Explorative Datenanalyse verständlich planen
Explorative Datenanalyse planen
Eine explorative Datenanalyse ist ein Ansatz zur offenen Untersuchung eines Datensatzes. Sie kann helfen, Einsicht zu gewinnen, Strukturen und wichtige Variablen zu erkennen, Ausreißer und Anomalien zu untersuchen sowie Annahmen für weitere Analysen zu prüfen. Im Folgenden wird erläutert, wie sich dieser Ansatz fachlich geordnet beschreiben und anhand grafischer Verfahren planen lässt.
Kostenlos herunterladen
Forschungsdesign wählen: Merkzettel für den Aufbau einer Studie
Die Planung einer explorativen Datenanalyse: dazu die Kette von der Forschungslücke bis zur Aussage, neun Designs mit Stärke und Grenze, die Wege der Erhebung, die Operationalisierung in sechs Schritten, die Gütekriterien und ein Raster für das eigene Design.
Explorative Datenanalyse in wissenschaftlichen Arbeiten einordnen
Die explorative Datenanalyse, kurz EDA, ermöglicht es, Einsicht in einen Datensatz zu gewinnen. Dabei können zugrunde liegende Strukturen, wichtige Variablen, Ausreißer und Anomalien untersucht, Annahmen geprüft sowie sparsame Modelle oder geeignete Faktoreinstellungen weiter betrachtet werden. Diese Ziele bilden den fachlichen Kern der Planung.
Für eine Studienarbeit oder einen wissenschaftlichen Text hält die Planung fest, welche Einsicht die Untersuchung liefern soll und mit welchen grafischen Schritten der Datensatz betrachtet wird. Benenne dazu den Datensatz, das Erkenntnisziel und die vorgesehenen Darstellungen. Die deskriptive Statistik kann als Bezugspunkt erscheinen, wenn Kennwerte oder Verteilungen beschrieben werden.
Beschränke dich auf jene Informationen und Grafiken, deren Prüfung du tatsächlich durchführen möchtest. Dokumentiere vielmehr, welches spezifische Wissen durch die gewählten Abbildungen ermittelt wird.
Der Plan kann eine einzelne Variable oder mehrere Variablen aufführen. Handelt es sich um einzelne Variablen, kann univariate Statistik in SPSS als inhaltlicher Bezugspunkt genutzt werden. Wenn zwei Variablen betrachtet werden, gib zusätzlich die Darstellungen und Beobachtungen an, die gegenübergestellt werden sollen. Verwende die Begriffe bivariate Statistik in SPSS und Korrelation in SPSS nur, wenn dein Text den jeweiligen nächsten Schritt ausdrücklich beschreibt.
Begriff, Merkmale und Bestandteile der EDA
Für die Planung einer explorativen Datenanalyse kann eine nachvollziehbare Reihenfolge hilfreich sein: Benenne zunächst das Erkenntnisziel und betrachte dann Strukturen, wichtige Variablen sowie Auffälligkeiten wie Ausreißer oder Anomalien. Prüfe anschließend, welche Annahmen oder weiterführenden Modelle und Faktoreinstellungen für die Fragestellung relevant sein können. Die Planung verbindet damit Ziel, Beobachtung und mögliche Weiterarbeit; die konkreten Schritte richten sich nach Datensatz und Fragestellung.
Ein zentrales Merkmal ist die grafische Darstellung von Rohdaten und einfachen statistischen Kennwerten. Für Rohdaten stehen beispielsweise Datenverläufe, Histogramme, Bihistogramme, Wahrscheinlichkeitsdiagramme, Lag-Diagramme, Blockdiagramme und Youden-Diagramme zur Verfügung. Einfache Kennwerte können mit Mittelwertdiagrammen, Standardabweichungsdiagrammen, Boxplots oder Diagrammen von Haupteffekten dargestellt werden. Wähle nur Darstellungen aus, die zur geplanten Untersuchung passen.
Ordne die Diagramme so an, dass sichtbare Muster gezielt betrachtet werden können, etwa durch mehrere Diagramme auf einer Seite. Beschreibe anschließend die sichtbare Beobachtung, ohne daraus unmittelbar eine Ursache oder ein Ergebnis abzuleiten.
