Ex-post-Facto-StudieGruppen (nicht nachdem Zufallsprinzipzusammengesetzt)
UnabhängigeVariable
AbhängigeVariable
Schauspielerin/
Schauspieler mitOscar
Schauspielerin/
Schauspielerohne Oscar
Oscar-Sieg Lebens-erwartung
Lebens-erwartung
48
Quantita
tive
Fors
chungsm
ethoden
25
49
3.5 Welche Design ist besser?
• Im Bereich der Pflegeforschung ist es selten möglich Patientinnen undPatienten oder Mitarbeitende nach dem Zufallsprinzip bestimmtenInterventionsmaßnahmen zuzuordnen.
• Oft verbieten es auch ethische Maßstäbe. Beispielsweise darf man nicht dieWirkung eines Schmerzmittels prüfen, indem man eine Gruppe ohne und dieandere mit Schmerzmitteln testet.
• Im Bereich der Pflegeforschung werden dagegen oft quasi-experimentelleDesigns verwendet. D.h. Interventionen werden an bestehenden (nichtrandomisierten) Gruppen getestet. Hierbei ist natürlich der Einfluss derStörvariablen höher als bei einem Experiment.
Quantita
tive
Fors
chungsm
ethoden
50
3 Konkretisierung der Forschungsfrage
Quantita
tive
Fors
chungsm
ethoden Experiment
- Randomisierte Zuteilung vonPersonen zu den Bedingungen
- hohe interne Validität, dageringer Einfluss vonStörvariablen.
- sehr selten in derPflegeforschung
Quasi-Experiment
- Keine zufälligeZuordnungen zu denVersuchsbedingungen,Prüfung des Einflusses vonInterventionen anbestehenden Gruppen
- geringere interneValidität, da Effekte durchGruppenunterschiedeerklärbar sind
- häufig in derPflegeforschung
26
51
3.5 Welche Design ist besser?
Quantita
tive
Fors
chungsm
ethoden
52
4 Auswahl der Stichprobe
• Welche Personengruppen sollen untersucht werden?• Wie viele Personen sollen untersucht werden?• Die optimale Menge hängt ab
– von der Einschätzung, ob die Ergebnisse generalisierbar sind, oderanders: von der Einschätzung der Folgen, die sich ergeben, wennaus der Untersuchung falsche Schlüsse gezogen werden
– von finanziellen und personellen Ressourcen zur Durchführung– von der Anzahl der Gruppen die verglichen werden– von der Anzahl der Variablen die gemessen werden sollen– von der Größe der Grundgesamtheit (z.B. der Gesamteinrichtung)
Quantita
tive
Fors
chungsm
ethoden
27
53
Wie groß sollte die Stichprobe sein?Q
uantita
tive
Fors
chungsm
ethoden
Die Frage ist abhängig davon, welche Aussagenman treffen will
a) Von der Stichprobe will man auf die„Grundgesamtheit“ schließen- > D.h dasErgebnis soll allgemein gültig sein. DieStichprobe soll repräsentativ sein
b) Die Ergebnisse sollen sich nur auf dieStichprobe selbst beziehen. Stichprobe =Grundgesamtheit, keine weitereVerallgemeinerung
54
Wie groß sollte die Stichprobe sein?
Quantita
tive
Fors
chungsm
ethoden
Will man eine Hypothese testen dann muss die„optimale Stichprobengröße“ berechnet werden(gilt für a+b)
Die Ergebnisse müssen gegen den Zufallabgesichert sein- >Inferenzstatistik.
28
55
Wie groß sollte die Stichprobe sein?Q
uantita
tive
Fors
chungsm
ethoden
Ob ein Ergebnis zufällig zustande gekommen istoder ob es der Realität entspricht, hängt vonvielen Faktoren ab
- Je größer die Stichprobe, umso wenigerwahrscheinlich ist ein Zufallsergebnis
- Je mehr Gruppen es gibt, umso mehr Personenbraucht man um kein Zufallsergebnis zuerzielen
- Je mehr Variablen es gibt, umso mehrPersonen braucht man, um das Ergebnis zusichern
56
Wie groß sollte die Stichprobe sein?
Quantita
tive
Fors
chungsm
ethoden
Weiterhin ist für die optimale Stichprobengrößeentscheidend:
- Welche Fehlerwahrscheinlichkeit akzeptiereich?
