Lade Inhalt...

Lügen mit Statistik. Manipulationstechniken in der Statistik und Beispiele ihrer Anwendung

Hausarbeit 2017 10 Seiten

Mathematik - Statistik

Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1. Einleitung

2. Manipulationstechniken in der Statistik und Beispiele ihrer Anwendung
2.1 Grafiken
2.2 Mittelwerte
2.3 Stichproben

3. Fazit

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Aktie des Tages

Abbildung 2: Gemeldete Influenza-Erkrankungen nach Alter

Tabellenverzeichnis

Tabelle 1: Erwerbseinkommen

1. Einleitung

Im privaten wie auch beruflichen Alltag begegnet man des Öfteren Statistiken, die einen zum Staunen bringen können. Seien es Schlagzeilen in der Zeitung wie „90 Prozent aller Absolventen bestimmter Hochschulen haben nach kurzer Zeit gut bezahlte Jobs bekommen“ oder die Präsentation der Geschäftszahlen bei der Mitarbeiterversammlung eines größeren Unternehmens. Oftmals werden solche Statistiken als gegeben hingenommen und nicht weiter hinterfragt, da Zahlen allgemein als objektiv betrachtet werden. Dabei wird missachtet, dass durch bestimmte Tricks Zahlen und Statistiken auch manipulativ eingesetzt werden können und die Realität verzerrt abbilden.

In der vorliegenden Arbeit soll ein Auszug der am häufigsten angewandten Manipulationstechniken dargestellt werden, um abschließend Hinweise abzuleiten, woran sich die Güte von Statistiken ableiten lässt.

2. Manipulationstechniken in der Statistik und Beispiele ihrer Anwendung

2.1 Grafiken

Eine der populärsten Arten, Statistiken zur Meinungsbildung zu benutzen und somit manipulativ einzusetzen, ist die grafische Darstellung. Menschen nehmen Informationen über optische Reize schnell auf ohne hierüber bewusst nachzudenken.[1] Darüber hinaus werden Grafiken allgemeinhin als Instrument verstanden, Fakten objektiv darzustellen.[2] Dementsprechend lassen sich durch kleine Manipulationen durchschnittliche Ergebnisse in Grafiken bedeutsamer darstellen als sie es tatsächlich sind, ohne dass durch den Betrachter an den Fakten gezweifelt wird. Eine der am häufigsten angewendeten Techniken ist hierbei das Abschneiden bzw. Verkürzen der Y-Achse.[3] Anstelle, dass dies Y-Achse mit dem Skalenpunkt 0 beginnt und ein möglichst großes Spektrum abbildet, beginnt sie mit dem Wert eines ausgewählten Startpunktes und zeigt nur einen kleinen Ausschnitt. Insbesondere bei der Darstellung von Aktienkursen wird dieser Effekt gerne genutzt. Anhand der Abbildung 1 wird hierbei der Effekt dieser Verkürzung deutlich.

Abbildung 1: Aktie des Tages

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 38

Auch kleinste Bewegungen der Aktie stellen sich auf diese Weise als dramatische Ausschläge dar. Damit kann bei potenziellen Kunden Zeitdruck erzeugt werden, der wiederum zu schnellen Handlungen, z.B. dem Aktienkauf, führen soll.[4]

Eine weitere Methodik ist die Manipulation der X-Achse.[5] Sie findet bei der Darstellung zeitlicher Entwicklungen Anwendung. Um bestimmte Zeiträume besonders hervorzuheben, werden so beispielsweise unterschiedlich große Zeitintervalle gleich groß abgebildet. Abbildung 2 bringt dies zum Ausdruck.

Abbildung 2: Gemeldete Influenza-Erkrankungen nach Alter

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Krämer, W., Lügen mit Statistik, 2015, S. 41

Diese Grafik soll die Häufigkeit von Grippeinfektionen nach Alter darstellen. Während bei den Altersklassen 0 bis 29 Jahre jeweils ein Intervall von 5 Jahrgängen gewählt wurde, sind es ab dem Alter 30 Intervalle von jeweils 10 Jahrgängen. Damit wird der Eindruck erweckt, dass die Gefährdung von Infektionen in einem Alter ab 30 Jahren wieder deutlich erhöht ist.[6]

Zu den weiteren Tricks bei der Verfälschung von Grafiken zählt zudem die Vervielfachung von Flächen und Symbolen im Vergleich. Wenn z.B. etwas doppelt so groß ist, wird es sowohl in die Höhe als auch in die Breite doppelt so groß dargestellt, sodass es in Summe um ein Vierfaches größer abgebildet wird.[7] Auch durch bestimmte Perspektiven und Farbschemata können Größenverhältnisse ins Gegenteil gewandelt werden, sodass Kleines groß wirkt und Großes klein.[8]

Die oben dargelegten Manipulationen zeigen, dass Grafiken hinsichtlich ihrer Achsenaufteilungen und Maßstäbe aufmerksam zu begutachten sind, um ihre Objektivität beurteilen zu können.

