Umfrage — Umfrageforschung
- Eingeführt von
- Francis Galton, Charles Booth, and early social statisticians; formalised by Paul Lazarsfeld in the 1940s
- Jahr
- Late 19th century; systematic social-science use from 1940s
- Typ
- Quantitative (primarily) or mixed-methods data-collection instrument
- Familie
- Data collection
Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen
Was leistet sie?
Eine Umfrage ist eine systematische Datenerhebungsmethode, bei der einer Stichprobe von Befragten ein standardisierter Satz von Fragen vorgelegt wird, um Einstellungen, Verhaltensweisen, demografische Merkmale oder andere Konstrukte zu messen.
Umfragen können über Papier, Telefon, Online-Plattformen oder persönlich durchgeführt werden. Sie gehören zu den am weitesten verbreiteten Instrumenten in der Sozial-, Verhaltens-, Gesundheits- und Bildungsforschung, da sie große, geografisch verteilte Stichproben zu relativ geringen Kosten erreichen können.
Die Intuition hinter der Methode
Betrachten Sie eine Umfrage als eine Schnappschussmaschine: Sie erfasst den Zustand einer definierten Population zu einem bestimmten Zeitpunkt, indem sie allen die gleichen Fragen auf die gleiche Weise stellt. Der Schlüsselwert ist die Standardisierung – jeder Befragte erhält identische Reize, sodass Antworten aggregiert und verglichen werden können. Im Gegensatz zu einem Tiefeninterview tauscht die Umfrage Tiefe des Verständnisses gegen Breite der Abdeckung. Ein gut gestaltetes Umfrageinstrument, das ordnungsgemäß pilotiert und an eine repräsentative Stichprobe verabreicht wird, ermöglicht es Forschern, aus einer überschaubaren Anzahl abgeschlossener Antworten Rückschlüsse auf eine viel größere Population zu ziehen.
Geschichte
Systematische Sozialumfragen entstanden im späten 19. Jahrhundert durch die Armutsstudien von Charles Booth (1889) und Seebohm Rowntree (1901) in England. Paul Lazarsfeld von der Columbia University formalisierte die Umfragemethodik in den 1940er Jahren als Werkzeug der Sozialwissenschaften und etablierte die Stichprobentheorie und Techniken zur Einstellungsmessung. Rensis Likert führte 1932 seine gleichnamige Antwortskala ein. Das Wachstum der Telefonstichproben in den 1970er–1980er Jahren und des Internets in den 1990er–2000er Jahren transformierte die Umfragedurchführung; Don Dillmans Tailored Design Method wurde zum dominierenden praktischen Rahmen für die Maximierung der Rücklaufquoten über verschiedene Modi hinweg.
Wann wird sie eingesetzt?
Verwenden Sie eine Umfrage, wenn Sie die Verteilung von Einstellungen, Verhaltensweisen oder Merkmalen in einer definierten Population beschreiben oder Beziehungen zwischen Variablen in einer großen Stichprobe testen möchten. Umfragen eignen sich besonders für Querschnittsstudien zur Prävalenz, Bedarfsanalysen, Programmevaluierungen und Hypothesentests in der Sozial- oder Gesundheitsforschung. Verwenden Sie keine Umfrage, wenn die Forschungsfrage eine tiefgehende Exploration gelebter Erfahrungen erfordert (verwenden Sie stattdessen Phänomenologie oder Tiefeninterviews), wenn die interessierenden Konstrukte sich der Selbstauskunft entziehen (verwenden Sie Beobachtungs- oder physiologische Messungen) oder wenn die Zielpopulation über keine Umfragemethode zuverlässig erreicht werden kann. Vermeiden Sie Umfragen für kausale Schlussfolgerungen ohne Längsschnitt- oder experimentelle Designs.
Grenzen und Hinweise
- Selbstauskunftsdaten unterliegen Verzerrungen durch soziale Erwünschtheit, Erinnerungsfehler und Akquieszenz-Bias.
- Feste Antwortoptionen erfassen möglicherweise nicht die volle Komplexität oder Nuancierung der Ansichten der Befragten.
- Querschnittsumfragen stellen Assoziationen, aber keine Kausalität fest; Längsschnittdesigns sind für zeitliche Schlussfolgerungen erforderlich.
- Niedrige Rücklaufquoten – häufig bei Online-Umfragen – führen zu Non-Response-Bias und gefährden die Generalisierbarkeit.
- Frageformulierungseffekte können Ergebnisse erheblich verzerren, wenn Items schlecht formuliert sind.
Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.
Stärken
- Erreicht große, geografisch verteilte Stichproben effizient und zu relativ geringen Kosten.
- Standardisierte Fragen gewährleisten die Vergleichbarkeit der Antworten über Befragte und über die Zeit hinweg.
