Methoden StuFu Universität Erfurt, WS 2015/2016 16.10.2015 24.10.2015 Handout 1 Blocktermin „Einführung in SPSS“ Das Programm IBM SPSS Statistics ist ein Programm zur statistischen Datenauswertung wurde von Soziologen eingeführt Einfache Handhabung, aber rigide Struktur Probleme: o rechnet nicht immer richtig o kann nur rechnen, nicht interpretieren! Fenster I: Daten-Editor Fenster II: Syntax-Editor Fenster III: Ausgabe Viewer •Datenbank, wird gefüllt mit Variablen und Fällen •Datenansicht Ansicht der gewonnenen Rohdaten Spalten = Variablen Zeilen = einzelne Versuchspersonen •Variablenansicht Ansicht der einzelnen Variablen und deren Eigenschaften •wird gespeicher als .sav Datei •Öffnen von weiteren Dateiformaten (z.B. Excel) möglich •früher mussten alle Befehle per Programmiersprache eingegeben werden •Eingabe per Syntax ist heute noch möglich und kann viele Prozesse vereinfachen •zeigt die Geschichte/das Protokoll des Auswertungsprozessees an •sollte während des Auswertungsprozesses unbedingt gespeichert werden •wird gespeichert als .sps Datei •Zeigt Auswertungsergebnisse und Grafiken an •muss nicht gespeichert werden, wenn die Syntax gespeichert wurde. •auch Output genannt •wird gespeichert als .spv Datei Das Menü/wichtige Befehle Datei •Neu, Öffnen, Speichern/Speichern unter ..., Drucken, Beenden Bearbeiten •Rückgängig, Wiederholen, Kopieren, Einfügen Daten •Fälle auswählen (Auswahl der Daten ansehen, z.B. nur weibliche Versuchspersonen, etc.) Transformieren •Varialben berechnen (neue Variable aus eingegebenen Rohdaten erstellen) Wichtig: Daten immer als Rohdaten eingeben! Nichts vorher verrechnen! Größte Fehlerquelle! Analysieren •Deskriptive Statistiken, Mittelwerte vergleichen, Allgemeines lineares Modell Die Dateneingabe (→ Daten-Editor → Variablenansicht) Variablennamen: am besten selbsterklärend benennen Bsp.: Sex_mw = Variable: Geschlecht, Kodierung: 0=männlich, 1=weiblich Bsp.: Auto_nj = Variable Auto vorhanden, Kodierung: 0=nein, 1=ja Fehlende Variable: am besten leer lassen SPSS erkennt, dass kein Wert vorhanden ist und schließt Fall aus der Rechnung aus Weitere Eingabefelder werden in den noch kommenden Sitzungen erläutert 1 Pauline Ehrsam, Anna Cloes, Franziska Lath & Sarah Viertel Methoden StuFu Universität Erfurt, WS 2015/2016 16.10.2015 24.10.2015 Deskriptive Statistik und Inferenzstatistik Deskriptive Statistik Inferenzstatistik •Die deskriptive (auch: beschreibende) Statistik hat zum Ziel, empirische Daten durch Tabellen, Kennzahlen und Grafiken übersichtlich darzustellen und zu ordnen. •Vor allem bei umfangreichem Datenmaterial sinnvoll, da dieses nicht leicht überblickt werden kann. •Maße der zentralen Tendenz •arithmetisches Mittel (auch: Mittelwert) •Modus •Median •Maße der Dispersion (Streuung) •Quartilsabstände, Interquartilsabstände •Standardabweichung •Varianz •Die Inferenz- (auch: schließende oder induktive) Statistik hat zum Ziel, von den durch Stichproben gelieferten Informationen auf Informationen über die Grundgesamtheit zu schließen. •Verbindet die Deskriptive Statistik mit Elementen der Wahrscheinlichkeitstheorie. •Maße •Konfidenzintervalle •Signifikanztests •t-Tests •Varianzanalyse (einfaktoriell, mehrfaktoriell) •Chi-Quadrat Eingabe der Syntax Auswahl des Befehls über normalen Befehlsvorgang Z.B. Analysieren → Deskriptive Statistiken → Häufigkeiten Auswahl der gewünschten Variablen Syntax durch Auswahl „Einfügen“ im Befehlfenster Durchführung des Befehls im Syntax-Editor durch grünen „Play“ Button Skalenniveaus Nominalskalenniveau Ordinalskalenniveau Intervallskalenniveau •Kategoriale Unterschiede •Bsp.: Mann, Frau; Grün, Blau, Gelb, etc. •man kann keinen Mittelwert berechnen. •Rangfolge •Bsp.: Beliebtheit der Freunde (Anton>Susi>Peter) •Abstand zwischen Anton und Susi nicht zwingend gleich Abstand zwischen Susi und Peter. •Rangfolge mit gleichen Intervallen •Bsp.: Gramm Mehl im Kuchen, Geld, etc. Explorative Datenanalyse Generiert viele Informationen (Häufigkeiten, Streuungsmaße, Abbildungen, Diagramme, etc.) Trennung zwischen abhängiger, von uns gemessener