BEWUßTSEINS- UND ORGANISATIONSENTWICKLUNG

245
1. Die im Modell formal erfaßbaren Wahrscheinlichkeiten des Fehlers 1.
Art (α) und des Fehlers 2. Art (β). Im Anwendungsfall kann nur das
Signifikanzniveau α konkret bestimmt werden.
2. Die mit der Anwendung von Modellen verbundenen Fehlerwahrscheinlichkeiten,
die nicht Teil der Modellierung sind. Diese Fehler sind nur
qualitativ erfaßbar und zu deuten.
Es ist die Regel, daß der modellinterne Teil der Fehlerwahrscheinlichkeiten
in seiner Gesamthöhe unterschätzt wird und teilweise nicht berechnet
wird. 647 Aus wahrscheinlichkeitstheoretischer Sicht werden dann die
Bedeutung, die Reichweite und die Sicherheit der Modelle und der
abgeleiteten Schlußfolgerungen in der Anwendungspraxis überschätzt und
fehlinterpretiert. Es ist ebenso die Regel, daß Fehler und deren Wahrscheinlichkeiten,
die sich der Modellierung entziehen, ignoriert werden.
Weiterhin kann das fast durchgängig vorausgesetzte Ideal der Zufallsstichprobe
648 in empirischen Untersuchungen bestenfalls näherungsweise
erreicht werden. In der Regel ist man weit von einer Zufallsstichprobe
entfernt.
Darüber hinaus besteht eine Vielzahl von Wahlmöglichkeiten hinsichtlich
der statistischen Algorithmen bei den meisten der multivariaten Verfahren,
die in den empirischen Sozialwissenschaften eingesetzt werden. Typische
Beispiele dafür sind die Wahlfreiheit hinsichtlich der Anzahl der Iterationsschritte
649 in sämtlichen multivariaten Verfahren 650 , der formalisierten und
informellen Kriterien zur Bestimmung der Anzahl der Faktoren der
Faktorenanalyse 651 , der Faktorenextraktionsmethode und der Rotationsme-
647 Die Wahrscheinlichkeit ß für den Fehler zweiter Art ist in Anwendungsfällen konkret nicht zu
bestimmen. Sie kann jedoch als Gütekriterium für die Trennschärfe von Tests herangezogen
werden. (Vgl. Bamberg 1993, S. 180 ff.) Nach meiner Erfahrung beschränkt man sich in der
Praxis hinsichtlich der Fehlerwahrscheinlichkeit jedoch auf das Signifikanzniveau α, das die
Wahrscheinlichkeit für den Fehler 1. Art angibt. In Anwendungsfällen ist es üblich, aus einer
hohen Signifikanz (α ist in diesem Fall klein) eines Hypothesentests bzw. eines induktiven
Schätzverfahrens eine geringe Fehlerwahrscheinlichkeit der vorgelegten Statistiken abzuleiten.
Weil mit sinkendem α zugleich ß wächst ist diese Schlußfolgerung ohne weitere Berechnungen
nicht zulässig und kann falsch sein.
648 Die Annahme der Zufallsauswahl gilt für das gesamte Feld der schließenden (induktiven)
Statistik. Induktive Statistik wird immer dann angewendet, wenn mit Signifikanzen bzw.
statistischen Tests oder Intervallschätzungen argumentiert wird. (Vgl. Bamberg, 1993, S. 135 ff.)
649 Die Rechenalgorithmen sind so programmiert, daß sie wiederholt durchlaufen werden. Die
Berechnungen werden beendet, wenn weitere Berechnungsschritte nicht mehr zu relevanten
Änderungen der numerischen Lösung des Modells führen bzw. wenn die vom Benutzer
vorgegebene Obergrenze der Anzahl von Rechenschritten erreicht ist.
650 Regressionsanalyse, Faktorenanalyse, multiple Varianzanalyse, usw.
651 Die Faktorenanalyse wird benutzt, um eine große Anzahl von „Objekteigenschaften“ rechnerisch
auf wenige leichter zu interpretierende Faktoren zu reduzieren.
Beispiel: Das Image einer Produktorganisation wurde mit Hilfe einer standardisierten Befragung
erhoben. Es wurden 40 Fragen zur Organisation gestellt. Diese betrafen Themen wie die
Freundlichkeit des telefonischen Kundenservices, der Fortschrittlichkeit der Produkttechnik, der
Geschwindigkeit der Bearbeitung von Aufträgen, der Fehlerrate bei Serviceaufträgen usw. Diese