Mathias Blanz - Forschungsmethoden und Statistik für die Soziale Arbeit

Problematisch sind in diesem Zusammenhang solche Aussagen, bei denen keine Falsifizierbarkeit gegeben ist. Ein Beispiel dafür sind Aussagen, die Teil und Gegenteil in sich vereinen (z. B. »Wenn Frustration vorliegt, dann folgt Aggression oder eine andere Reaktion«), da dabei jedes beliebige Ereignis (Beobachtung) als eine Bestätigung (Verifikation) interpretiert werden kann (d. h. es gibt keine Beobachtung, die der Aussage widerspricht). Weitere Beispiele für nichtfalsifizierbare Aussagen finden sich in Box 4. Des Weiteren sind auch solche Aussagen problematisch, die immer falsch sind (sogenannte Kontradiktionen). Ein Beispiel dafür wäre die Behauptung »Männer zeigen häufiger sexuelles Verhalten als Frauen« (was für heterosexuelle Kontakte nicht möglich ist). Eine solche widersprüchliche (kontradiktorische) Hypothese wäre zwar grundsätzlich empirisch prüf- und widerlegbar, allerdings beinhaltet sie bereits von vornherein einen logischen Widerspruch, was den Prüfprozess unsinnig macht. Wir können festhalten: Nichtfalsifizierbare und widersprüchliche Aussagen sind für die sozialwissenschaftliche Forschung ungeeignet.

Das Falsifikationsprinzip nach Popper (2005) fordert, dass wissenschaftliche Aussagen grundsätzlich widerlegbar (falsifizierbar) sein müssen. Im Folgenden finden sich einige Beispiele von Aussagen, die dieses Prinzip verletzen.

• Aussagen, die immer wahr sind (Tautologien): z. B. »Aggressive Menschen neigen zu aggressivem Verhalten«. Diese Aussage beruht auf einem Zirkelschluss, da wir Menschen, die zu aggressivem Verhalten neigen, als »aggressiv« bezeichnen, wodurch das Gefolgerte (»… neigen zu aggressivem Verhalten«) bereits in der Bezeichnung enthalten ist.

• Aussagen, die Teil und Gegenteilin sich vereinigen: z. B. »Frustration löst Aggression oder ein anderes Verhalten aus«. Solche Aussagen können nicht widerlegt (falsifiziert) werden, da alle Ereignisse, die auftreten können, als Bestätigung (Verifikation) interpretiert werden können.

• Aussagen, die eine »Es gibt«- oder »Es kann«-Form aufweisen: z. B. »Es gibt Kinder, die niemals weinen«. Eine solche Aussage (eine sog. Existenzaussage) könnte man nur falsifizieren, indem man alle Kinder untersucht und dabei kein einziges findet, das niemals weint. Dasselbe gilt für Kann-Aussagen wie z. B. »Zigarettenkonsum kann einen Herzinfarkt auslösen«.

• Aussagen, bei denen die begriffliche Präzision fehlt: z. B. »Alle Menschen sind von Natur aus gut«. Auch diese Aussage ist kaum widerlegbar, da die Bezeichnungen »Natur« und »gut« so ungenau sind, dass widersprechende Beobachtungen nur schwer zu definieren sind.

• Aussagen, die metaphysische Begriffe verwenden: z. B. »Menschen, die sündigen, kommen in die Hölle«. Da der Begriff »Hölle« keinen empirischen Bezug aufweist, also weder beobachtbar noch messbar ist, sind auch solche Aussagen prinzipiell nicht falsifizierbar.

(vgl. Bortz & Döring, 2006)

Man kann Hypothesen u. a. nach folgenden Gesichtspunkten differenzieren: dem Genauigkeitsgrad (oder Präzisierungsgrad), in dem eine Hypothese formuliert ist (von der Forschungshypothese zur statistischen Hypothese), dem angenommenen Kausalitätsmodell der Hypothese (»Was ist Ursache, was ist Folge?«), der vermuteten Richtung des Zusammenhanges zwischen den Variablen (»Wird ein positiver oder ein negativer Zusammenhang vermutet?«) und dem angenommenen Verhältnis, in dem die Variablen nach der Hypothese zueinander stehen (»Wird ein Zusammenhang, ein Unterschied oder eine Veränderung in Bezug auf die Variablen postuliert?«). Diese Möglichkeiten werden im Folgenden näher erläutert.

