Frauen verdienen weniger als Männer: Statistische Erklärungen, Gerechtigkeit

Ein altes Thema: „Wie groß sind die Einkommensunterschiede zwischen Frauen und Männern, und worauf sind sie zurückzuführen?“ wurde kürzlich von Spiegel Online aufgegriffen. Einige Kernaussagen: Laut Statistischem Bundesamt beträgt die „Lohnlücke“, die hier als Differenz der Stundenlöhne definiert ist, zwischen Frauen und Männern in Deutschland 21,6%. Im europäischen Vergleich ist das Gefälle in Deutschland überdurchschnittlich … „Frauen verdienen weniger als Männer: Statistische Erklärungen, Gerechtigkeit“ weiterlesen

Marktforschung: Gehaltsstudie 2014

Wie entwickeln sich die Gehälter in der Marktforschungsbranche? Marktforschung.de veröffentlichte in Zusammenarbeit mit tivian die Gehaltsstudie 2014. Einige Zahlen:  Durchschnittliches Jahreseinkommen in der Marktforschung 2013/14: 54.290 € Dieser Wert liegt um rund 3.700 Euro signifikant über dem Durchschnittsgehalt 2011/2012; allerdings war das ein Rückgang gegenüber 2010/11; die Studienautoren werten die Veränderungen als „unsystematische Schwankungen“; der Korridor … „Marktforschung: Gehaltsstudie 2014“ weiterlesen

Gehaltsunterschied zwischen Frauen und Männern im Osten geringer

Laut Statistischem Bundesamt verdienen Männer in Deutschland durchschnittlich 23% mehr als Frauen. Der Lohnunterschied ist jedoch regional sehr unterschiedlich: in Westdeutschland beträgt er 25%, im Osten nur 6%. Die Suche nach Gründen ist ein klassischer Anwendungsfall für multivariate Verfahren mit Drittvariablenkontrolle, z. B. Regressionsanalysen. Kontrolliert man das Einkommen nach Art der Tätigkeit und Ausbildung, so … „Gehaltsunterschied zwischen Frauen und Männern im Osten geringer“ weiterlesen

Scheinkorrelation vs. intervenierende Variable

In anderen Artikeln habe ich bereits auf Scheinkorrelationen hingewiesen, z. B. den statistischen Klassiker: Je mehr Störche es in einer Region gibt, desto mehr Kinder gibt es dort auch. Typisch für eine Scheinkorrelation ist: betrachtet man lediglich den Zusammenhang zwischen zwei Variablen, ohne auf weitere Merkmale zu achten, so ist dieser statistisch bedeutsam. Die Gültigkeit … „Scheinkorrelation vs. intervenierende Variable“ weiterlesen

Regressionsmodelle: R², Zielsetzung / Denkmodelle

Meines Erachtens gibt es zwei recht unterschiedliche Arten, mit Regressionsmodellen umzugehen. Das „empiristische“ Vorgehen Die erste, die ich wesentlich häufiger antreffe, geht von der Vorstellung aus: Regressionsmodelle sind dafür da, Zusammenhänge möglichst genau zu „erklären“ bzw. möglichst gute Prognosen zu erstellen. In dieser Denkweise ist R² (der erklärte Varianzanteil) das entscheidende Gütemaß. Wenn Studien vorgestellt werden, … „Regressionsmodelle: R², Zielsetzung / Denkmodelle“ weiterlesen

Je mehr Störche, desto mehr Kinder

Ein Klassiker der Statistik … Man kann tatsächlich nachweisen, dass in Regionen mit mehr Störchen auch mehr Kinder „auf die Welt kommen“. Ist damit bewiesen, dass Störche Kinder bringen? Medizinisch-biologische Erkenntnisse sprechen dagegen – es gibt andere, gut belegte Theorien dazu, wie Kinder entstehen und von wo sie „gebracht“ werden. So weit, so klar – … „Je mehr Störche, desto mehr Kinder“ weiterlesen