Quantitative Forschungsmethoden
Niveau
2.Semester Master: 1. Studienzyklus
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Studierenden
• sind in der Lage, grundlegende statistische Kennwerte zu berechnen.
• sind in der Lage, Variablen anhand von Skalen zu entwickeln.
• können einen Datensatz mit unterschiedlichen Variablen für die softwarebasierte statistische Auswertung erstellen.
• kennen den Unterschied zwischen deskriptiver und schließender Statistik.
• können weiterführende Instrumente und Techniken der Statistik auf betriebswirtschaftliche Problemstellungen anwenden.
• sind in der Lage, die Ergebnisse von statistischen Analysen zu interpretieren und daraus betriebswirtschaftliche Entscheidungen abzuleiten.
• können ein System für die Früherkennung von Unternehmenskrisen aufsetzen.
• sind in der Lage, grundlegende statistische Kennwerte zu berechnen.
• sind in der Lage, Variablen anhand von Skalen zu entwickeln.
• können einen Datensatz mit unterschiedlichen Variablen für die softwarebasierte statistische Auswertung erstellen.
• kennen den Unterschied zwischen deskriptiver und schließender Statistik.
• können weiterführende Instrumente und Techniken der Statistik auf betriebswirtschaftliche Problemstellungen anwenden.
• sind in der Lage, die Ergebnisse von statistischen Analysen zu interpretieren und daraus betriebswirtschaftliche Entscheidungen abzuleiten.
• können ein System für die Früherkennung von Unternehmenskrisen aufsetzen.
Voraussetzungen der Lehrveranstaltung
2. Semester: Keine Angaben
Lehrinhalte
I. Grundlagen:
• Abgrenzung quantitativer zu qualitativer Forschung
• Empirische Daten und Verteilungen von Daten (diskrete vs. stetige Verteilung, Verteilungsfunktionen, Visualisierung von Verteilungen etc.)
• Datensuche und Erstellung einer Datenbasis für die softwarebasierte Auswertung
II. Deskriptive Statistik:
• Definition und Berechnung ausgewählter statistische Kennwerte (Mittelwert, Median, Maximum, Minimum, Varianz, Standardabweichung etc.)
• Zusammenhangsmaße zwischen mehreren Messreihen (Kovarianz, Korrelation)
• Umgang mit Ausreißern von Daten
III. Schließende Statistik:
• Tests auf Differenzen (ANOVA, t-Test, U-Test, H-Test etc.)
• Ergänzende Korrelationsanalyse (Faktorenanalyse, Hauptkomponentenanalyse)
IV. Fragebogenerstellung und Skalenbewertung
• Anwendung von Skalen und Entwicklung eines Fragebogens
• Umsetzung eines Pre-Tests
• Entwicklung von Konstrukten
• Konfirmatorische Faktorenanalyse und Cronbach Alpha
V. Ausgewählte statistische Techniken
• Univariate und multivariate Regressionsanalayse
• Multivariate lineare Diskriminanzanalyse
• Logistische Regression
• Abgrenzung quantitativer zu qualitativer Forschung
• Empirische Daten und Verteilungen von Daten (diskrete vs. stetige Verteilung, Verteilungsfunktionen, Visualisierung von Verteilungen etc.)
• Datensuche und Erstellung einer Datenbasis für die softwarebasierte Auswertung
II. Deskriptive Statistik:
• Definition und Berechnung ausgewählter statistische Kennwerte (Mittelwert, Median, Maximum, Minimum, Varianz, Standardabweichung etc.)
• Zusammenhangsmaße zwischen mehreren Messreihen (Kovarianz, Korrelation)
• Umgang mit Ausreißern von Daten
III. Schließende Statistik:
• Tests auf Differenzen (ANOVA, t-Test, U-Test, H-Test etc.)
• Ergänzende Korrelationsanalyse (Faktorenanalyse, Hauptkomponentenanalyse)
IV. Fragebogenerstellung und Skalenbewertung
• Anwendung von Skalen und Entwicklung eines Fragebogens
• Umsetzung eines Pre-Tests
• Entwicklung von Konstrukten
• Konfirmatorische Faktorenanalyse und Cronbach Alpha
V. Ausgewählte statistische Techniken
• Univariate und multivariate Regressionsanalayse
• Multivariate lineare Diskriminanzanalyse
• Logistische Regression
Empfohlene Fachliteratur
Exler, M. & Situm M. (Hrsg.) (2025) Transformations- und Turnaround-Management: Strategien, Erfolgsfaktoren und Best Practice, Berlin: Erich Schmidt.
Fahrmeir, L., Heumann, C., Künstler, R., Pigeot, I., & Tutz, G. (2023). Statistik: Der Weg zur Datenanalyse. Berlin: Springer.
Jones, S. (2023). Distress risk and corporate failure modelling: The state of the art. New York, NY: Routledge.
Puhani, J. (2025). Statistik: Einführung mit praktischen Beispielen. Wiesbaden: Springer.
Wagner-Huang, W. E. (2026). Using SPSS® for research methods and social statistics. Thousand Oaks, CA: Sage.
Yhip, T. M., & Alagheband, B., M. D. (2020). The practice of lending: A guide to credit analysis and credit risk. Cham: Springer.
Fahrmeir, L., Heumann, C., Künstler, R., Pigeot, I., & Tutz, G. (2023). Statistik: Der Weg zur Datenanalyse. Berlin: Springer.
Jones, S. (2023). Distress risk and corporate failure modelling: The state of the art. New York, NY: Routledge.
Puhani, J. (2025). Statistik: Einführung mit praktischen Beispielen. Wiesbaden: Springer.
Wagner-Huang, W. E. (2026). Using SPSS® for research methods and social statistics. Thousand Oaks, CA: Sage.
Yhip, T. M., & Alagheband, B., M. D. (2020). The practice of lending: A guide to credit analysis and credit risk. Cham: Springer.
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Deutsch
Anzahl der zugewiesenen ECTS-Credits
2
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
Ein Teil der Veranstaltung wird über E-Learning abgedeckt. Hierbei wird eine Kombination zwischen Online Phasen (induktive Methode zum eigenständigen Erarbeiten von Wissen und zum Üben von Aufgabenstellungen) und Präsenzphasen (deduktive Methode, bei welcher Hilfestellungen im Lernprozess gegeben werden als auch über Frontalvorträge Wissen vermittelt wird) eingesetzt.
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
2