Für Streuung und Auffälligkeiten kann der Hinweis auf Streuungsmaße und Boxplot in den Text passen. Nenne dabei immer die Beobachtung, die untersucht wird. Die qualitative und quantitative Forschung ist nicht Teil der hier beschriebenen EDA-Merkmale und sollte nur erscheinen, wenn der Text dafür eine eigene Einordnung enthält.
Statistiksoftware SPSS, R und jamovi gehört nicht zur Definition der EDA. Wenn du Programme erwähnst, kennzeichne sie als Werkzeuge für die geplante Darstellung. EDA ist ein Ansatz zur Datenanalyse; grafische Verfahren sind dafür wichtig, aber nicht mit EDA gleichzusetzen.
Schritt für Schritt zur Planung
- Ziel festlegen: Formuliere, welche Einsicht aus dem Datensatz gewonnen werden soll. Am Ende steht ein kurzer Untersuchungssatz, der den gewünschten Erkenntnisbereich benennt.
- Datensatz und Variablen markieren: Notiere, welche Variablen für die geplante Betrachtung wichtig sein sollen. Am Ende steht eine kurze Liste, die den Fokus der weiteren Darstellung festlegt.
- Rohdaten darstellen: Wähle eine passende grafische Darstellung aus den beschriebenen Verfahren, etwa ein Histogramm oder einen Datenverlauf. Am Ende hast du eine sichtbare Grundlage für die Suche nach Struktur und Auffälligkeiten.
- Einfache Kennwerte darstellen: Ergänze bei passender Fragestellung ein Mittelwertdiagramm, ein Standardabweichungsdiagramm, einen Boxplot oder ein Diagramm von Haupteffekten. Am Ende hast du eine geordnete Sicht auf die dargestellten Kennwerte.
- Muster vergleichen: Ordne die Diagramme so an, dass Muster leichter erkannt und miteinander betrachtet werden können. Am Ende stehen die relevanten Beobachtungen zusammen.
- Auffälligkeiten prüfen: Suche ausdrücklich nach Ausreißern und Anomalien. Am Ende steht eine dokumentierte Beobachtung: entweder eine markierte Auffälligkeit oder der Vermerk, dass an dieser Stelle keine Auffälligkeit beschrieben wird.
- Annahmen betrachten: Prüfe die Annahmen, die für die weitere Auswertung untersucht werden sollen. Am Ende weißt du klar, welche Annahme du anhand der Darstellung betrachtest.
- Weiterarbeit bestimmen: Prüfe, ob die Beobachtungen für ein sparsames Modell oder für geeignete Faktoreinstellungen weiter untersucht werden sollen. Am Ende steht die nächste Richtung, ohne ein Ergebnis vorwegzunehmen.
Wenn du die Analyse im Rahmen quantitativer Forschung beschreibst, nenne die ausgewählten Daten und Darstellungen. Den Ausdruck Hypothesentest verwende nur, wenn du den prüfenden Schritt gesondert beschreibst. Für eine Abschlussarbeit kann der Verweis auf Statistik in der Bachelorarbeit verwendet werden, wenn der Text die eigene geplante Auswertung benennt. Entscheidend bleibt, dass jeder Schritt ein sichtbares Ergebnis hat.
Kurzes durchgängiges Anwendungsbeispiel
In einem erfundenen Übungsbeispiel betrachtet eine Person einen Datensatz mit den Variablen Lernzeit pro Woche, Anzahl abgegebener Aufgaben und Ergebnis eines kurzen Tests. Die Frage lautet, welche auffälligen Werte und erkennbaren Muster sich in diesen drei Variablen zeigen. Die Person hält fest, dass sie zunächst keine Ursache für ein Muster behauptet. Ihr Arbeitsziel ist, die Datenstruktur zu erkunden, wichtige Variablen zu betrachten und mögliche Auffälligkeiten sichtbar zu machen.
