Jochen Mayerl

Im Rahmen dieses essentials legen die Autoren das Augenmerk auf die Besonderheiten des Umgangs mit kleinen und großen Datenmengen in der Sportwissenschaft. Kurz und überblickartig wird dargestellt, welche Designs im Rahmen von Single-Case-Studies zum Einsatz gelangen können und wie solche Studien ausgewertet werden. Weiterhin wird erläutert, wie man die beste wissenschaftliche Evidenz in die (medizinische) Praxis integriert und wie im Rahmen von Forschungsprojekten die erhobenen Daten gesichert und öffentlich zugänglich gemacht werden. Darüber hinaus wird dargestellt, was alles unter dem Begriff Big Data subsumiert wird und welche Möglichkeiten und Grenzen für die Wissenschaft mit Big Data verbunden sind.

Studieren Sie Sportwissenschaft, sehen Sie Ihren Fokus in erster Linie in der praktischen Anwendung Ihres Wissens und sind wahrscheinlich überrascht, dass Sie sich in Ihrem Studium oder in einer weiteren Qualifikation nun erneut mit Mathematik und Statistik auseinandersetzen müssen. Haben Sie mit Schrecken festgestellt, dass Statistik auch hier zum unverzichtbaren Handwerkszeug gehört, will dieses Buch Sie motivieren, die Grundlagen der Methoden und der Statistik im Sport zu verstehen, Wissenslücken zu schließen und zu erkennen, dass empirisches Arbeiten keine Zauberei ist. Die Autoren vermitteln Hintergründe zur Verortung der Sportwissenschaft im wissenschaftlichen Kontext und erklären darauf aufbauend die Grundbegriffe und Arbeitsschritte bei der Durchführung, Auswertung und Beurteilung wissenschaftlicher Studien. Sie finden hier fundierte Tipps, wie Sie die richtige Forschungsfrage stellen, wie Sie Daten sammeln und aufbereiten, wann Sie welches statistische Verfahren rechnen und wie Sie die Standards guter wissenschaftlicher Praxis umsetzen können. Alle Ausführungen sind leicht verständlich formuliert und mit einer Vielzahl von realen Beispielen aus der Sportwissenschaft verdeutlicht. Dieses Buch bietet Ihnen eine gute Unterstützung, die empirischen Herausforderungen Ihres Studiums zu bewältigen - sei es beim Verstehen von Studien, sei es bei der Erstellung der ersten Hausarbeit mit echten Daten oder bei dem Verfassen Ihrer Abschlussarbeit.

Das Lehrbuch erläutert die Durchführung und Interpretation von klassischen Regressionsanalysen (nach der OLS-Methode) und von logistischen Regressions­analysen (nach der ML-Methode). Im Text wird insbesondere auf die Überprüfung der Anwendungsvoraussetzungen von Regressionsschätzungen eingegangen. Auch werden typische Fehlschlüsse und häufig anzutreffende Fehlinterpretationen behandelt (u.a. bei Determinationskoeffizienten, bei standardisierten Regressionskoeffi­zienten und bei zentrierten Effekten). Zudem werden erweiterte Verfahren wie z. B. Teststärkeanalysen, Regressionen mit Dummy-Variablen und Modellschätzungen mit Moderator- und Mediatorvariablen erläutert. Die Form der Darstellung ist praxisorientiert. Alle Verfahren werden an Beispielen erläutert (inkl. der für die Praxis erforderlichen SPSS-Anweisungen). Neu in der fünften Auflage sind (u.a.):Regressionsanalyse bei fehlenden WertenBootstrapping in der RegressionsanalyseBerechnung durchschnittlicher marginaler Effekte (AME) mit SPSS. Die AutorenDr. Dieter Urban ist Professor für Soziologie am Institut für Sozialwissenschaften der Universität Stuttgart. Dr. Jochen Mayerl ist Juniorprofessor am Fachbereich Sozialwissenschaften der TU Kaiserslautern.

Die Strukturgleichungsmodellierung (SEM) ist eines der prominentesten und fortgeschrittensten Verfahren der human- und sozialwissenschaftlichen Datenanalyse. Der Ratgeber liefert Informationen zu häufig auftretenden Problemen und Schwierigkeiten bei der Anwendung dieser Methodik. Alle Erläuterungen sind praxis- und problemorientiert. Formal-statistische Hintergründe werden bewusst so knapp wie möglich beschrieben. Zu den Inhalten des Ratgebers gehören u.a. Informationen zur richtigen Bestimmung von Messmodellen, zur Auswahl von geeigneten Verfahren der Modellschätzung und zur Interpretation von Schätzergebnissen. Zudem werden Tipps für verschiedene Varianten der SEM-Analyse gegeben (u.a. zu Längsschnittmodellen, Bootstrapping und Monte-Carlo Simulationen, zur Schätzung latenter Mittelwerte, zu non-rekursiven Modellen und zur Multigruppenanalyse).

Die Erklärung sozialen Verhaltens nimmt in den Sozialwissenschaften eine zentrale Stellung ein. Als wichtigste Erklärungsansätze gelten einerseits die Einstellungs-Verhaltens-Forschung mit der Unterscheidung eines spontanen und überlegten Informationsverarbeitungsmodus und andererseits Framing-Modelle im Kontext der modernen Rational Choice Theorie. In der Arbeit wird ein integratives Framing-Modell entwickelt und empirisch getestet, welches die theoretischen und empirischen Vorzüge von Einstellungs-Verhaltens-Modellen und der Rational Choice Theorie nach Maßgabe höchst möglicher Kompatibilität vereint. Die entwickelten theoretischen Annahmen werden zudem einer survey-basierten empirisch-statistischen Überprüfung im Themenbereich des Spendenverhaltens unterzogen.

Das Buch erläutert das „Wie und Warum“ der Messung und Analyse von Antwortreaktionszeiten für computergestützte Bevölkerungsumfragen. Verfahren zur empirischen Erhebung von Antwortreaktionszeiten (z. B. aktive oder passive Zeitmessmethoden) werden ebenso erläutert wie statistische Methoden zur Behandlung und Bereinigung der erhobenen Reaktionszeiten (z. B. Operationalisierung und Kontrolle individueller Basisgeschwindigkeiten und statistische Identifizierung ungültiger Zeitmessungen). Das Buch beschreibt viele Anwendungsbeispiele von Reaktionszeitanalysen aus der aktuellen Forschungspraxis. Anwendungen aus der Einstellungs- und Verhaltensforschung und der Untersuchung von Befragtenverhalten (z. B. Aufdecken von Response-Effekten) verdeutlichen, welch vielfältige Möglichkeiten die Auswertung von Reaktionszeitmessungen zur Verbesserung von Survey-Analysen eröffnet.