Sekundäranalyse: Alte Daten neu betrachtet

Lesedauer: 7 Minuten
So hilfreich ist dieser Beitrag 0
Bewertung abgeben 0 Kundenbewertungen
Sekundäranalyse-Definition

Eine Sekundäranalyse bezeichnet die Wiederverwendung von Daten unter einer neuen Fragestellung. Sie ermöglicht einen nachhaltigen Umgang mit Forschungsressourcen und bietet Studierenden praktikable Wege, eigene Forschung zu betreiben. In diesem Beitrag erklären wir dir, welche verschiedenen Arten von Sekundäranalyse es gibt und wann sie zum Einsatz kommen. Alles, was du zum Thema «Sekundäranalyse wissen musst, findest du in diesem Beitrag.

Sekundäranalyse «einfach erklärt»

Eine Sekundäranalyse wertet Daten aus, die bereits zu einer anderen Fragestellung erhoben wurden. Die alten Daten werden in einen Kontext mit der neuen Fragestellung gebracht. Sekundäranalysen sind hilfreich, wenn eine Primäranalyse aus verschiedenen Gründen nicht möglich oder nicht nötig ist.

Definition: Sekundäranalyse

Bei einer Sekundäranalyse werden Daten ausgewertet, die in einem anderen Forschungskontext erhoben wurden. Dabei kann die ursprüngliche Forschungsfrage zugrunde liegen, als Fundament für weitere Forschungsansätze dienen oder es kann eine neue Frage im Fokus stehen, deren Beantwortung durch die bereits vorhandenen Daten ermöglicht wird.

Sekundäranalysen dienen somit einerseits der nachhaltigen Verwendung von Forschungsressourcen (es müssen nicht für jede Forschungsfrage neue Daten erhoben werden) und andererseits der Überprüfung und Erweiterung bereits bestehender Ansätze. Demnach können Sekundäranalysen die Schlüsse einer vorhergehenden Studie hinterfragen, die Daten neu auslegen oder Anschlussfragen stellen, die im Rahmen der Primäranalyse vernachlässigt wurden.

Sekundäranalyse-Funktion

Ziel der Sekundäranalyse

Mit Sekundäranalysen können unterschiedliche Zielsetzungen verfolgt werden:

  •  ein neues Erkenntnisinteresse verfolgen, ohne neue Daten erheben zu müssen
    ⇒ Supraanalyse/transzendierende Analyse
  • offene und weiterführende Fragen der Primäranalyse mithilfe derselben Daten beantworten
    ⇒ ergänzende Analyse
  • die Primäranalyse hinterfragen, indem die vorhandenen Daten neu kontextualisiert und/oder mit einer anderen Methodik ausgewertet werden
    ⇒ Reanalyse

Primäranalyse und Sekundäranalyse

Jeder Sekundäranalyse geht eine Primäranalyse voraus. Die Primäranalyse ist das Forschungsvorhaben, für das die verwendeten Daten ursprünglich erhoben wurden. Je nach Forschungsfrage der Primäranalyse wurden die Daten mehr oder weniger umfangreich ausgewertet. Die Sekundäranalyse bedient sich der erhobenen Daten und setzt ihre Auswertung fort.

Ein mögliches Problem besteht darin, dass die Sekundäranalyse keinen Einfluss auf die Methodik hat, mit der die Daten der Primäranalyse erhoben wurden. Dementsprechend gibt es zwar oft Datensätze, die eine thematische Nähe zur Forschungsfrage der sekundären Analyse haben, durch die Art und Weise ihrer Erhebung jedoch für die Verwendung ungeeignet sind. Die Suche nach brauchbaren Daten(-erhebungen) ist die größte Schwierigkeit der Sekundäranalyse, während die Primäranalyse gezielt darauf ausgerichtet ist, Daten für die Beantwortung der jeweiligen Forschungsfrage herzustellen.1

Nichtsdestotrotz ist die Durchführung von Sekundäranalysen effizienter als die Erhebung von neuen Daten für jedes spezifische Forschungsinteresse. Einerseits entfällt der große Zeitaufwand einer neuen Datenerhebung und andererseits fördert die Verwendung gemeinsamer Datensätze die wissenschaftliche Kommunikation beziehungsweise transparente Argumentationsstrukturen (indem mehrere Forschungsteams ausgehend von der gleichen Faktenlage diskutieren, anstatt «Äpfel mit Birnen zu vergleichen»).

