How to SPSS für die Auswertung von Daten aus Levumi Version 1.0 Stand August 2018

Transkript

1 Hw t SPSS für die Auswertung vn Daten aus Levumi Versin 1.0 Stand August 2018 (angefertigt vn Jana Jungjhann, Hanna Rütter, Jeffrey M. DeVries)

2 Inhaltsverzeichnis Umgang mit SPSS Die Ansichten in SPSS Variablen in SPSS Datensätze vn Levumi Excel-Daten in SPSS imprtieren SPSS Datensatz speichern... 6 [1] SPSS Datensatz als SPSS-Datei speichern... 6 [2] SPSS Datensatz wieder als Excel-Datei speichern... 6 Berechnungen in SPSS mit Levumi-Daten Umwandlung der Reaktinszeiten Itemschwierigkeit und Summenscre Signifikanz T-Test...12 [1] T-Test für eine abhängige Stichprbe...12 [2] T-Test für eine unabhängige Stichprbe Wie führe ich eine ANOVA durch?...15 [1] Einfaktrielle Varianzanalyse...15 [2] ANOVA mit Messwiederhlung Krrelatinen...19 [1] Krrelatin nach Pearsn...19 [2] Krrelatin nach Spearman / Rangkrrelatin Weiterführende Literatur

3 Umgang mit SPSS 1 Die Ansichten in SPSS Was bedeutet welche Ansicht in SPSS? In SPSS gibt es zwei unterschiedliche Ansichten (Fenster): Datenansicht und Variablenansicht (Abb. 1). Abbildung 1 Zwei Reiter (Daten- und Variablenansicht) in SPSS [1] Datenansicht: Untersuchte Objekte (z.b. getestete Kinder) werden in Zeilen (die jeweiligen knkreten Werte pr Kind) zu den Spalten (Variablen, z.b. Alter, Geschlecht der bestimmtes Item) dargestellt. Die Datenansicht entspricht überwiegend dem Aufbau vn Excel. In der Datenansicht befinden sich alle Messergebnisse aus der Datenerhebung. [2] Variablenansicht: Variablen (z.b. Geschlecht, Messzeitpunkt ) werden definiert (siehe Kapitel 2 Variablen in SPSS ). 1

4 2 Variablen in SPSS - Was kann eine Variable sein und wie definiere ich diese? - Variablen haben immer einen Namen und weitere Eigenschaften. Diese Eigenschaften werden in der Variablenansicht definiert (Abb. 2). Achtung: Variableneigenschaften werden i.d.r. nicht vm Originaldatensatz übertragen und müssen händisch eingetragen werden. Erklärung der Eigenschaften Abbildung 2 Variablenansicht in SPSS [1] Name: Abkürzung für die Variable, möglichst kurz wählen [2] Typ: Art der Variable festlegen: Z.B. Numerisch (Zahlenwerte), Datum, Zeichenflge (Textbausteine), etc. [3] Breite der Spalte: Definitin, wie viele Zeichen/ Stellen der Variablenwert maximal haben kann (Sllte nicht zu knapp bemessen werden) (Abb. 3) [4] Dezimalstellen (Abb. 3) Abbildung 3 Ansicht zur Definitin des Variablentyps in SPSS [5] Beschriftung der Variable: Hier eine Aussägekräftige Beschreibung einfügen, sdass Fremde die Variable sicher verstehen (z.b. Kind-ID, Frage des Fragebgens, Itemname, etc.). [6] Werte festlegen: hauptsächlich für nminale und rdinale Variablen wichtig; Hier klar definierte Werte für Kategrien (z.b. 0= männlich, 1= weiblich) bestimmen (Abb. 4) 2

