Gerne beraten wir Sie auch telefonisch & geben Ihnen eine kostenfreie persönliche Auskunft zu Ihrem Projekt.

X

Forschungsfrage entwickeln und Datenanalyse planen: In 9 Schritten zum erfolgreichen Forschungsplan

In diesem Artikel möchten wir Ihnen eine Orientierung für die Erstellung eines Forschungsplans geben. Wir beginnen damit, wir Sie die Forschungsfrage entwickeln und fahren dann mit 8 weiteren Schritten fort, die Ihnen einen strukturierten Weg zu einer professionellen Datenanalyse und statistischen Auswertung aufzeige. Ob Umfrage online, A/B Test oder Laborstudie – zu Beginn jedes Forschungsprojektes sollte ein gut durchdachter Forschungsplan stehen. Das Festlegen einer präzisen Vorgehensweise sichert die Datenqualität ab und beschleunigt das weitere Vorgehen enorm.

Allzu oft wird diesem kritischen Schritt allerdings zu wenig Bedeutung beigemessen. Ohne ausreichende Planung wird zum Beispiel sofort der Fragebogen erstellt, um direkt mit der online Umfrage zu beginnen. Die Folge ist eine Studie mit mangelnder Zielsetzung und Fokus. Im schlimmsten Fall haben die Daten dann kaum noch Aussagekraft für die eigentliche Problemstellung. Diese Verschwendung von Ressourcen kann aber durch eine angemessene Forschungsplanung vermieden werden. Eine professionelle Beratung kann dabei sicherstellen, dass ihre Forschung von Anfang an auf solidem Fundament steht. Unsere Experten können dabei entweder den ganzen Prozess von der Forschungsfrage zur Datenanalyse begleiten oder bei einzelnen Teilaspekten behilflich sein.

Vom Forschungsfrage entwickeln zum Analyseplan

1. Forschungsfrage entwickeln

Die Forschungsfrage stellt das Fundament eines jeden Forschungsprojektes dar. Sie sollte daher sorgfältig formuliert werden. Häufig wird die Forschungsfrage aus einer Problemstellung heraus geboren.

Beispiele für Problemstellungen:

  • Wir möchten die Kundenzufriedenheit mit unserem Produkt steigern
  • Wir möchten mehr Anmeldungen für unseren Newsletter

Ausgehend von der Problemstellung lässt sich zuerst eine generelle Forschungsfrage entwickeln.

Beispiele für generelle Forschungsfragen:

  • Welche Faktoren bestimmen die Kundenzufriedenheit mit Produkt A?
  • Welche Faktoren begünstigen eine Anmeldung für den Newsletter?
  • Welche Faktoren wirken sich auf die Effektivität von Marketingkanälen aus?

Die generelle Fragestellung gibt bereits eine grobe Richtung vor. Diese wird dann durch eine konkretisierte Forschungsfrage noch weiter präzisiert.

Beispiele für konkretisierte Forschungsfragen:

  • Welchen Einfluss hat die wahrgenommene Zuverlässigkeit und Bedienungsfreundlichkeit sowie der Preis auf die Kundenzufriedenheit mit Produkt A?
  • Welchen Einfluss hat die Farbe des „Zum Newsletter Anmelden“-Buttons auf die Anzahl der Anmeldungen für den Newsletter?

Aus Problemstellung konkrete Forschungsfrage entwicklen

 

2. Hypothesen aufstellen

Mithilfe der konkretisierten Forschungsfrage entwickeln Sie nun die Hypothesen. Hypothesen sind vermutete Antworten auf die Forschungsfrage.

Hypothesen können gerichtet oder ungerichtet sein. Ungerichtete Hypothesen gehen lediglich davon aus, dass eine Variable überhaupt einen Einfluss hat. Ob dieser Einfluss positiv oder negativ ist wird erst einmal nicht festgelegt. Eine gerichtete Hypothese dagegen besagt auch, ob der Einfluss negativ oder positiv ist.

Beispiel – Ungerichtete Hypothese:

Die wahrgenommene Bedienungsfreundlichkeit beeinflusst die Kundenzufriedenheit.