Für die Lernzeit erstellt sie ein Histogramm. Für das Testergebnis zeichnet sie einen Boxplot und ergänzt eine Darstellung einfacher Kennwerte. Die Anzahl abgegebener Aufgaben stellt sie als Rohdaten dar. Anschließend ordnet sie die drei Darstellungen nebeneinander an. In diesem hypothetischen Beispiel zeigt das Histogramm mehrere Werte im mittleren Bereich und einen einzelnen hohen Wert bei der Lernzeit. Der Boxplot zum Testergebnis macht einen auffälligen Wert beim Testergebnis sichtbar. Die Rohdaten zur Aufgabenanzahl lassen erkennen, dass einige Einträge denselben Wert haben. Diese Beobachtungen beschreiben nur das, was in den Darstellungen zu sehen ist; sie erklären nicht, warum die Werte entstanden sind.
Danach notiert die Person einen Auswertungssatz: „Im Übungsdatensatz fällt bei der Lernzeit ein hoher Einzelwert auf; für das Testergebnis und die abgegebenen Aufgaben werden die sichtbaren Verteilungen und Auffälligkeiten weiter betrachtet.“ Als Nächstes betrachtet sie, ob die gewählten Darstellungen auf Ausreißer oder Anomalien hinweisen und welche Annahmen sie mit den Daten prüfen möchte. Falls die Struktur dafür Anlass gibt, kann sie außerdem entscheiden, ob ein sparsames Modell oder geeignete Faktoreinstellungen weiter untersucht werden sollen.
Steht zunächst nur eine Variable im Mittelpunkt, kann die Person den Ausdruck univariate Statistik in SPSS als thematische Ergänzung verwenden. Für die gemeinsame Betrachtung von Lernzeit und Testergebnis kann sie bivariate Statistik in SPSS nennen. Soll ein Zusammenhang als Nächstes untersucht werden, kann sie ihn mit Korrelation in SPSS benennen. Das Beispiel bleibt bei der Erkundung des Datensatzes: Es dokumentiert ausgewählte Variablen, grafische Darstellungen und hypothetische Beobachtungen, ohne aus ihnen eine Ursache oder ein Ergebnis abzuleiten.
Definition, Abgrenzung und formale Prüfung
Definitionsprüfung: Kontrolliere, ob der Text EDA als Untersuchung eines Datensatzes zum Gewinnen von Einsicht beschreibt. Prüfe außerdem, ob Struktur, wichtige Variablen, Ausreißer, Anomalien, Annahmen, sparsame Modelle oder Faktoreinstellungen als Untersuchungsziel sichtbar sind. Fehlt der Bezug, ergänze den geplanten Erkenntnisschritt.
Merkmalsprüfung: Suche nach den grafischen Verfahren. Der Text soll zwischen Rohdaten und einfachen statistischen Kennwerten unterscheiden. Prüfe außerdem, ob die Anordnung der Darstellungen die Mustererkennung unterstützen soll.
Anwendungsprüfung: Prüfe, ob Ziel, Variablen, Darstellung, Muster, Auffälligkeiten, Annahmen und Weiterarbeit in einer logischen Reihenfolge erscheinen. Halte zu jedem Schritt fest, welches Ergebnis oder welche nächste Entscheidung daraus folgt. Statistiksoftware SPSS, R und jamovi dient dabei als Werkzeugauswahl, nicht als Aussage über eine bestimmte Wirkung.
Abgrenzungsprüfung: Wenn der Text auch einen Hypothesentest nennt, prüfe, ob der prüfende Schritt getrennt von der explorativen Untersuchung beschrieben wird. Ordne EDA dem Gewinnen von Einsicht, dem Untersuchen von Struktur und wichtigen Variablen sowie dem Erkennen von Auffälligkeiten und dem Prüfen von Annahmen zu. Leite aus dieser Beschreibung keine vollständige Abgrenzung zwischen qualitative und quantitative Forschung ab.
Formale Prüfung: Kontrolliere abschließend, ob die Überschrift die Aufgabe verständlich benennt, jeder Abschnitt einen eigenen Beitrag leistet und die genannten Diagramme zum beschriebenen Ziel passen. Prüfe außerdem, ob die Stichwörter im Fließtext natürlich vorkommen. Bei Statistik in der Bachelorarbeit beschreibt der Text die tatsächlich geplante Auswertung.
Quellen und Stand
- 1.1.1. What is EDA?: National Institute of Standards and Technology (NIST)