5 Abbildung 4 Wertebeschriftung in SPSS [7] fehlende Werte: fehlende Werte stellen fehlende Daten im Datensatz dar (z.b. Geschlecht nicht bekannt, Fragen nicht beantwrtet). (Abb. 5) wird i.d.r. als -99 definiert [8] Messniveau: Daten können unterschiedlicher Qualität sein Es gibt drei Messniveaus (Abb. 6) nminal: Ausprägungen einer Variablen besitzt keine empirische bzw. numerische Relevanz. Ausprägungen vn z.b. "Geschlecht", die Zurdnung vn Zahlen zu den beiden Geschlechtern, drücken keinerlei Rangflge aus Die Zurdnung (1 = weiblich, 2 = männlich) könnte auch umgekehrt erflgen. Mit diesen Werten sllen keine Rechenperatinen vrgenmmen werden. Die Zahlenwerte dienen lediglich der Identifikatin der in der Realität erkennbaren Eigenschaften. Abbildung 5 Fehlende Werte in SPSS Abbildung 6 Messniveaus in SPSS rdinal Ordinalskalierte Variablen sind Ausdruck einer Rangflge. Die den Variablen zugerdneten Zahlenwerte drücken eine Ordnung aus. metrisch (intervallskaliert) die Differenz der Ausprägungen einer Variablen hat empirische Relevanz. Wird verwendet, wenn Abstandsvergleiche zwischen Werten möglich sind (z.b. Alter in Jahren) 3

6 3 Datensätze vn Levumi - Was für Levumi-Datensätze gibt es und wie unterschieden sich diese? - Grundsätzlich gibt es zwei unterschiedliche Datensätze, die vn der Levumi-Plattfrm exprtiert werden können. Jeder Datensatz enthält mehrere Sheets (dt: Arbeitsblätter), die sich am unteren Rand vn Excel befinden. Einige Sheets sind gleich aufgebaut, andere sind unterschiedlich. Die Datensätze unterscheiden sich in der Srtierung der Messdaten (Abb.7). [1] Sheet Items : Hier sind die Item Nummern, die knkreten Items swie die Kategrien aufgelistet. Die Kategrien stellen Dimensinen dar, die bei der Ziehung der Items berücksichtig werden. [2] Sheet Alle Messungen : In diesem Sheet sind alle Messungen (unabhängig vn der Anzahl der Messungen) chrnlgisch (als nach dem Messdatum) srtiert. + RZ bedeutet, dass die Reaktinszeiten in [ms] angegeben sind. Psitive Werte sind richtige Antwrten, negative Werte sind falsche Antwrten. RZ bedeutet, dass die Reaktinszeiten bereits in richtige (1) und falsche (0) Antwrten cdiert sind. Felder hne Werte = Missing = Dieses Item ist nicht gezgen wrden. Das Kind hat das Item smit nicht beantwrtet (weder falsch, nch richtig). [3] Daten nach Testart: Dieser Datensatz enthält alle Daten zu einer Testart (z.b. Sinnentnehmender Lesetest). Die Messdaten sind nach den einzelnen Messzeitpunkten getrennt aufgeführt. Das bedeutet, im Sheet MZP1 sind alle Messdaten vn Kindern, die zum ersten Mal mit diesem Test gemessen wurden. Entsprechend sind die Messergebnisse der Kindern, die ein zweites Mal getestet wurden, im Sheet MZP2 usw. Diese Srtierung rientiert sich nicht am Messdatum, sndern lediglich an der Häufigkeit der durchgeführten Messungen pr Kind. Abbildung 7 Datensatz nach Testart [4] Daten nach Testleiter: Dieser Datensatz enthält alle Messergebnisse, die vn einem Testleiter (Accunt) erhben wurden. Hier sind alle Messergebnisse zu einem Test in einem Sheet dargestellt (z.b. Sinnentnehmendes Lesen, Silben lesen, etc.). Smit sind die Ergebnisse nicht nach Häufigkeit der durchgeführten Messungen pr Kind srtiert. Alle Daten wie im Sheet Alle Messungen + RZ gerdnet (Abb. 8). Hinweis: Sllte für eine Auswertung die Anzahl der MZP relevant sein, müssen diese händisch hinzugefügt werden (z.b. über eine neue Variable). Abbildung 8 Datensatz nach Testleiter 4