Beispiel

Primäranalyse
Um die Forschungsfrage: «Welche Chancen und Risiken bestehen für das Entwicklungspotential des E-Sports in Deutschland?» zu beantworten, erhebt Forscher A Daten, indem er mehrere Experteninterviews mit fachkundigen Personen führt.

Sekundäranalyse
Die wissenschaftliche Arbeit von Forscher B beschäftigt sich mit dem Forschungsthema: «Ein Vergleich des Stellenwerts des E-Sports in Deutschland und in China». Dafür zieht Forscher B die Daten von Forscher A heran, um herauszufinden, inwieweit die Entwicklungspotentiale für den E-Sport in Deutschland in China bereits umgesetzt sind.

Quantitativ vs. Qualitativ

Quantitativ

  • Daten: Quantitative Daten liegen vor, wenn sie in statistische Variablen übersetzbar sind.
    ⇒ Messwerte oder festgelegte Antwortmöglichkeiten
  •  Auswertung: Eine quantitative Sekundäranalyse greift auf statistische Methoden zurück.
    ⇒ quantitative Inhaltsanalyse

Qualitativ

  • Daten: Qualitative Daten sind nicht (unmittelbar) in statistische Variablen übersetzbar. Sie sind stärker von subjektiver Interpretation abhängig.
    ⇒ Prosatexte, Gesprächsprotokolle oder Filmaufnahmen
  • Auswertung: Eine qualitative Sekundäranalyse erschließt Daten anhand von Interpretationen.
    ⇒ qualitative Inhaltsanalyse

Formen der Sekundäranalyse

Wie am Anfang erwähnt, lassen sich Sekundäranalysen in Supraanalysen/transzendierende Analysen, ergänzende Analysen und Reanalysen unterscheiden.

Supraanalyse/Transzendierende Analyse

Die Supraanalyse bezeichnet die Wiederverwendung von Daten unter einer neuen Forschungsfrage. Da wissenschaftliche Daten für gewöhnlich mit einem dezidierten Forschungsinteresse erhoben werden, müssen sie gegebenenfalls in eine Form übersetzt werden, die der Beantwortung des neuen Forschungsinteresses dienlich ist.

Beispiel

Eine Studie A hat herausgefunden, wie viele (und welche) Spielekonsolen im März 2020 erworben wurden. Die Sekundäranalyse B möchte nun herausfinden, in welchem Monat die Nachfrage nach Spielekonsolen am höchsten ist. Dafür nutzt sie die Daten von A sowie weitere Erhebungen aus anderen Monaten.

Ergänzende Analyse

Die ergänzende Analyse baut auf den Erkenntnissen einer Primäranalyse auf und nutzt dieselben Daten, um weiterführende Fragen zu beantworten oder verbliebene Unklarheiten zu klären.

Beispiel

Studie B ist zu dem Schluss gekommen, dass im März die meisten Spielekonsolen erworben werden. Die ergänzende Analyse C möchte nun die vorliegenden Daten verwenden, um herauszufinden, ob bestimmte Spielekonsolen zu bestimmten Jahreszeiten gefragter sind als andere.

Reanalyse

Die Reanalyse arbeitet mit der Forschungsfrage und den Datensätzen der Primäranalyse. Sie prüft, ob die Auswertung der Primäranalyse korrekt durchgeführt wurde oder eröffnet einen neuen Blickwinkel auf Daten und Fragestellung, indem sie weitere (möglicherweise relevante) Aspekte hinzuzieht.

Beispiel

Nachdem die Studie B zu dem Schluss kam, dass im Februar die meisten Spielekonsolen erworben werden, plant ein Elektrofachmarkt seine Einkäufe für das nächste Jahr. Er beauftragt ein Marktforschungsinstitut damit, die monatsbezogene Nachfrage nach Spielekonsolen einzuschätzen. Das Institut verwendet die Datenlage der Studie B, bemerkt jedoch, dass die Erhebungen für den März 2020 mit dem Beginn der Corona-Pandemie zusammenfielen. Nachdem das Marktforschungsinstitut diese Ausnahmesituation statistisch berücksichtigt hat, ist nicht der März, sondern der Dezember der Monat mit der größten Nachfrage nach Spielekonsolen.

