Statistik-Pakete - Methodische
Anforderungen
Vorschläge
Kriterien-Checkliste
von Rudolf Sponsel, Erlangen
| Die Computerisierung der Wissenschaft hat viele Annehmlichkeiten für ForscherInnen, DatenverarbeiterInnen und AnwenderInnen mit sich gebracht. Rechneten Thurstone und seine MitarbeiterInnen noch Monate an einer Faktorenanalyse, so ist dies heute nicht selten binnen einer Sekunde erledigt. |
| Doch hat Rechnen von Hand ("zu Fuß") auch seine Vorteile: man bekommt ein Gefühl für die Zahlen und versteht den ganzen Prozeß mitunter sehr viel besser. Schon die Verbreitung der Taschenrechner führt bei nicht wenigen SchülerInnen dazu, daß sie das Einmaleins nicht mehr richtig beherrschen und womöglich daraufhin noch eine praktische Rechenschwäche - mangels Übung - entwickeln. |
| Die Produktion der Statistikpakete hat also den Vorteil, daß das mühsame Zählen, Rechnen und Datenverarbeiten technisch sehr einfach geworden ist. Auch das lästige Verrechnen dürfte zurückgegangen sein. Statistisch forschen und Datenverarbeiten ist auch "demokratischer" geworden, weil die Preise inzwischen für nicht wenige erschwinglich sind und an den Bildungstätten sogar kostenlos zur Verfügung stehen. Im Prinzip sind damit auch die Kontrollmöglichkeiten viel einfacher geworden, wenn WissenschaftlerInnen und AnwenderInnen ihre Daten zur Verfügung stellen. Damit sollte der gern schamhaft verschwiegene Betrug ("Daten frisieren") in den Wissenschaften und ihren Anwendungen schwieriger geworden sein. Leider muß man sagen, daß die Statistik-Pakete aber auch die umgekehrten Effekte erleichtern und fördern. |
| Denn die modernen Statistik- Pakete sind für den Verkauf und daher für möglichst viele AnwenderInnen gemacht. Wer forscht und anwendet, der will, daß etwas rauskommt. Problematisierungen und Warnungen stören hier eher. Also sind die verkaufsorientierten Pakete bemüht, der AnwenderIn positiv verwertbare Ergebnisse zu liefern. |
| Obwohl die Widerlegung oder Nichtbestätigbarkeit einer Hypothese wissenschaftlich genauso wertvoll wie eine Bestätigung ist, wird dies in der Welt des schönen Scheins, wo Positivdenken und Optimismus die anglo-amerikanisch dominierte Statistik- Szenerie (Glosse; bissige Kritik) beherrschen, in der Veröffentlichungspraxis der Wisssenschaftsgemeinde meist nicht so gesehen. Obwohl der Signifikanztest meist völlig inhaltsleer und hohl ist und nicht mehr sagt als daß es einen (meist) oder keinen (selten) Unterschied gibt, je nachdem wogegen man testet, gibt es kaum eine statistische Veröffentlichung, die ihn nicht anwendet. Hingegen wird meist schamlos oder schamhaft verschwiegen, je nach Einstellung der ForscherIn oder AnwenderIn, ob die Voraussetzungen denn erfüllt waren und warum man trotzdem rechnete, wenn sie nicht erfüllt waren. Hier könnten die Statistikpakete eine wissenschaftlich segensreiche Entwicklung verstärkt mit auf den Weg bringen und fördern, wenn zu den entsprechenden Verfahren die Voraussetzungen, Probleme und Tücken mitgeteilt würden. |
| Bei Ausgabe dieser Informationen zu den Voraussetzungen der Verfahren würde sich das Veröffentlichungsniveau sehr schnell heben und die allgemeine Verwahrlosung in der sozialwissenschaftlich- statistischen Veröffentlichungspraxis stärker zurückbilden. Was sollten Statistik-Pakete nach diesen Grundkriterien leisten? |
Kriterien-Check-Liste
("TÜV") für Statistik- Pakete
|
Bekannte
und verbreitete Statistikpakete:
ALMO * Omikron-Basic-Library
* SAS
* SPSS * STATA
(KA)
* Statistica * Statistiklabor
* Statistics
Toolbox (Matlab) * Überblicke: 1,2,3,4,5,
*
| Suchen in der IP-GIPT,
z.B. mit Hilfe von "google": <suchbegriff>
site:www.sgipt.org
z.B. Statistik site:www.sgipt.org. |