- Mit welchen Folgen sind falsche Ergebnisseverbunden?
Die optimale Stichprobe kann mit statistischenModellen errechnet werden.
Leider wird das zu selten gemacht!
29
57
Wie groß sollte die Stichprobe sein?Q
uantita
tive
Fors
chungsm
ethoden
Viele Faktoren gehen in die Berechnung deroptimalen Stichprobengröße ein.
Deshalb ist die folgende Annahme falsch:
Je größer die Stichprobe umso gesichertereAussagen sind möglich.
Sondern:
Bei hinreichend großen Stichprobengrößen wirdjede Fragestellung signifikant.
Die Stichprobe muss beimHypothesentesten vorher berechnetwerden-> Poweranalyse.
58
Exkurs: Das Wichtigste aus der Statistik
Ein kleiner Exkurs in die Statistik:• Da quantitative Methoden immer auch mit Daten/Zahlen zu tun
haben, ist die Statistik, insbesondere die Inferenzstatistik daswesentliche Auswertungsinstrument der quantitativen Daten
• Im Wesentlichen werden zwei große Zweige unterschieden:– A) Die deskriptive oder beschreibende Statistik– B) Die Inferenzstatistik. Hierbei werden durch
Wahrscheinlichkeitsberechnungen Aussagen über das Zutreffenoder die Ablehnung einer Hypothese getroffen.
Quantita
tive
Fors
chungsm
ethoden
30
59
1) Deskriptive Statistik:Hierunter fallen Methoden, die Messergebnisse mehrerer Personen in Form vonTabellen, Grafiken und deskriptiven Kennwerten zusammenfassen.Tabellen und Grafiken informieren über die Verteilungsform.Z.B. Polygone:
Histogramme:Hier ist schondie Verteilungund die Lagerelevant
Exkurs: Deskriptive Statistik
Quantita
tive
Fors
chungsm
ethoden
Temperatur
N
Alter
N
60
Z.B.Kreisdiagramme:
Exkurs: Deskriptive Statistik
Quantita
tive
Fors
chungsm
ethoden
31
61
Eine weitere Möglichkeit der erleichterten Darstellung sindProzentzahlen. Im Vergleich zu absoluten Zahlen sind diese schnellerbegreifbar.Aber:Durch eine Reduktion der Darstellung auf Prozente lassen sich auchErgebnisse verfälschen.
Exkurs: Deskriptive Statistik
Quantita
tive
Fors
chungsm
ethoden
62
Beispiel für verzerrte Darstellungen:Anzahl der Pflegekräfte in den letzten fünf Jahren:
Exkurs: Deskriptive Statistik
Quantita
tive
Fors
chungsm
ethoden
Jahr
Anzahl100000900008000070000600005000040000300002000010000
20001999199819971996
Schlagzeile der Pflegeverbände:
Trotz steigenderAnforderungen in der Pflege:Beschäftigungszahlen aufkonstant niedrigem Niveau
32
63
Beispiel für verzerrte Darstellungen:Anzahl der Pflegekräfte in den letzten fünf Jahren (gleiche Zahlen wievorher)
Exkurs: Deskriptive Statistik
Quantita
tive
Fors
chungsm
ethoden
Jahr
Anzahl25000240002300022000210002000019000180001700016000
20001999199819971996
Schlagzeile der KV:
Zuwachsrate der Beschäftigtenim Pflegebereich stieg um 54%.
1996: 20000
1997: 20100 +100
1998: 20200 +100
1999: 21900 +1700
2000: 25000 + 3100
64
Exkurs: Deskriptive Kennwerte
Deskriptive Kennwerte verdichten die Datenflut zu übersichtlichen Werten.Hierzu zählen beispielsweise:A) Der MittelwertB) Streuungsmaße: Streuungsmaße geben Auskunft über die Variationsbreite eines
Merkmals. Beispielsweise berechnet sich die Varianz aus dem Abstand derMesswerte zum Mittelwert. Alle Abstände werden quadriert und durch dieAnzahl der Messwerte geteilt. Je höher die Varianz, umso größer dieVariationsbreite.