Zusammenhang ungerichtete Hypothese

 

Beispiel – Gerichtete Hypothese:

Eine hohe wahrgenommene Bedienungsfreundlichkeit beeinflusst die Kundenzufriedenheit positiv.

Zusammenhang gerichtete Hypothese

 

3. Variablen auflisten

An dieser Stelle ist es hilfreich alle Variablen noch einmal aufzulisten. Dabei sollte auch das Skalenniveau der Variablen notiert werden (kontinuierlich oder kategorial). Dies erleichtert später die Bestimmung der geeigneten Analysemethode.

4. Datenquelle festlegen

Nun geht es darum festzulegen wie die Daten gewonnen werden sollen. Dabei können entweder eigene Daten erhoben werden (Primärdaten) oder man greift auf bereits vorhandene Daten (Sekundärdaten) zurück.

PrimärdatenSekundärdaten
Vorteile
  • Volle Kontrolle über alle Aspekte der Datenerhebung
  • Hohe Datenqualität möglich
  • Messinstrumente auf Forschungsfrage abgestimmt: Hohe Aussagekraft der Daten
  • Geringer Geld- und Zeitaufwand
  • Daten sofort verfügbar
Nachteile
  • Hoher Kosten- und Zeitaufwand
  • Daten erst nach Datenerhebung verfügbar
  • Keine Kontrolle über Datenerhebung
  • Datenerhebung nicht auf Fragestellung abgestimmt: Begrenzte Aussagekraft der Daten
  • Datenqualität oft gering und schwer zu überprüfen
  • Daten möglicherweise nicht aktuell

Letztendlich sollte eine gründliche Abwägung der Vor- und Nachteile von Primär- und Sekundärdaten für das individuelle Projekt stattfinden. Es kann auch sinnvoll sein beide Methoden zu kombinieren. So kann ein erster Überblick des Themas durch die Analyse von Sekundärdaten erfolgen. Ein tieferer Einblick kann dann aus Primärdaten gewonnen werden.

5. Studientyp bestimmen

Für das Erheben von Primärdaten muss zwischen zwei Arten von Studiendesigns entschieden werden: Korrelationsstudie oder Experiment.

Korrelationsstudie: In dieser Art von Studie werden Zusammenhänge zwischen verschiedenen Variablen untersucht. Sie ist einfacher durchzuführen als ein Experiment, lässt aber keine Aussagen über Ursache und Wirkung zu.

Beispiel: Viele online Umfragen sind Korrelationsstudien. Eine Umfrage online misst die wahrgenommene Zuverlässigkeit von Produkt A und die Zufriedenheit mit Produkt A. Ergebnis: Kunden die das Produkt als zuverlässig bewertet haben sind meistens auch zufrieden mit dem Produkt. Das heißt aber nicht zwingend, dass Zuverlässigkeit zu Zufriedenheit führt. Es ist z.B. auch möglich, dass Kunden die schnell zufrieden sind auch schnell hohe Noten für Zuverlässigkeit geben.

Experiment: In diesem Studientyp wird die kausale Wirkung einer Gruppe Variablen (unabhängige Variablen) auf eine andere Variable (abhängige Variable) untersucht. Experimente sind aufwendiger durchzuführen, können aber Ursache und Wirkung feststellen.

Beispiel: Ein klassisches Beispiel für ein Experiment ist der A/B Test im Webdesign. Besucher einer Website sehen zufällig entweder einen gelben oder blauen Button für die Anmeldung zum Newsletter. Getestet wird der Effekt der Farbe auf die Anzahl der Anmeldungen zum Newsletter.

Welches Design das „richtige“ ist, ist Abwägungssache. Wenn es entscheidend ist Ursache und Wirkung festzustellen, führt kein Weg an einem experimentellen Design vorbei. Korrelationsstudien können aber auch eine erste Orientierung über die Problemstellung geben. Diese Überlegungen sollte man vor allem auch anhand der Forschungsfrage entwickeln.