Bezüglich des Präzisierungsgrades einer Hypothese kann unterschieden werden zwischen einer Forschungshypothese, die eine Aussage über die Beziehung zwischen (mindestens) zwei Variablen darstellt (z. B. »Es besteht ein Zusammenhang zwischen dem Interesse von Studierenden an den Inhalten einer Lehrveranstaltung und der Bewertung der Lehrveranstaltung«; siehe Blanz, 2008, 2014) und einer operationalen Hypothese, bei der die (eher allgemeine) Forschungshypothese (Zusammenhang zwischen Fachinteresse und Lehrbewertung) umformuliert wird in eine spezifische Aussage, die sich auf die jeweiligen UntersuchungsteilnehmerInnen (z. B. Studierende der Sozialen Arbeit) sowie die Methoden zur Messung (Operationalisierung) der beteiligten Variablen bezieht (z. B. könnte das Interesse der Studierenden durch die Anzahl der Sitzungen, an denen sie die Veranstaltung besuchen, operationalisiert werden und die Bewertung des Unterrichts durch die Vergabe eine Note von 1 bis 6). Dies mündet schließlich in einer statistischen Hypothese, bei der die operationale Hypothese in eine statistische Aussage umgewandelt wird. Bei einer statistischen Hypothese wird die operationale Hypothese »Für die Studierenden des Studienganges Soziale Arbeit der Hochschule für angewandte Wissenschaften (HAW) Würzburg besteht ein Zusammenhang zwischen der Besuchshäufigkeit und der Benotung einer Lehrveranstaltung« einer konkurrierenden Hypothese gegenüber gestellt, die das Gegenteil behauptet: »Für die Studierenden des Studienganges Soziale Arbeit der HAW Würzburg besteht kein Zusammenhang zwischen der Besuchshäufigkeit und der Benotung einer Lehrveranstaltung«. Dabei wird diejenige statistische Hypothese, die einen Zusammenhang (oder eine Wirkung) behauptet (»… besteht ein Zusammenhang …«), als Alternativhypothese (oder H 1für Hypothese 1) bezeichnet und die statistische Hypothese, die einen Zusammenhang (oder Effekt) verneint (»… besteht kein Zusammenhang …«), als Nullhypothese (oder H 0für Hypothese 0). Es ist unmittelbar einsichtig, dass nur eine der beiden statistischen Hypothesen zutreffen kann, und es ist Aufgabe empirischer Untersuchungen, eine begründete (rationale) Entscheidung darüber zu treffen, welche der beiden Hypothesen »angenommen« (akzeptiert) wird und welche »verworfen« (abgelehnt) wird. H 1und H 0aus dem Beispiel lauten in statistischer Form folgendermaßen:

• H 1(Alternativhypothese): »Der Zusammenhang (wird auch als Korrelation bezeichnet; Kap. 7.1) zwischen der Besuchshäufigkeit und der Benotung einer Lehrveranstaltung für Studierende des Studienganges Soziale Arbeit der HAW Würzburg ist ungleich Null.«

• H 0(Nullhypothese): »Der Zusammenhang (die Korrelation) zwischen der Besuchshäufigkeit und der Benotung einer Lehrveranstaltung für Studierende des Studienganges Soziale Arbeit der HAW Würzburg ist gleich Null.«

Statistische Hypothesen lassen sich nicht nur sprachlich (verbal) sondern auch durch Formeln (mathematisch) ausdrücken. Dies sieht für das Beispiel so aus:

• H 1(Alternativhypothese): Korrelation Besuchshäufigkeit -Benotung≠ Null

• H 0(Nullhypothese): Korrelation Besuchshäufigkeit-Benotung= Null

Ein zweiter Aspekt, nach dem sich Hypothesenarten voneinander differenzieren lassen, bezieht sich auf das angenommene Kausalitätsmodell der beteiligten Variablen. Dabei wird unterschieden zwischen sog. ungerichteten und gerichteten Hypothesen. Bei ungerichteten Hypothesen (wie in dem Beispiel »Es besteht ein Zusammenhang zwischen der Besuchshäufigkeit und der Benotung einer Lehrveranstaltung«) wird nichts darüber ausgesagt, welche der beiden Variablen als Ursachevariable (unabhängige Variable) und welche als Wirk- oder Folgevariable (abhängige Variable) angesehen wird. Dies ist anders bei gerichteten Hypothesen, die eine Aussage über die erwartete Kausalrichtung der beteiligten Variablen enthalten (z. B. »Die Besuchshäufigkeit wirkt sich auf die Benotung aus« oder »Die Benotung wirkt sich auf die Besuchshäufigkeit aus«).