2.2 Mittelwerte

Die Darstellung von Mittelwerten bildet eine weitere Möglichkeit, Statistiken für aufreibende Schlagzeilen zu nutzen. Wird in einer Statistik ausschließlich das arithmetische Mittel, „die Summe der Werte geteilt durch ihre Anzahl“[9], angegeben, lassen sich für den Leser keine Aussagen über die Streuung treffen.[10] Eine mögliche Ungleichheit der ermittelten Daten wird für den Leser nicht sichtbar. Beispielsweise bei der Angabe von durchschnittlichen Einkommen in einer bestimmten Region kann das arithmetische Mittel durch einzelne Ausreißer (einige wenige Spitzenverdiener) auf einen Wert anwachsen, der nicht das tatsächliche Bild widerspiegelt.[11] Um dieses Problem zu lösen, weisen zuverlässige Statistiken auch die Medianwerte aus.[12] Diese geben den Wert an, der in einer Datenreihe in der Mitte liegt.[13] Wie deutlich das arithmetische Mittel vom Median abweichen kann, zeigt die Tabelle 1 aus dem Jahr 2013, die im Wochenbericht 7 des Instituts der Wirtschaft (IDW) veröffentlicht wurde.

Tabelle 1: Erwerbseinkommen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Brenke, K., Solo-Selbstständige, 2013, S. 13

In der vorliegenden Tabelle wurden die Brutto und Netto-Erwerbseinkommen je geleisteter Stunde sowie das monatliche Brutto- und Netto-Erwerbseinkommen von Solo-Selbstständigen, Selbstständigen mit Arbeitnehmern und Arbeitnehmern gegenübergestellt. Besonders erheblich ist der Unterschied zwischen Median und Mittelwert mit einer Differenz von 1.400,00 € beim monatlichen Brutto-Erwerbseinkommen von Selbstständigen mit Arbeitnehmern erkennbar. Hier liegt der Mittelwert bei 4.940,00 €, der Median jedoch bei 3.500,00 €.

Möchte man die inhaltliche Bedeutung von Statistiken zu Durchschnittswerten bestmöglich beurteilen, sollte man demzufolge als aufmerksamer Leser prüfen, ob hier lediglich das arithmetische Mittel angegeben wird oder ob auch die Medianwerte und ggf. sogar weitere Untergliederungen wie im obigen Beispiel (untere sowie obere 10% und 25%) zur Verfügung gestellt werden.

2.3 Stichproben

Auch vorsortierte Stichproben sorgen dafür, dass die Ergebnisse von Umfragen in eine bestimmte Richtung gelenkt und damit verzerrt werden können.[14] Hier geht es im Wesentlichen darum, dass „gewisse Teilmengen der Grundgesamtheit (…) in der Stichprobe systematisch überrepräsentiert [sind], andere (…) systematisch unterrepräsentiert.“[15] So lässt sich beispielsweise die Meinung, dass Strom aus Atomkraftwerken in der Bevölkerung nicht oder selten akzeptiert wird, einfach nachweisen, wenn bei der Untersuchung zu einem großen Teil Umweltaktivisten befragt werden.[16] Man bezeichnet diesen Fehler in der Statistik als vorsortierte Stichproben.[17] Als kritischer Leser von Statistiken sollte daher auch ein besonderes Augenmerk auf die Wahl der Stichprobe gelegt werden, um die Qualität von statistisch scheinbar klar nachgewiesenen Aussagen beurteilen zu können.

3. Fazit

Die vorgenannten Manipulationstechniken bilden nur einen Auszug, dennoch wird bei Betrachtung dieser deutlich, dass Statistiken stets kritisch betrachtet und hinterfragt werden sollten. Was auf dem ersten Blick scheinbar aussagekräftig ist, kann bei genauerem Hinsehen wieder entkräftet werden. Ableitend lassen sich vertrauenswürdige Statistiken an folgenden Merkmalen erkennen:

- Grafiken haben eine gleichmäßige, unverkürzte Achsenaufteilung und sind bei Vergleichen nicht überproportional
- Aussagen zum Durchschnitt fußen nicht nur auf dem arithmetischen Mittel, sondern auch eindeutig auf dem Median
- Die Stichprobe bei Befragungen ist klar definiert und eindeutig repräsentativ

[...]


[1] Vgl. Krämer, W., Lügen mit Statistik, S. 29.

[2] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 31.

[3] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 33-39, Krämer, W., Lügen mit Statistik, 2015, S. 30-36.

[4] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 38.

[5] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 39-40, Krämer, W., Lügen mit Statistik, 2015, S. 40-41.

[6] Vgl. Krämer, W., Lügen mit Statistik, 2015, S. 41.

[7] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 31.

[8] Ebd.

[9] Krämer, W., Lügen mit Statistik, 2015, S. 63.

[10] Vgl. Krämer, W., Lügen mit Statistik, 2015, S. 63.

[11] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 163-164.

[12] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 164.

[13] Ebd.

[14] Vgl. Krämer, W., Lügen mit Statistik, 2015, S. 102.

[15] Ebd.

[16] https://de.statista.com/statistik/lexikon/definition/8/luegen_mit_statistiken/

[17] Vgl. Bosbach, G., Korff, J. J., Lügen mit Zahlen, 2011, S. 95.

Details

Seiten
10
Jahr
2017
ISBN (eBook)
9783668704725
Dateigröße
980 KB
Sprache
Deutsch
Katalognummer
v425648
Institution / Hochschule
FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Berlin früher Fachhochschule
Note
2,0
Schlagworte
Statistik Lügen mit Zahlen

Autor

Teilen

Zurück

Titel: Lügen mit Statistik. Manipulationstechniken in der Statistik und Beispiele ihrer Anwendung