Quantita
tive
Fors
chungsm
ethoden
33
65
Exkurs: Deskriptive Kennwerte
Dass die alleinige Angaben von Mittelwerten wenig sinnvoll ist, zeigt folgendesBeispiel:
„Im Vergleich zur Kontrollgruppe, die mit Placebo behandelt wurde, liegt dermittlere Cholesterinwert der Gruppe, die mit dem Medikament XY (einLipidsenker) behandelt wurde um 35 mg/dl niedriger.“
Quantita
tive
Fors
chungsm
ethoden
Kontrollgruppe(Placebo):
M= 225 mg/dl
Experimentalgruppe(Medikament):
M= 190 mg/dl
66
Exkurs: Deskriptive Kennwerte
Quantita
tive
Fors
chungsm
ethoden
Kontrollgruppe(Placebo):
M= 225 mg/dl
Experimentalgruppe(Lipidsenker):
M= 190 mg/dl
N
Cholesterinmg/dl
190 225
Anteil an Personen, dietrotz des Medikamentshöhere Cholesterinwertehaben
34
67
Exkurs: Inferenzstatistik
1) Grundlagen der InferenzstatistikZiel der Inferenzstatistik ist es, durch die Angabe von
Wahrscheinlichkeiten zu klären, ob empirische Daten die realenGegebenheiten widerspiegeln oder nicht. Oder anders: Inwieweit sindaufgrund der Ergebnisse allgemeingültige Aussagen möglich?
Um beim Beispiel des Lipidhemmers zu bleiben:Wenn 200 Personen mit dem Medikament behandelt wurden und 200
Personen nicht mit dem Medikament behandelt wurden, und es ergabsich eine Senkung um 35 mg/dl. Ist dieser Effekt Zufall oder mitwelcher Wahrscheinlichkeit spiegelt er die tatsächlichen Unterschiedewider.
Quantita
tive
Fors
chungsm
ethoden
68
Exkurs: Inferenzstatistik
Das Vorgehen ist bei allen Inferenztests gleich:Aufgrund der Ergebnisse (z.B. der zwischen zwei Gruppen festgestellten
Unterschiede) wird mit einer gewissen Wahrscheinlichkeit auf die tatsächlichenErgebnisse, also die Ergebnisse der Gesamtstichprobe geschlossen.
Die Inferenzstatistik vergleicht also die Entscheidung aufgrund der Ergebnisse derStichprobe mit den tatsächlichen Gegebenheiten in der Gesamtstichprobe.
Inferenzstatistik trifft also nie Aussagen im Sinne von:Die Hypothese konnte bewiesen werden oder die Ergebnisse sind auf andere
Einrichtungen übertragbar.Vielmehr werden Wahrscheinlichkeitsurteile gefällt: Mit einer Wahrscheinlichkeit
von x% kann die Hypothese bestätigt werden. Es bleibt ein „Restrisiko“.
Quantita
tive
Fors
chungsm
ethoden
35
69
Exkurs: Inferenzstatistik
Wie kommt die Aussage: „Das Ergebnis ist signifikant (statistischbedeutsam) zustande?“
Grundsätzlich werden bei der Inferenzstatistik immer zweikonkurrierende Hypothesen getestet:
Die Alternativhypothese (H1) ist die eigentlich im Mittelpunktstehende Hypothese (z.B. Kontroll- und Experimentalgruppeunterscheiden sich hinsichtlich des Cholesterinwertes). Sie wird meistH1-Hypothese genannt.
Die Nullhypothese (H0), behauptet, dass die zur Alternativhypothesekomplementäre Aussage richtig ist. Also: Die beidenPersonengruppen unterschieden sich nicht hinsichtlich desCholesterinwertes.
Quantita
tive
Fors
chungsm
ethoden
70
Exkurs: Inferenzstatistik
Die Inferenzstatistik prüft nun, mit welcher Wahrscheinlichkeit eine Entscheidungzugunsten der Alternativhypothese bzw. zugunsten der Nullhypothese miteinem Fehler behaftet ist.