Sekundäranalyse in der wissenschaftlichen Arbeit

Wenn du eine Sekundäranalyse in einer wissenschaftlichen Arbeit durchführen möchtest, hast du den Vorteil, aus einem großen Angebot empirischer Daten wählen zu können. Allerdings ist die Sekundäranalyse für sich genommen noch keine Methode, um im Rahmen des eigenen Forschungsvorhabens mit fremden Daten zu hantieren. Du musst dich zunächst, gemessen an der Form der Datenerhebung und deinem eigenen Forschungsinteresse, für ein Verfahren entscheiden, mit dem du die verwendeten Daten für deine eigenen Zwecke übersetzt. Um eine geeignete Methode zu finden, bieten sich mehrere Möglichkeiten:

  • Kodierungsverfahren
  • Samplingsstrategien
  • Konversationsanalysen2

Wie bei allen Ausprägungen empirischer Forschung wird in qualitative Forschung und quantitative Forschung respektive Sekundäranalysen unterschieden. Eine qualitative Analyse interpretiert Daten im Hinblick auf bestehende (und mögliche) Korrelationen. Sie schließt, ausgehend von den Daten, auf einen größeren Zusammenhang (induktiv). Eine quantitative Analyse wertet Daten anhand statistischer Verfahren aus. Sie schließt von der Statistik auf den vorliegenden Einzelfall (deduktiv).

Fazit zur Sekundäranalyse

Sekundäranalysen bieten einen effektiven Zugang zu hochwertigen Daten. Sie erleichtern Forschungsvorhaben, indem sie auf neue (oft kostspielige) Datenerhebungen verzichten. Ferner vermeiden sie das Entstehen von Datenfriedhöfen, da sie die Möglichkeiten ausschöpfen, bereits erhobenes Datenmaterial erneut für die Forschung nutzbar zu machen. Die verschiedenen Arten von Sekundäranalysen (transzendierend, ergänzend und reanalysierend) eignen sich – wenn sie in vergleichbare Variablen übersetzt wurden – sowohl für studentische Abschlussarbeiten als auch für umfassendere Forschungsprojekte auf hohem Niveau.

Häufig gestellte Fragen

Eine Sekundäranalyse wertet Datensätze aus, die im Rahmen eines anderen Forschungsprojekts erhoben wurden. Dies kann der Beantwortung einer neuen Forschungsfrage dienen, ihr ergänzend beikommen oder das ursprüngliche Forschungsprojekt auf Fehler und Übersehenes überprüfen.

Die Primäranalyse ist auf Datensätze ausgerichtet, die ihretwegen erhoben wurden. Die Sekundäranalyse nutzt Datensätze anderer Erhebungen.

Nicht jedes Institut kann seinen Studierenden die Infrastruktur anbieten, eigene Daten zu erheben. Dementsprechend ist es legitim, im Rahmen der Abschlussarbeit auf bereits bestehende Datensätze zurückzugreifen und eine Sekundäranalyse durchzuführen.

Es gibt die transzendierende Analyse, die ergänzende Analyse und die Reanalyse.

Die Sekundäranalyse ist kein konkretes Auswertungsverfahren. Der Begriff bezeichnet lediglich die Herkunft der verwendeten Daten und gibt anderen Forschenden Aufschluss darüber, dass sie bereits mehrfach verwendet wurden (was nicht unbedingt negativ ist).

Quellen

1  Lösch, Thomas/ Bayer, Sonja/ Eisentraut, Marcus/ Jansen, Malte/ Kocaj, Aleksander: Sekundärdaten finden und Nutzen, in: Verbund FDB, 06.07.2020, [online] https://www.forschungsdaten-bildung.de/files/verbundfdb-onlineseminar06-sekundaernutzung_200706.pdf (abgerufen am 31.10.2022)

2 Bambey, Doris/ Meyermann, Alexia/ Porzelt, Maike: Potentiale der Sekundärforschung mit qualitativen Daten – ein Workshopbericht, in: pedocs, Dezember 2017, [online] https://www.pedocs.de/volltexte/2022/21991/pdf/fdb-informiert_7_Bambey_ua_Potentiale_der_Sekundaerforschung_mit_qualitativen_Daten_2017_v1-1_A.pdf (abgerufen am 31.10.2022)