7 4 Excel-Daten in SPSS imprtieren Wie übertrage ich die Excel-Daten in SPSS? [1] Vraussetzung: Excel-Datei muss als Arbeitsmappe abgespeichert sein. [2] Öffnen: Datei > Daten imprtieren > Excel > Exceltabelle auswählen > Sheet auswählen ( alle Messungen - RZ, MZP1, etc.) > OK [3] Aus mehreren Sheets werden mehrere SPSS Dateien. SPSS arbeitet immer nur mit einem Datensatz (Abb. 9). Tipp: Es können mehrere Datensätze zusammengefügt werden, wenn dies benötigt wird. Abbildung 9 Imprt vn Excel-Dateien in SPSS 5

8 5 SPSS Datensatz speichern Wie speichere ich meinen SPSS Output? [1] SPSS Datensatz als SPSS-Datei speichern Datei > Speichern unter > Speichern Achtung: Datensatz, Syntax und Ausgabe speichern, um an gleicher Stelle weiterzuarbeiten zu können bei Weiterarbeit: Immer alle drei Dateien (Datensatz, Syntax, Ausgabe) öffnen, snst wird eine neue Syntax und eine neue Ausgabe erstellt. [2] SPSS Datensatz wieder als Excel-Datei speichern Dateien, die in ein anderes Dateifrmat übertragen werden, werden exprtiert. Datei > Exprtieren > Excel > Speichern Achtung: nicht den Originaldatensatz überspeichern. Anderen Namen wählen. 6

9 Berechnungen in SPSS mit Levumi-Daten 6 Umwandlung der Reaktinszeiten Wie wandele ich die Reaktinszeiten in richtige und falsche Antwrten um? In den meisten Fällen werden die Reaktinszeiten für Berechnungen nicht benötigt. Dann reicht die Angabe, b ein Item richtig der falsch gelöst wurde. (Zur Erinnerung: psitive Reaktinszeiten [in ms] = richtige Antwrt) [1] Ziel: Definitin der Messwerte psitive Reaktinszeit = Messwert 1 negative Reaktinszeit = Messwert 0 a) Missing = Missing (Pwertest) b) Missing = Messwert 0 (Speedtest) [2] Transfrmieren > Umcdieren in die dieselben Variablen > Variablen auswählen > Alte und neue Werte (Abb. 11) Bereich, Wert KLEINSTER bis Wert = 0 > Neuer Wert 0 und Bereich, Wert bis GRÖSSTER = 1 > Neuer Wert 1 Für Speedtest-Variante (Tests hat eine Zeitbeschränkung vn z.b. 1 Minute): Alle anderen Werte > Neuer Wert 0 > Hinzufügen > Weiter > Einfügen (Abb. 11, 12) in der Syntax Befehl markieren und auf G (grünes Dreieck ben, Abb. 13) Abbildung 10 Umcdieren einer Variable Abbildung 11 Umcdieren - Wertebereich festlegen Abbildung 13 Umcdieren in die Syntax einfügen Abbildung 12 Ansicht Syntax - Umcdierung durchführen 7

10 7 Itemschwierigkeit und Summenscre - Wie berechne ich die Itemschwierigkeit und den Summenscre einer Persn? - Manche Berechnungsschritte sind deutlich schneller und einfacher in Excel zu berechnen. Achtung: Wenn der Datensatz vrher mit SPSS bearbeitet wurden ist, diesen in zunächst in eine Excel-Datei exprtieren (siehe Kap. 5.2). [1] Itemschwierigkeit Wie schwierig ist ein Item? Die Itemschwierigkeit wird für jedes Item einzeln berechnet. Hierfür können entweder alle Werte der nur die vn einzelnen MZP herangezgen werden. In der Excel-Tabelle werden die Mittelwerte berechnet (Tipp: in einer Zelle die Frmel für den Wert eingeben und rechts die Spalte weiterziehen, Mittelwerte werden dann autmatisch über alle ausgewählten Zellen berechnet, Abb. 14). Itemschwierigkeit in SPSS übertragen: Mittelwerte für alle Items kpieren > neue Excel- Tabelle öffnen > Einfügen mit Transpnieren > Itemnamen kpieren > Einfügen mit Werte > Neu Kpieren > Einfügen mit Transpnieren > Alles erneut Kpieren > Neue SPSS Datenmaske öffnen > Einfügen Achtung: Dieser Schritt ist ntwendig, da SPSS die Werte im lng-frmat benötigt (Abb ) Mittelwert vn z.b = 87 % der Schüler haben dieses Item richtig gelöst. Abbildung 14 Berechnung des Mittelwerts in Excel 8