- Flexibel in der Durchführungsmethode (Papier, Telefon, Online, persönlich), um verschiedenen Populationen und Budgets gerecht zu werden.
- Geeignet für statistische Generalisierung, wenn Wahrscheinlichkeitsstichproben verwendet werden.
- Kann gleichzeitig mehrere Konstrukte und deren Wechselbeziehungen messen.
- Etablierte psychometrische Werkzeuge (Cronbachs Alpha, Faktorenanalyse) unterstützen eine rigorose Validitäts- und Reliabilitätsbewertung.
Anwendungen
- Nationale Volkszählungen und bevölkerungsgesundheitliche Umfragen zur Messung der Krankheitsprävalenz, von Risikoverhalten und der Inanspruchnahme von Gesundheitsleistungen.
- Bildungsstudien zur Untersuchung des studentischen Engagements, der Lernergebnisse oder der Zufriedenheit der Fakultät über verschiedene Institutionen hinweg.
- Organisations- und HR-Forschung zu Mitarbeitereinstellungen, Arbeitszufriedenheit und Arbeitsplatzklima.
- Marktforschung und Verbraucherverhaltensstudien zur Erfassung von Produktpräferenzen und Kaufabsichten.
- Politische Umfragen und Wahlprognosen zur Verfolgung von Wählerhaltungen und -absichten.
- Programmevaluierungsstudien zur Bewertung der Teilnehmerzufriedenheit und der selbstberichteten Ergebnisse nach einer Intervention.
So funktioniert es
So funktioniert es
Spezifizieren Sie die Forschungsfragen, die Zielpopulation und die zu messenden Konstrukte. Bestimmen Sie, ob die Studie Querschnittsstudie (ein Zeitpunkt) oder Längsschnittstudie (mehrere Wellen) ist. Entscheiden Sie sich für die Stichprobenstrategie – Wahrscheinlichkeitsstichprobe (z. B. einfache Zufallsstichprobe, geschichtete Stichprobe, Klumpenstichprobe) oder Nicht-Wahrscheinlichkeitsstichprobe (z. B. Gelegenheitsstichprobe, gezielte Stichprobe) – und berechnen Sie die erforderliche Stichprobengröße, um die gewünschte Power und Präzision zu erreichen.
Entwickeln Sie den Fragebogen, indem Sie Items für jedes Konstrukt auswählen oder erstellen. Passen Sie das Item-Format an das Konstrukt an: Likert-Skalen für Einstellungen, semantische Differentiale für Wahrnehmungen, Multiple-Choice- oder Rangordnungs-Items für Präferenzen und offene Items, wenn explorative Tiefe erforderlich ist. Achten Sie auf die Formulierung der Fragen (vermeiden Sie doppeldeutige, suggestiv oder mehrdeutige Items), die Beschriftung der Antwortskalen und die Länge des Fragebogens. Validieren Sie Items nach Möglichkeit anhand etablierter Skalen.
Verabreichen Sie den Entwurf des Fragebogens an eine kleine Gelegenheitsstichprobe (typischerweise 10–30 Personen aus der Zielpopulation), um unklare Formulierungen, Fehler in der Sprunglogik, übermäßige Bearbeitungszeit und technische Probleme (bei Online-Umfragen) zu erkennen. Überarbeiten Sie die Items basierend auf dem Feedback aus kognitiven Interviews und prüfen Sie die Inter-Item-Korrelationen oder Faktorladungen als vorläufigen Beleg für die Konstruktvalidität.
Setzen Sie die finalisierte Umfrage mit der gewählten Methode (online, postalisch, telefonisch oder persönlich) bei der ausgewählten Stichprobe ein. Maximieren Sie die Rücklaufquote durch personalisierte Anschreiben, Erinnerungen und Anreize, wo angebracht. Verfolgen Sie die Rücklaufquoten und vergleichen Sie frühe mit späten Befragten oder Befragte mit bekannten Populationsmerkmalen, um Non-Response-Bias zu bewerten.
Bereinigen Sie die Daten, indem Sie fehlende Werte und Werte außerhalb des zulässigen Bereichs behandeln, und werten Sie dann zusammengesetzte Skalen aus. Führen Sie deskriptive Statistiken für jede Variable durch, bewerten Sie die Reliabilität (z. B. Cronbachs Alpha) für Skalen mit mehreren Items und wenden Sie Inferenzmethoden an, die auf die Forschungsfragen zugeschnitten sind – Häufigkeiten und Chi-Quadrat für kategoriale Ergebnisse, t-Tests und ANOVA für Gruppenvergleiche, Regression oder SEM für erklärende Modelle.