6. Messinstrumente auswählen – Datenqualität sicherstellen

Nun wird festgelegt wie die Variablen gemessen werden sollen.

Häufig ist die Messmethode offensichtlich: Die Anzahl der Newsletter-Anmeldungen kann aus der Nutzerstatistik der Webseite abgerufen werden. Geschlecht oder Alter können durch eine einzelne Frage in einer online Umfrage gemessen werden.

Manche Variablen sind aber komplexer und benötigen ausführlichere Fragebögen zur Messung. Oft kann dabei auf vorhandene und bewährte Fragebögen zurückgegriffen werden.

Gelegentlich muss man allerdings selber einen neuen Fragebogen erstellen. Wenn Sie einen umfangreicheren Fragebogen erstellen wollen, etwa für Ihre Umfrage online, kann eine Pilotstudie sinnvoll sein um die Datenqualität abzusichern. Bei all diesen Aufgaben können Ihnen unsere Experten selbstverständlich behilflich sein.

7. Studiendesign erstellen

An dieser Stelle geht es darum die Studie vorzubereiten indem die ausgewählten Messinstrumente zusammengetragen werden. Dies kann das Erstellen der geplanten Umfrage online oder das Programmieren eines A/B Tests für eine Webseite beinhalten.

In jedem Fall sollte sichergestellt werden, dass die notwendigen Daten auch korrekt aufgezeichnet werden und eine hohe Datenqualität garantiert ist. Ein paar Testläufe sind unbedingt notwendig um spätere Fehlerquellen zu vermeiden.

8. Stichprobenauswahl

In diesem Schritt geht es darum Art und Umfang der Stichprobe zu bestimmen. Für eine hohe Datenqualität sollte die Stichprobe so repräsentativ wie möglich ausfallen. Im Idealfall können Teilnehmer aus der gesamten Population zufällig ausgewählt werden. Manchmal ist diese Annahme allerdings nicht realistisch. Dann muss individuell entschieden werden ob eine Gefahr für die Aussagekraft der Daten vorliegt. Notfalls kann eine bewusste Auswahl der Stichprobe erfolgen, z.B. durch Quoten- oder Cut-off Verfahren.

Von wichtiger Bedeutung ist auch die Bestimmung der notwendigen Stichprobengröße. Ist die Stichprobe zu klein um einen Effekt aufzuspüren bedeutet dies ebenso sehr verschwendete Ressourcen wie eine übermäßig große Stichprobe. Äußerst hilfreich zum Abschätzen einer sinnvollen Stichprobengröße ist das statistische Verfahren der Poweranalyse. Mit der Poweranalyse kann auch bestimmt werden ob Sekundärdaten genügend Datenpunkte liefern. Bei Bedarf führen wir gerne eine Poweranalyse für Sie durch und beraten Sie bei der Auswahl der Stichprobe.

9. Analyseplan erstellen

Um den Forschungsplan zu vervollständigen, sollten die durchzuführenden statistischen Analysen geplant werden. Ein Analyseplan erleichtert die spätere statistische Auswertung enorm. Den Analyseplan sollte man dabei immer anhand der Forschungsfrage entwickeln. Eine wichtige Rolle spielen aber auch die Hypothesen und die Struktur der Daten.

Sind die obigen Schritte abgeschlossen, verfügen Sie über einen vollständigen Forschungsplan. Damit haben Sie die besten Voraussetzungen für ein erfolgreiches Forschungsprojekt geschaffen. Nun können die Daten erhoben und analysiert werden. Wenn Sie sicherstellen möchten, dass Ihr Analyseplan fachgerecht implementiert wird, helfen unsere Statistiker Ihnen gerne bei der Auswertung weiter.

Weiterführende Links

[1] https://kw.uni-paderborn.de/fileadmin/fakultaet/Institute/germ-vergl-litwis/germ-sprach-did/Topalovic/Masterarbeit/Examensarbeit-Fragestellung-entwickeln.pdf

[2] https://www.fernuni-hagen.de/KSW/neuestatistik/content/MOD_32286/html/comp_32295.html