11 wide-frmat lng-frmat Abbildung 15 Itemschwierigkeit in Excel in unterschiedlichen Frmaten Abbildung 16 Itemschwierigkeit in SPSS im lng-frmat 9

12 [2] Summenscre Wie viele Items hat eine Persn an einem MZP richtig gelöst bzw. wie hch ist der Summenscre? Der Summenscre gibt an, wie hch die Fähigkeit einer Persn in einem Test ist. Diese Berechnung ist in SPSS leicht, da die Daten bereits im lng-frmat vrliegen. Berechnung in SPSS: Transfrmieren > Variable berechnen > Zielvariable (z.b. MW (Mittelwert)) > Funktinsgruppe statistisch > Funktinen und Sndervariablen Mean > in numerischen Ausdruck ziehen > MEAN (Item 1 t Item letzte) > Einfügen > Wechsel in Syntax > G > Mittelwerte sind in der SPSS Datenmaske als letzte Variable eingefügt (Abb. 17) Mittelwert vn z.b = Schüler hat 87 % Items richtig gelöst. Abbildung 17 Berechnung vn Variablen in SPSS 10

13 8 Signifikanz - Was bedeutet Signifikanz? - In der Statistik werden ft zwei der mehrere Gruppen vn Daten, Persnen der anderen Objekten miteinander hinsichtlich einer Eigenschaft verglichen. - Wird ein Unterschied zwischen den Gruppen bebachtet, stellt sich die Frage, b dieser statistisch signifikant ist. In anderen Wrten: Besteht der Unterschied der Gruppen wirklich der ist zufällig entstanden? Zufällige Unterschiede können z.b. durch eine unglückliche Auswahl der betrachteten Stichprbe aus der Grundgesamtheit entstehen. - Die statistische Signifikanz misst, wie grß die Wahrscheinlichkeit dafür ist, dass der bebachtete Unterschied nicht zufällig entstanden ist und tatsächlich etwas zu bedeuten hat, als auch in der Grundgesamtheit ein Unterschied besteht. - Überprüft wird die statistische Signifikanz durch statistische Tests, z.b. der T-Test (siehe Kapitel 9) - Anhand des p-werts wird das Überschreiten einer bestimmten Irrtumswahrscheinlichkeit errechnet. - Die bere Grenze für die Irrtumswahrscheinlichkeit (als jener nch akzeptable Wert für die Wahrscheinlichkeit eines Fehlers), heißt Signifikanzniveau. - Das Signifikanzniveau wird in SPSS mit dem p-wert ausgedrückt. Er ist eine Wahrscheinlichkeit und kann Werte vn Null bis Eins annehmen. - Grundsätzlich ist das Signifikanzniveau frei wählbar; häufig wird ein Signifikanzniveau vn 5 % verwendet. Smit spricht man bei einem p-wert vn 5 % (p.05) vn einem signifikanten Zusammenhang. - ACHTUNG: Die Größe des p-werts gibt dabei keine Aussage über die Größe des wahren Effekts. Es kann nur die Aussage getrffen werden, dass ein Zusammenhang signifikant ist der nicht. Ein kleinerer p-wert bedeutet nicht, dass der Zusammenhang weniger signifikant ist. 11

