Datenauswertung

• Wie oft haben Ihre Mitarbeitenden „meist zufrieden“ angekreuzt?
• Wie zufrieden sind Ihre Mitarbeitenden im Durchschnitt?
• Wie zufrieden ist der unzufriedenste Mitarbeiter, wie zufrieden die zufriedenste Mitarbeiterin?

• Wie hängt die Zufriedenheit der Mitarbeitenden z. B. damit zusammen, wie lange sie täglich arbeiten?
• Gibt es einen negativen oder einen positiven Zusammenhang zwischen der Zufriedenheit und z. B. damit, wie lange sie schon im Unternehmen sind – oder gar keinen?
• Wie stark sind diese Zusammenhänge? Könnten sie auch zufällig sein?

• Wie gut kann z. B. die tägliche Arbeitszeit der Mitarbeitenden voraussagen, wie zufrieden sie sind?
• Wie gut können z. B. auch Alter und Geschlecht dies voraussagen, oder alle Faktoren in Kombination?
• Kann die Leistungsbereitschaft in Abhängigkeit von der täglichen Arbeitszeit voraussagen, wie zufrieden die Mitarbeitenden sind?
• Wie groß sind diese Effekte, und sind sie eher zufällig – oder nicht?
• Vielleicht hat ein Mitarbeiter bei jeder Frage immer niedrige Werte angekreuzt, oder war viel schneller als die anderen. Vielleicht war eine Mitarbeiterin besonders langsam oder hat Antworten gegeben, die in Kombination ungewöhnlich sind. Oder sie ist die jüngste Teilnehmerin und man kann vermuten, dass ihr Alter ihre Antworten beeinflusst. Solche individuellen Unterschiede können eingerechnet werden, sodass sie die Ergebnisse nicht verzerren.

Vielleicht haben Sie eine Hypothese aufgestellt wie „Wie lange ein/e Mitarbeitende schon dabei ist, beeinflusst, wie zufrieden er/sie ist.“ Mit den linearen oder logistischen Regressionen können Sie testen, ob es diesen Zusammenhang – rein rechnerisch – gibt.
Die frequentistischen Regressionen können jedoch nicht das Gegenteil für Sie testen, nämlich: „Wie lang ein/e Mitarbeitende schon dabei ist, wirkt sich auf die Zufriedenheit nicht aus.“ So eine Theorie nach dem Muster „wir finden nichts, es gibt keinen Zusammenhang“ heißt Nullhypothese.

Bayes’sche Analysen werden in 3 Situationen interessant:

• Wenn Sie anhand einer Stichprobe wissen möchten, wie die Realität in der echten Welt aussieht. Angenommen, an Ihrer Zufriedenheitsumfrage haben nur 50 Ihrer Mitarbeitenden teilgenommen, Sie haben aber 95 und wüssten gerne, wie repräsentativ die Ergebnisse für die gesamte Gruppe sind. Oder wie repräsentativ Ihre Ergebnisse für Unternehmen generell sind.
• Wenn Sie eine spezielle Hypothese haben wie „Je länger ein/e Mitarbeitende schon dabei ist, desto zufriedener ist er/sie.“
• Wenn Sie eine Nullhypothese prüfen wollen wie „Es gibt keinen Zusammenhang zwischen der Zufriedenheit und der Dauer der Anstellung.“

Die Bayes’sche Regressionsanalyse liefert nicht nur ein Ja/Nein-Ergebnis, sondern kann ermitteln, wie wahrscheinlich die spezielle Hypothese aufgrund der Daten ist, und wie stark der Zusammenhang ist. Außerdem kann sie die Wahrscheinlichkeit und die Stärke der Nullhypothese testen.
Dies sind 3 Unterschiede zu frequentistischen Regressionen.