@mo schrieb:
Disclaimer: Ich selber habe noch nicht wissenschaftlich-empirisch gearbeitet, aber ich kenne Leute und habe in der Vergangenheit auch durchaus mitgewirkt.
Fehlende Ressourcen sind ein eher untergeordneter Grund. Man macht üblicherweise eine power-analyse um zu prüfen, wie viele Versuchsteilnehmer man mindestens benötigt, um den zu erwartenden Effekt zuverlässig messen zu können.
Das Thema hat eine methodische Problematik. Woran machst du fest, welcher der 1 Millionen Merkmale (Alter, politische Ausrichtung, Geschlecht, soziale Schicht, Einkommen, Art der aktullen Beschäftigung, familiäre Situation, ...) eine Rolle spielt und welche nicht? Antwort: Aus vorherigen Studien. Wenn vorherige Studien gezeigt haben, dass Merkmal X relevant ist in dem Kontext, dann kann man hingehen und das Merkmal in Zuge der Studie mit abfragen und das dann berücksichtigen. Das sind dann aber wenn dann eher einige wenige Merkmale, z.B. das Geschlecht und Alter, mehr nicht.
Wenn du nun aber eine große Anzahl Merkmale abfragst weil du glaubst 'irgendwas davon spielt ja vielleicht eine Rolle' dann hast du das was man alphafehler akkumulation nennt, weil du in Wahrheit eine große Anzahl an Hypothesen prüfst. Wie das Problem in der Marktforschung umgangen wird kann ich dir nicht sagen (vllt. weißt du ja was darüber), man kann zwar prinzipiell eine statistische Korrektur machen, aber bei vielen Merkmalen, vor allem wenn du auch nocht Kombinationen berücksichtigst so dass du dann nochmal mehr Versuchsteilnehmer brauchst um eine Chance auf Signifikanz zu erhalten.
Meine Vorstellung ist, dass die einerseits eben möglichst viele Teilnehmer haben wollen um solche Effekte zu verkleinern und außerdem ja oft Auftragsarbeiten durchführen, d.h. Geldgeber sagt "schaut euch alte leute, reiche leute, jugendliche und Eltern mit zwei Kindern U18 an" und dann machen die das halt, schauen sich vllt noch alle Kombinationen an und berichten was raus kam. Sprich, sie arbeiten methodisch weniger akkurat. Dazu eine Prise Erfahrungswerte.
Was du meistens nicht machen kannst: Eine "repräsentative Stichprobe" erstellen, denn du weißt vorab ja gar nicht, welche Merkmale relevant sind und daher in der korrekten Häufigkeit auftreten müssen. Da fließen schnell sehr viele Annahmen rein wenn du so arbeitest die dir gar nicht bewusst sind und auch das Ergebnis verzerren können. Vielleicht hast du ein bestimmtes Ergebnis für Ü70, aber in Wahrheit liegt das daran, dass Ü70 einfach weniger Einkommen hat im Schnitt und das ist der eigentliche Effekt. Einkommen hast du aber nicht ermittelt, daher bleibt das unsichtbar. Vielleicht liegt es aber auch daran, dass Ü70 häufiger krank sind als U70, aber du hast aktuelle Erkrankungen nicht abgefragt. Vielleicht hast du ein bestimmtes Ergebnis für 30-40 jährige, aber womöglich liegt das daran, dass es in dem Alter viele junge Eltern gibt und das Alter spielt gar keine Rolle in Wahrheit.