14 9 T-Test [1] T-Test für eine abhängige Stichprbe Wie vergleiche ich zwei anhängige Stichprben bzw. Gruppen miteinander? Der T-Test für abhängige Stichprben testet, b die Mittelwerte zweier abhängiger Stichprben (bzw. Gruppen) verschieden sind. Eine "abhängige Stichprbe" bzw. "verbundene Stichprbe" ist gegeben, wenn ein Messwert in der ersten Stichprbe und ein Messwert in der zweiten Stichprbe sich gegenseitig beeinflussen (z.b. die gleichen Kinder einer Klasse werden über zwei MZP verglichen). Analysieren > Mittelwerte vergleichen > t-test bei verbundenen Stichprben Variablen auswählen, die miteinander verglichen werden sllen > Einfügen (Abb. 18) Befehl in Syntax markieren > G (grünes Dreieck ben, Abb. 19) In der Ausgabe werden die Ergebnisse angezeigt (Abb. 20). Abbildung 19 T-Test bei verbundenen (abhängigen) Stichprbe - Variablen auswählen Abbildung 18 Syntax eines T-Tests bei verbundenen (abhängigen) Stichprben Abbildung 20 Output eines T-Tests bei verbundenen (abhängiger) Stichprbe 12

15 SPSS berücksichtigt bei T-Tests mit verbundenen Stichprben nur Stichprbenwerte, die Daten zu beiden Messzeitpunkten hinterlegt haben. In Abbildung 20 sind dies N = 219, für die swhl Daten zum ersten als auch zum zweiten Messzeitpunkt vrliegen. Der Wert df (degrees f freedm; dt: Anzahl der Freiheitsgrade) beträgt df = n-1. In unserem Beispiel als df = = 218. Der Mittelwert im Messzeitpunkt liegt bei M = und die Standardabweichung bei SD = Die Teststatistik beträgt t = und der zugehörige Signifikanzwert p = Damit ist der Unterschied nicht signifikant: Die Mittelwerte unterscheiden sich nicht. Beispiele Angabe im Fließtext: Zwischen dem ersten Messzeitpunkt (M = 20.71, SD = 6.45) und dem zweiten Messzeitpunkt (M = 20.43, SD = 8.73) ergab sich kein signifikanter Mittelwertunterschied (t (218) = 0.610, df = 218, p = 0.542). [2] T-Test für eine unabhängige Stichprbe Wie vergleiche ich zwei unabhängige Stichprben bzw. Gruppen miteinander? Der T-Test für unabhängige Stichprben testet, b die Mittelwerte zweier unabhängiger Stichprben (bzw. Gruppen) verschieden sind. Eine "unabhängige Stichprbe" ist gegeben, wenn ein Messwert in der ersten Stichprbe und ein Messwert in der zweiten Stichprbe sich gegenseitig nicht beeinflussen (z.b. Vergleich zweier unterschiedlicher Klassen zu einem MZP). Analysieren > Mittelwerte vergleichen > T-Test für unabhängigen Stichprben Da die unabhängige Variable (Gruppenvariable) mehr als zwei Gruppen unterscheiden könnte, müssen unter Gruppen definieren jene Werte angegeben werden, die die beiden Gruppen beschreiben > Einfügen (Abb. 21). Rest siehe Kap In der Ausgabe werden die Ergebnisse angezeigt (Abb. 22). Abbildung 21 Gruppen für T-Test mit unabhängiger Stichprbe 13

16 Abbildung 22 Anzeige der Ergebnisse in der Ausgabe Mittelwerte beider Klassen im Messzeitpunkt sind fast gleich (0.86; 0.85). Die Teststatistik beträgt t = 0.85 und der zugehörige Signifikanzwert p =.932. Damit ist der Unterschied nicht signifikant. Die Mittelwerte beider Schulen unterscheiden sich damit nicht signifikant (sind ähnlich zueinander). Beispiele Angabe im Fließtext: Zwischen dem Mittelwert der Klasse 642 (M = 0.86, SD = 0.351) und dem Mittelwert der Klasse 682 (M = 0.85, SD = 0.358) ergab sich kein signifikanter Mittelwertunterschied (t (89) = 0.85, df = 89, p = 0.932). 14