Häufige Fallstricke
- Ignorieren von Non-Response-Bias – das Versäumnis, Befragte und Nicht-Befragte anhand verfügbarer Merkmale zu vergleichen, bedeutet, dass die erreichte Stichprobe die Population systematisch falsch darstellen kann.
- Übermäßig lange Fragebögen – Umfragen, die eine Bearbeitungszeit von 15–20 Minuten überschreiten, weisen deutlich höhere Abbruchquoten und geringere Datenqualität auf; priorisieren Sie die für die Forschungsfragen wesentlichen Konstrukte.
- Verwendung nicht validierter Skalen – die Erstellung von Ad-hoc-Items ohne Pilotierung oder psychometrische Tests liefert Messungen unbekannter Reliabilität und Validität; bevorzugen Sie etablierte Instrumente, wo sie existieren.
- Vermischung von Assoziation und Kausalität – die Darstellung von Umfragekorrelationen als kausale Beziehungen ohne entsprechende Designkontrollen oder Längsschnittdaten ist eine häufige Fehlinterpretation.
- Vernachlässigung von Reihenfolgeeffekten bei Items – die Reihenfolge der Fragen kann Befragte beeinflussen; sensible Items, die früh platziert werden, können Antworten auf spätere Items verändern.
Häufig gestellte Fragen
Wie groß muss meine Stichprobe sein?
Die Stichprobengröße hängt vom gewünschten Fehlerbereich, dem Konfidenzniveau, der erwarteten Effektgröße und dem Analyseplan ab. Für beschreibende Umfragen, die einen Anteil schätzen, lautet die Standardformel n = z²p(1-p)/e², wobei z der z-Wert für das Konfidenzniveau, p der geschätzte Anteil und e der Fehlerbereich ist. Für analytische Umfragen, die Beziehungen testen, ist eine a-priori-Power-Analyse basierend auf dem geplanten statistischen Test vorzuziehen. Online-Rechner (z. B. G*Power) automatisieren diese Berechnungen. Gelegenheitsstichprobengrößen, die in der Studenten Forschung üblich sind (100–300), sind oft für Untergruppenanalysen unterpowert.
Welche Rücklaufquote ist akzeptabel?
Es gibt keine universelle Schwelle. Online-Umfragen erreichen häufig 20–40 %, Postumfragen 50–60 %, und Telefonumfragen sind stark zurückgegangen. Die wichtigere Frage ist, ob die Nichtbeantwortung zufällig oder systematisch ist. Selbst eine Rücklaufquote von 20 % kann akzeptabel sein, wenn Sie nachweisen können, dass sich die Befragten in Bezug auf Schlüsselvariablen nicht von den Nicht-Befragten unterscheiden; umgekehrt ist eine Rücklaufquote von 70 % immer noch problematisch, wenn die fehlenden 30 % systematisch unterschiedlich sind.
Kann ich offene und geschlossene Fragen mischen?
Ja, und das ist gängige Praxis. Geschlossene Items liefern quantifizierbare Daten; offene Items fügen kontextuelle Tiefe hinzu und ermöglichen unerwartete Antworten. Offene Items erhöhen jedoch die Bearbeitungszeit erheblich und generieren Textdaten, die qualitativ kodiert werden müssen. Beschränken Sie offene Items auf die Konstrukte, bei denen feste Optionen den Antwortbereich wirklich nicht erfassen können.
Wann sollte ich eine Likert-Skala anstelle einer visuellen Analogskala verwenden?
Likert-Skalen (typischerweise 5 oder 7 beschriftete Antwortpunkte) sind einfach zu verabreichen und auszuwerten, und ihre psychometrischen Eigenschaften sind gut verstanden. Visuelle Analogskalen (kontinuierliche 0–100 Linien) bieten eine feinere Diskriminierung und sind in der Schmerz- und Gesundheitsforschung üblich. Likert-Skalen eignen sich für die meisten Sozial- und Verhaltensforschung; visuelle Analogskalen sind vorzuziehen, wenn die Erfassung kleiner Veränderungen innerhalb von Individuen über die Zeit die Priorität hat.
Wie unterscheidet sich eine Umfrage von einem strukturierten Interview?
Bei einer Umfrage liest und vervollständigt der Befragte den Fragebogen ohne Anwesenheit eines Interviewers. Bei einem strukturierten Interview werden die gleichen festen Fragen mündlich von einem Interviewer gestellt. Umfragen erreichen größere Stichproben zu geringeren Kosten; strukturierte Interviews erzielen höhere Abschlussquoten und können verwirrende Items klären, sind aber ressourcenintensiver und führen zu Interviewereffekten.
Verwandte Methoden
Quellen
Dillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method (4th ed.). Wiley.
ISBN: 978-1118456149Kopiert.Fowler, F. J. (2013). Survey Research Methods (5th ed.). Sage.
ISBN: 978-1452259000Kopiert.