Variable (AV) und unabhängiger, von uns kreierter Variable (UV oder Faktor) Bsp.: Wenn Frustration, dann Aggression (Frustration = UV, Aggression = AV) Diagramme Histogramm (Häufigkeitsdarstellung) Stengel/Stamm-Blatt-Diagramm (Häufigkeits- und Verteilungsdarstellung) Boxplot (Häufigkeits- und Verteilungsdarstellung) 2 Pauline Ehrsam, Anna Cloes, Franziska Lath & Sarah Viertel Methoden StuFu Universität Erfurt, WS 2015/2016 16.10.2015 24.10.2015 Boxplot Der Boxplot (auch Kastengrafik) ist ein Diagramm, das zur grafischen Darstellung der Verteilung intervallskalierter Daten verwendet wird. Es fasst dabei verschiedene robuste Streuungs- und Lagemaße in einer Darstellung zusammen und soll schnell einen Eindruck darüber vermitteln, in welchem Bereich die Daten liegen und wie sie sich über diesen Bereich verteilen. Sternchen = Ausreißer Oberer Whisker = 4. Quartil Obere Box = 3. Quartil Dicker Strich = Median Untere Box = 2. Quartil Unterer Whisker = 1. Quartil Gesamte „graue“ Box = Interquartilsabstand Bereich innerhalb der Whiskers = Konfidenzintervall Sehr nützlich bevor weitere Analysen getätigt werden Kreuztabelle/Qui-Quadrat-Test Single Vergeben Gesamt Weiblich 10 10 20 Männlich 10 10 20 → kein Zusammenhang erkennbar Gesamt 20 20 Single Vergeben Gesamt Weiblich 2 18 20 Männlich 18 2 20 Gesamt 20 20 → starker Zusammenhang erkennbar Erwartungswerte aus den Randhäufigkeiten bestimmen Problem: Randhäufigkeiten bei realen Stichproben häufig nicht gleich, daher Zusammenhang sehr schwer zu erkennen Lösung: Prozentwerte vergleichen → das macht der Chi-Quadrat-Test Variablen transformieren WICHTIG! Neue Variable aus bestehenden Rohwerten •Variablen niemals umcodieren oder generieren verändern. Transformieren → Variable berechnen → Name •Der Rohdatensatz bleibt so wie er ist! Zielvariable und Numerischen Ausdruck festlegen •Sonst: sehr große Fehlerquelle Bsp.: Neue Variable: Karibikbar_Saufrang, •Alternative: neue Variablen aus Numerischer Ausdruck = 0 Rohdatensatz berechnen Transformation der Variable alk_loc_1 wenn eine VPN auf der Varialbe alk_loc_1 eingegeben hat, dass die Karibikbar auf dem ersten Platz liegt, dann soll sie auf der neuen Variable den Wert 1 erhalten Durch kopieren, einfügen und anpassen der Syntax Befehl erstellen Wichtig: Execute und . müssen zur Ausführung vorhanden sein. 3 Pauline Ehrsam, Anna Cloes, Franziska Lath & Sarah Viertel Methoden StuFu Universität Erfurt, WS 2015/2016 16.10.2015 24.10.2015 t-Test Der einfache t-Test (für eine Stichprobe) prüft anhand des Mittelwertes einer Stichprobe, ob der Mittelwert einer Grundgesamtheit sich von einem vorgegebenen Sollwert unterscheidet. Voraussetzung: die Daten entstammen einer Stichprobe einer normalverteilten Grundgesamtheit bzw. einer genügend großen Stichprobe Analysieren → Mittelwerte vergleichen 3 Möglichkeiten zur Auswahl o Eine Stichprobe o Unabhängige Stichprobe = between-Design o Verbundene Stichprobe = within-Design t-Test bei einer unabhängigen Stichprobe o Testvariable = abhängige Variable (AV) o Gruppenvariable = unabhängige Variable (UV) t = √F (T-Wert entspricht der Wurzel des F-Wertes (siehe Varianzanalyse)) Varianzanalyse testet den Einfluss einer einzelnen Variable auf eine andere Variable, indem sie die Mittelwerte der abhängigen Variable innerhalb der durch die Kategorien der unabhängigen Variable definierten Gruppen vergleicht Alternative zum t-Test für Vergleiche zwischen mehr als zwei Gruppen geeignet Verschiedene Varianten: Mittelwerte Vergleichen o Einfaktorielle ANOVA = einfachste Form, ANOVA steht für Analysis of Variance Allgemeines Lineares Modell o Univariat o Multivariat o Messwiederholungen Deskriptive Statistiken müssen unter „Optionen“ im Befehlfenster gesondert angefordert werden. Je größer der F-Wert, desto bedeutsamer ist der Mittelwertsunterschied Varianzanalyse stellt Vergleichbarkeit her, ist jedoch nicht mehr robust, wenn sich die Anzahl der Versuchspersonen in den Gruppen stark unterscheidet → dann eher t-Test 4 Pauline Ehrsam, Anna Cloes, Franziska Lath & Sarah Viertel
© Copyright 2024 ExpyDoc