17 10 Wie führe ich eine ANOVA durch? ACHTUNG: Sie müssen sich stets vr der Durchführung einer ANOVA versichern, dass die Einstellungen auch zu Ihrer Fragestellung passen. [1] Einfaktrielle Varianzanalyse Wie vergleiche ich mehr als zwei unabhängige Stichprben (bzw. Gruppen) miteinander? Eine einfaktrielle Varianzanalyse (ANOVA) prüft, b sich die Mittelwerte mehrere unabhängiger Stichprben (bzw. Gruppen) unterscheiden, die durch eine kategriale unabhängige Variable definiert ist. Eine einfaktrielle Varianzanalyse in SPSS kann nur numerische Werte vergleichen. Achtung: Viele persnenbezgenen Daten sind im Levumi-Datensatz als Zeichenflge (und smit nicht numerisch) eingetragen. Diese Daten müssen dann transfrmiert werden. Transfrmieren > Umcdieren in dieselbe Variable > Alte und neue Werte > Weiter > Einfügen > Wechsel in Syntax > Befehl markieren > G > Variablenansicht > Variable ändern in numerisch + Werte definieren (Abb. 23) Abbildung 23 Umcdieren vn Variablen für z.b. ANOVA Im flgenden Beispiel wird untersucht b sich die Mittelwerte vn 5 unabhängigen Gruppen (FB Deutsch, FB Geistige, Anderer FB, Keinen FB) zueinander unterscheiden. Analysieren > Mittelwerte vergleichen > Einfaktrielle Varianzanalyse > Abhängige Variablen (z.b. Mittelwerte) > Faktr (z.b. Förderbedarf) > Pst hc > Tukey > Signifikanzniveau 0.05 > Weiter > Optinen > Deskriptive Statistik > Weiter > Einfügen > Wechsel in Syntax > Befehl markieren > G (Abb ) Achtung: Je nach Fragestellung müssen unterschiedliche Pst hc Einstellungen vrgenmmen werden. Der Tukey-Test ist ein pst-hc Test der alle möglichen Gruppenkmbinatinen vergleicht bei gleicher der ähnlicher Anzahl vn Werten pr Gruppe) 15

18 Abbildung 24 Variablenauswahl für einfaktrielle Varianzanalyse Abbildung 26 Pst-hc Einstellungen bei der einfaktrielle Varianzanalyse Abbildung 25 Optinen bei der einfaktriellen Varianzanalyse Ergebnisse interpretieren: In der Tabelle Einfaktrielle Anva steht das eigentliche Ergebnis der Varianzanalyse. Interessant ist vr allem die erste Zeile Zwischen den Gruppen, da der Signifikanzwert p <.05. In der letzten Spalte Sig. steht der p-wert. In diesem Beispiel ist p =.000, als signifikant (Die Mittelwerte vn Gruppe 1 und Gruppe 2 weichen signifikant vneinander ab) (Abb. 27). Beispiele Angabe im Fließtext: Zwischen dem Mittelwert der Gruppen ergab sich ein signifikanter Mittelwertunterschied (F = , df = 4, p <.05). Abbildung 27 Ausgabe I - Einfaktrielle Varianzanalyse 16

19 Die Tabelle Hmgene Gruppen schlüsselt die verglichenen Gruppen (hier: jeder Förderbedarf ist eine Gruppe; smit 5 ingesamt) auf. Jede Untergruppe stellt eine hmgene Gruppe hne sig. Unterschied dar und wird zusammengefasst (hier: 2 Untergruppen) (Abb. 28). Untergruppen sind nur signifikant unterschiedlich, wenn keine Gruppe in mehreren Untergruppen dppelt vrkmmt. Zwischen den Mittelwerten der Kinder mit den Förderschwerpunkten Deutsch, Lernen, Kein Förderbedarf, Anderer Förderbedarf kein signifikanter Unterschied; Zwischen den Mittelwerten der Kinder mit den Förderschwerpunkten Lernen, Kein Abbildung 28 Ausgabe II - Einfaktrielle Varianzanalyse Förderbedarf, anderer Förderbedarf, Geistige Entwicklung keine signifikanten Unterschiede Lediglich die Mittelwerte der Kinder mit Förderschwerpunkt Deutsch und Geistiger Entwicklung unterscheiden sich signifikant vneinander (kmmen jeweils nur einmal vr) 17