Das a-Niveau wird meist vorher festgelegt. Eine Standardkonvention legt es bei5% oder 10% fest. Wenn mit diesem a-Niveau ein Test signifikant wird, dannheißt das, dass mit einer Wahrscheinlichkeit von 5% die Hypothese in derGrundgesamtheit nicht zutrifft, aber mit 95% schon.Q
uantita
tive
Fors
chungsm
ethoden
Realität
krank(Null-Hypotheseist richtig)
gesund(Null-Hypotheseist falsch)
krank
gesund
Richtige Schlussfolgerung
Fehler I.Art
Alpha-Fehler
Fehler II.Art
Beta-Fehler
Richtige Schlussfolgerung
Test
36
71
Exkurs: Inferenzstatistik
Quantita
tive
Fors
chungsm
ethoden
72
Ob nun ein Test signifikant wird hängtvon vielen Faktoren ab:
- Von den tatsachlichen Verhältnissen in derPopulation
- Von dem Unterschiedsniveau (Effektstärke), diezwischen zwei oder mehr Gruppen erwartet wird
- Von der Streuung in beiden Gruppen- Von der erwarteten Teststärke- Von der Stichprobengröße
Quantita
tive
Fors
chungsm
ethoden
Exkurs: Inferenzstatistik
37
73
- Eine genügend große Stichprobe macht denkleinsten Unterschied signifikant!!!!->Daher ist eine vorherigeStichprobenbestimmung extrem wichtig
-Die quantitative Pflegewissenschaft und die Medizinsind von der Jagd auf Signifikanzen geprägt. Es wirdmeist versäumt, die Teststärke (power) anzugeben.
Quantita
tive
Fors
chungsm
ethoden
Exkurs: Inferenzstatistik
74
Was sie wissen sollten...
- Wenn von signifikantem Ergebnis gesprochen wird, dannbedeutet das:- Mit einer bestimmten Wahrscheinlichkeit entsprechen
die Befunde der Realität und sind nicht durch den Zufallbedingt.
- Die Prüfung der Zufallswahrscheinlichkeit ist bei jedemstatistischem Test gleich.
Quantita
tive
Fors
chungsm
ethoden
38
75
Quantita
tive
Fors
chungsm
ethoden
1. Physiologische oder biologische Messungen
2. Beobachtung
3. Interviews
4. Aufzeichnungen oder verfügbare Daten
5. Fragebögen
5 Methoden der Datengewinnung
76
Quantita
tive
Fors
chungsm
ethoden
5 Methoden der Datengewinnung
2. Formen der Beobachtung
GeheimhaltungJa Nein
Ja VerstecktteilnehmendeBeobachtung
OffenteilnehmendeBeobachtung
Intervention durchdieBeobachterin/denBeobachter Nein Versteckt nicht-
teilnehmendeBeobachtung
Offene nicht-teilnehmendeBeobachtung
39
77
Quantita
tive
Fors
chungsm
ethoden
5 Methoden der Datengewinnung
3. Formen des Interviews
a) Postalisch
b) Telefoninterview
c) Vis-à-vis-Interview
Weitere Einteilung:
Strukturierungsgrad Einzelbefragung GruppenbefragungWenig Experteninterviews;
exploratives InterviewGruppendiskussion
Teilweise Leitfadengespräch Gruppenbefragungstark Einzelinterviews Gruppeninterviews
78
Quantita
tive
Fors
chungsm
ethoden
5 Methoden der Datengewinnung
5. Fragebögen
Instruktion
Offene Fragen GeschlosseneFragen
Hybridfragen
Danksagung
40
79
5 Methoden der DatengewinnungGütekriterien von Fragebögen
Objektivität:• Durchführungsobjektivität• Auswertungsobjektivität• InterpretationsobjektivitätReliabilität:Messgenauigkeit, Messfehlerfreiheit, wie genau misst der Test?• Test-Retest-Reliabilität• Paralleltest-Reliabilität• Halbierungs-ReliabilitätValidität:Wird das gemessen, was das Verfahren vorgibt zu messen?• Übereinstimmungsvalidität• Vorhersagevalidität• Konstruktvalidität (Faktorenanalyse).
Quantita
tive
Fors
chungsm
ethoden
80
Literatur:
Kirchhoff, S.; Kuhnt, S. & Lipp, P. (2001) Der Fragebogen. Datenbasis,Konstruktion und Auswertung. Stuttgart: UTB
LoBiondo-Wood, G. & Haber, J. (1996). Pflegeforschung: Methoden, kritischeEinschätzungen und Anwendung. Berlin: Ullstein Mosby.
Mayer, H. (2001). Pflegeforschung. Elemente und Basiswissen. Wien:Facultas.
Phillips, J. L. (1997). Statistisch gesehen: Grundlegende Ideen der Statistikleicht erklärt. Basel: Birkhäuser.
Sie können mich bei konkreten methodischen Fragen auch per Mailerreichen: [email protected]
Quantita
tive
Fors
chungsm
ethoden