Quantitative Forschung verwendet quantitative Methoden und quantitative statistische Inferenz mit dem Ziel, die Ergebnisse einer Stichprobe auf eine Grundgesamtheit zu extrapolieren.
Quantitative Forschung analysiert im Gegensatz zu qualitativer Forschung eine große Menge an Daten. Darüber hinaus untersucht es quantitative Variablen, dh numerische. Diese erhalten ihre ganze Bedeutung, wenn sie durch Korrelationen, Regressionen oder Hypothesentests mit anderen in Beziehung gesetzt werden.
Bedeutung quantitativer Forschung
Quantitative Forschung ist die einzige, die Schlussfolgerungen ziehen kann, die auf eine größere Gruppe als die untersuchte extrapoliert werden können. Daher ist ihre Bedeutung vor allem deshalb so wichtig, weil sie eine Verallgemeinerung ermöglicht. Tatsächlich zielen Hypothesentests oder Regressionen darauf ab, Ergebnisse aus einer Stichprobe zu erhalten, die der Bevölkerung dient.
Aber das bedeutet nicht, dass das Qualitative eine niedrigere hierarchische Stellung einnimmt. Tatsächlich ist dies normalerweise der erste Schritt vor quantitativen Untersuchungen durch explorative Untersuchungen.
Wenn wir jedoch eine schlüssige Studie durchführen wollen, müssen wir numerische Daten verwenden. Außerdem muss man mit großen Stichproben arbeiten, denn nur dann kann man auf diese schließen.
Schritte zur Durchführung einer quantitativen Untersuchung
Die Schritte zur Durchführung einer quantitativen Untersuchung sind denen ähnlich, die in anderen wie deskriptiven Untersuchungen durchgeführt werden. Von letzteren unterscheiden sie sich jedoch dadurch, dass sie noch einen Schritt weiter gehen und sich nicht mit bloßem Beschreiben begnügen.
Sehen wir uns die folgenden Schritte an:
- Definiere das Problem: Zuerst müssen Sie das Problem definieren. Was wollen wir wissen, warum wir diese Informationen benötigen oder was sind die bisherigen Studien zu diesem Thema.
- Methodik: Zweitens müssen Sie die Methodik auswählen. Basierend auf dem oben Gesagten müssen wir die zu verwendenden Techniken auswählen. So können wir eine Regression durchführen, wenn wir die Bewegung einer Variablen in Bezug auf andere wissen wollen, oder einen Hypothesentest, wenn wir die Ergebnisse durch statistische Inferenz extrapolieren wollen.
- Analyse: Drittens müssen Sie die Analyse durchführen. In diesem Fall ist eine Statistiksoftware wie SPSS oder ähnliches eine große Hilfe. Sie müssen die Berechnungen durchführen und die Indikatoren für Anpassungsgüte, Konfidenzintervalle, Signifikanz oder andere erforderliche Indikatoren erhalten.
- Interpretation der Ergebnisse: Schließlich müssen Sie diese Ergebnisse interpretieren. Die Anpassungsgüte, da das R-Quadrat das bekannteste ist, informiert uns über die Vorhersagekraft der Regression. Konfidenzintervalle und die Bedeutung der Validität des Hypothesentests
Beispiel für quantitative Forschung
Stellen Sie sich eine Untersuchung des Wirtschaftswachstums (BIP) eines Landes und der Arbeitslosigkeit vor. Wir wollen wissen, ob es einen Zusammenhang zwischen beiden Variablen gibt. Darüber hinaus zeigen frühere Studien eine mögliche inverse Korrelation zwischen beiden Variablen. Daher führen wir eine Regression durch, um dies zu bestätigen.
Im Bild unten zeigen wir den folgenden Prozess:
Angesichts dieses Bildes müssen wir betonen, dass quantitative Forschung in der Regel vier Schritte umfasst:
- Zunächst fragen wir uns, ob es einen Zusammenhang zwischen den Variablen BIP und Arbeitslosigkeit gibt.
- Dann schlagen wir die Methodik unter Berücksichtigung anderer Arbeiten vor.
- Dann werden die Regressionsrechnungen mit ihren Indikatoren durchgeführt.
- Schließlich wird es interpretiert und in diesem Beispiel schließen wir, dass es existiert, aber nicht intensiv ist.