20 [2] ANOVA mit Messwiederhlung Wie untersuche ich Unterschiede der Mittelwerte einer abhängigen Stichprbe über die Zeit hinweg? (mind. 3 MZPs) Die ANOVA mit Messwiederhlung testet, b sich die Mittelwerte mehrerer abhängiger Gruppen (der Stichprben) unterscheiden (hier z.b. mehrere Messzeitpunkte) Analysieren > allgemeines lineares Mdell > Messwiederhlung > Name festlegen (z.b. MZP) > Anzahl der Stufen (z.b. hier 3, da 3 MZPs verglichen werden) > hinzufügen > definieren > Innersubjektvariablen definieren (Hier MZP 1, MZP 2, MZP 3) > einfügen > Wechsel in Syntax > Befehl markieren > G (Abb ) Hinweis: Eine ANOVA mit 2 MZPs kann durch einen T-Test mit abhängiger Stichprbe durchgeführt werden. Die Verwendung einer ANOVA macht nur bei dem Vergleich vn mehr als 2 Gruppen (2 MZP) sinn. Achtung: Wichtig ist hier der Test der Innersubjektkntraste. Er gibt an, b signifikante Unterschiede zwischen den getesteten Messwiederhlungen bestehen (hier: p <.000 = zwischen den Messzeitpunkten bestehen signifikante Unterschiede in den Mittelwerten) (Abb. 31). Abbildung 29 Faktren definieren Abbildung 30 Innersubjektvariablen festlegen Abbildung 31 Ausgabe Tabelle der Innersubjektkntraste 18

21 11 Krrelatinen - Wie hch ist der Zusammenhang zwischen zwei Variablen? - Mit der Spearman-Krrelatin und der Pearsn-Krrelatin wird der Zusammenhang zwischen zwei Variablen (z.b. Zusammenhang zwischen Schülerleistungen vn zwei MZPs) gemessen. - Der Krrelatinskeffizient gibt die Stärke und die Richtung des Zusammenhangs an. Sie kann Werte vn -1 (perfekte negative Krrelatin) bis +1 (perfekte psitive Krrelatin) annehmen. Liegt sie bei nahe 0, liegt keine Krrelatin vr. Genauere Abstufungen müssen aus der Literatur abgeleitet werden. - Der p-wert sagt aus, b der Krrelatinskeffizient sich signifikant vn 0 unterscheidet. - Beide Krrelatinen lassen sich in Streudiagrammen abbilden. [1] Krrelatin nach Pearsn Wie ist der Zusammenhang zwischen zwei Variablen, bei denen ein linearer Zusammenhang besteht? Der Pearsn-Krrelatinskeffizient wird verwendet, wenn die Daten nrmalverteilt sind und wenn es einen linearen Zusammenhang zwischen den beiden Variablen gibt. Wichtig: Metrisch skalierte Merkmale (z.b. die Krrelatin zwischen zwei Messzeitpunkten berechnen). Vraussetzung: linearer Zusammenhang Um zu prüfen, b ein linearer Zusammenhang vrliegt, können Sie ein Streudiagramm erstellen (Abb ). Grafik > Diagrammerstellung > Streu-/Punkt-Diagramm > Einfaches Streudiagramm Abbildung 32 Streudiagramm mit linearem Zusammenhang Abbildung 33 Streudiagramm hne linearen Zusammenhang Wenn ein linearer Zusammenhang besteht, kann die Krrelatin nach Pearsn durchgeführt werden. Wenn kein linearer Zusammenhang besteht, wird die Krrelatin nach Spearman verwendet (siehe Kapitel 11.2) Durchführung Krrelatin nach Pearsn: Analysieren > Krrelatin > Bivariat > Variablen auswählen (metrisch) > Pearsn > Einfügen (Abb. 34) 19

22 Abbildung 34 Krrelatin nach Pearsn berechnen Wechsel in die Syntax > Befehl markieren > G Wechsel in die Ausgabe: Sie sehen eine Tabelle mit vier Feldern, vn denen nur das untere linke und das bere rechte vn Interesse sind. In dieser 2x2 Matrix sind die Werte beider Felder ident. Die Werte geben die Krrelatin, die Signifikanz und die Anzahl ausgewerteter Paare wider (Abb. 33). Im gewählten Beispiel wurde die Krrelatin zwischen zwei Messzeitpunkten analysiert die Krrelatin beträgt laut Ausgabetabelle r = 0.170, damit kann angenmmen werden, dass zwischen dem 1. und 2. MZP ein schwacher psitiver Zusammenhang besteht (Abb. 35). Der Signifikanztest mit einem p-wert vn p =.007 zeigt, dass die Nullhypthese verwrfen werden kann und es einen signifikanten Zusammenhang zwischen beiden Merkmalen gibt (hhe Leistung der Schüler an MZP 1 gehen mit hher Leistung in MZP 2 einher) (Abb. 35). Beispiele Angabe im Fließtext: Zwischen dem Messzeitpunkt und dem zweiten Messzeitpunkt besteht ein schwacher Zusammenhang (r = 0.170, p =.01). Abbildung 35 Ausgabe der Krrelatin nach Pearsn 20

23 [2] Krrelatin nach Spearman / Rangkrrelatin Wie ist der Zusammenhang zwischen zwei Variablen, bei denen kein linearer Zusammenhang besteht? Der Spearman-Krrelatinskeffizient wird auch Rangkrrelatinskeffizient genannt. Unterschied zum Pearsn-Krrelatinskeffizienten: wird verwendet, wenn die Daten nicht nrmalverteilt sind der Ausreißer vrhanden sind. Die Krrelatin wird nicht zwischen den Datenpunkten selbst, sndern zwischen ihren Rängen berechnet. Dadurch kann sie auch nicht-lineare Zusammenhänge erkennen und ist nicht auf nrmalverteilte Daten beschränkt. Wichtig: mindestens ein rdinal skaliertes Merkmal. Analysieren > Krrelatin > Bivariat > Variablen auswählen > Spearman > Einfügen (Abb. 36) Abbildung 36 Krrelatin nach Spearman berechnen Wechsel in die Syntax > Befehl markieren > G Wechsel in die Ausgabe: Sie sehen eine Tabelle mit vier Feldern, vn denen nur das untere linke und das bere rechte vn Interesse sind. In dieser 2x2 Matrix sind die Werte beider Felder ident (wie bei der Krrelatin nach Pearsn). Die Werte geben auch hier die Krrelatin, die Signifikanz und die Anzahl ausgewerteter Paare wider. Interpretatin der Ergebnisse, wie bei der Krrelatin nach Pearsn (Siehe Kap. 10.1). 21

24 12 Weiterführende Literatur [1] Rasch, Björn, Friese, Malte, Hfmann, Wilhelm Jhann & Naumann, Ewald (2010). Quantitative Methden 1. Einführung in die Statistik für Psychlgen und Szialwissenschaftler. Berlin: Springer. [2] Rasch, Björn, Friese, Malte, Hfmann, Wilhelm Jhann & Naumann, Ewald (2014). Quantitative Methden 2. Einführung in die Statistik für Psychlgen und Szialwissenschaftler. Berlin: Springer. [3] Yutube Kanal: Unter dem flgenden Link finden Sie Vides, die die Nutzung vn SPSS in Englischer Sprache erklären. Bitte ziehen Sie bei Fragen zunächst diese Hilfe heran und wenden sich erst danach an die Persnen des Lehrstuhls. 22