How to SPSS für die Auswertung von Daten aus Levumi Version 1.0 Stand August 2018
|
|
- Adolf Kappel
- vor 5 Jahren
- Abrufe
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
Klausur: Einführung in die Statistik Sommersemester 2014
Klausur: Einführung in die Statistik Smmersemester 2014 1. Für eine statistische Analyse wird eine Reihe vn Merkmalen erfasst- Ntieren Sie jeweils mit N, O, I bzw. R, b es sich um eine Nminal-, Ordinal-,
MehrGibt es einen Zusammenhang zwischen Merkmalen? Korrelationen
Arbeitsblatt SPSS Kapitel 8 Seite Gibt es einen Zusammenhang zwischen Merkmalen? Korrelationen Wie in allen Kapiteln gehen wir im Folgenden davon aus, dass Sie die Datei elporiginal.sav geöffnet haben.
MehrBiometrisches Tutorial III
Biometrisches Tutorial III Montag 16-18 Uhr Sitzung 3 07.05.2018 Dr. Christoph Borzikowsky Biometrisches Tutorial III 1. Anforderungen an Daten und Datenstrukturen 2. Einführung in SPSS (Grundlagen) 3.
MehrEINFÜHRUNG IN SPSS Version 4 vom
Prf. Hannah Schmid-Petri - Mritz Bürger - Stephan Schlögl EINFÜHRUNG IN SPSS Versin 4 vm 25.07.2018 I. VERFÜGBARKEIT Über die PC-Pls können Sie SPSS an der Uni nutzen. Für den privaten Rechner bietet IBM
MehrEINFÜHRUNG IN SPSS Version 01 vom
Prf. Hannah Schmid-Petri Mritz Bürger EINFÜHRUNG IN SPSS Versin 01 vm 11.01.2017 I. VERFÜGBARKEIT Über die PC-Pls können Sie SPSS an der Uni nutzen. Für den privaten Rechner bietet IBM eine kstenlse 14-tägige
MehrEinstieg in SPSS. Man kann auch für jede Ausprägung einer Variablen ein Wertelabel vergeben.
Einstieg in SPSS In SPSS kann man für jede Variable ein Label vergeben, damit in einer Ausgabe nicht der Name der Variable (der kryptisch sein kann) erscheint, sondern ein beschreibendes Label. Der Punkt
MehrInhaltsverzeichnis. Über die Autoren Einleitung... 21
Inhaltsverzeichnis Über die Autoren.... 7 Einleitung... 21 Über dieses Buch... 21 Was Sie nicht lesen müssen... 22 Törichte Annahmen über den Leser... 22 Wie dieses Buch aufgebaut ist... 23 Symbole, die
MehrAnleitung Gruppe. Version 1.6. Pinnatec AG Rainweg Balsthal
Versin 1.6 Anleitung Gruppe Inhalt Anleitung Gruppe... 2 Begriffe... 3 Gruppe... 3 Organisatr... 3 Links... 3 Startseite... 3 Anlass URL... 3 Funktinen... 4 Auf Anlass Seite einlggen... 4 Anlass Inf lesen
MehrAufgaben zu Kapitel 5:
Aufgaben zu Kapitel 5: Aufgabe 1: Ein Wissenschaftler untersucht, in wie weit die Reaktionszeit auf bestimmte Stimuli durch finanzielle Belohnung zu steigern ist. Er möchte vier Bedingungen vergleichen:
MehrKapitel 5: Einfaktorielle Varianzanalyse
Kapitel 5: Einfaktorielle Varianzanalyse Durchführung einer einfaktoriellen Varianzanalyse ohne Messwiederholung Dieser Abschnitt zeigt die Durchführung der in Kapitel 5 vorgestellten einfaktoriellen Varianzanalyse
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen Rängen. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrWebergänzung zu Kapitel 10
10.1.5 Varianzanalyse (ANOVA: analysis of variance ) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder werden zwei unterschiedliche
MehrAufgaben zu Kapitel 1
Aufgaben zu Kapitel 1 Aufgabe 1 a) Öffnen Sie die Datei Beispieldatensatz.sav, die auf der Internetseite zum Download zur Verfügung steht. Berechnen Sie die Häufigkeiten für die beiden Variablen sex und
MehrAufgaben zu Kapitel 1
Aufgaben zu Kapitel 1 Aufgabe 1 a) Öffnen Sie die Datei Beispieldatensatz.sav, die auf der Internetseite zum Download zur Verfügung steht. Berechnen Sie die Häufigkeiten für die beiden Variablen sex und
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrAnleitung Gruppe. Version 1.7. Pinnatec AG Rainweg Balsthal
Versin 1.7 Inhalt Einleitung... 3 Begriffe... 3 Gruppe... 3 Organisatr... 3 Verband... 3 Links... 3 Startseite... 3 Anlass-URL... 3 Anmelden... 4 Einlggen... 4 Anlass-Inf lesen und Dateien herunterladen...
MehrUnterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische Verfahren nicht erfüllt sind
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 6 Seite 1 Unterschiedshypothesen für maximal 2 Gruppen, wenn die Voraussetzungen für parametrische
MehrEigene MC-Fragen SPSS
Eigene MC-Fragen SPSS 1. Welche Spalte ist in der Variablenansicht unbedingt festzulegen? [a] Variablenlabel [b] Skala [c] Name [d] Typ [e] Wertelabel 2. Wie heißt das Standardfenster von SPSS? [a] Dialogfenster
MehrEinfache statistische Auswertungen mit dem Programm SPSS
Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrIm ersten Schritt müssen die Daten in die Datenansicht eingelesen werden.
Kapitel 2 FRAGESTELLUNG 1 Im ersten Schritt müssen die Daten in die Datenansicht eingelesen werden. Dazu muss man auf den Menüpunkt Datei / Öffnen / Daten gehen und die Datei commercial.sav laden. Nun
MehrAufgaben zu Kapitel 8
Aufgaben zu Kapitel 8 Aufgabe 1 a) Berechnen Sie einen U-Test für das in Kapitel 8.1 besprochene Beispiel mit verbundenen n. Die entsprechende Testvariable punkte2 finden Sie im Datensatz Rangdaten.sav.
MehrComputergestützte Methoden. Master of Science Prof. Dr. G. H. Franke WS 07/08
Computergestützte Methoden Master of Science Prof. Dr. G. H. Franke WS 07/08 1 Seminarübersicht 1. Einführung 2. Recherchen mit Datenbanken 3. Erstellung eines Datenfeldes 4. Skalenniveau und Skalierung
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrKurzanleitung für SPSS Statistics 22
Kurzanleitung für SPSS Statistics 22 im Rahmen des Moduls Betriebssoziologie (Prof. Dr. Christian Ernst) Schritt 1: Variablen definieren (in der Variablenansicht) Daten können direkt in ein "leeres" Datenfenster
Mehr3. Tabellenkalkulation
3. Tabellenkalkulatin Excel Mitglied der Office Familie vn Micrsft Prgramm bereits in den Basis-Paketen enthalten die Versinen (97, 2000, XP, 2003) sind weitgehend kmpatibel zueinander (*.xlsdateien),
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Dateneingabe und -aufbereitung
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Dateneingabe und - 1) Geben Sie die Daten der vier Patienten in eine Excel-Datei ein und lesen Sie diese anschließend in SPSS ein. Basis-Kurs
Mehr5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest
Empirische Wirtschaftsforschung Prof. Dr. Ralf Runde 5. Kolmogorov-Smirnov-Test und χ 2 -Anpassungstest Ein wesentliches Merkmal nichtparametrischer Testverfahren ist, dass diese im Allgemeinen weniger
MehrKennwerte eindimensionaler Häufigkeitsverteilungen
Kennwerte eindimensinaler Häufigkeitsverteilungen - Einführung - Statistische Kennwerte vn Verteilungen sind numerische Maße mit der Funktin, zusammenfassend einen Eindruck vn 1) dem Schwerpunkt, 2) der
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
Mehr5. Lektion: Einfache Signifikanztests
Seite 1 von 7 5. Lektion: Einfache Signifikanztests Ziel dieser Lektion: Du ordnest Deinen Fragestellungen und Hypothesen die passenden einfachen Signifikanztests zu. Inhalt: 5.1 Zwei kategoriale Variablen
Mehr1. Klicken Sie auf das Menü Datei zeigen Sie auf neu, und klicken Sie dann auf Termin.
Planen eines Termins Gilt für: Outlk 2007 Termine sind in Ihrem Kalender geplante Aktivitäten, zu denen keine anderen Persnen eingeladen der Ressurcen reserviert werden. Sie können wiederhlte Termine planen,
MehrLÖSUNG 2C a. Bei HHEINK handelt es sich um eine metrische Variable.
LÖSUNG 2C a. Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Bei HHEINK handelt es sich um eine metrische Variable. Bei den Analysen sollen Extremwerte ausgeschlossen werden. Man sollte
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Statistische Tests
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Statistische Tests Testentscheidung: Deskriptive Statistik Basis-Kurs Statistik und SPSS für Mediziner 2 Mit Datensatz Daten_SPSS_Kurs_I.sav
MehrTesten von Unterschiedshypothesen mit parametrischen Verfahren Der t-test
Schäfer A & Schöttker-Königer T, Statistik und quantitative Methoden für (2015) Arbeitsblatt 1 SPSS Kapitel 5 Seite 1 Testen von Unterschiedshypothesen mit parametrischen Verfahren Der t-test Im Folgenden
Mehr1.1. Vergleich von Mittelwerten
1.1. Vergleich von Mittelwerten 1.1.1. Eine glückliche Familie: Die t-tests Die einfachsten inferenzstatistischen Verfahren sind die t-tests. Bei ihnen dreht sich alles um Mittelwerte und die Frage: Sind
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrDer χ2-test Der χ2-test
Der χ 2 -Test Überblick Beim χ 2 -Test handelt es sich um eine Familie ähnlicher Tests, die bei nominal- oder ordinalskalierten Merkmalen mit zwei oder mehr Ausprägungen angewendet werden können. Wir behandeln
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester 2009, Statistik mit SPSS
Sommersemester 2009, Statistik mit SPSS 26. August 2009 26. August 2009 Statistik Dozentin: mit Anja SPSS Mays 1 Bivariate Datenanalyse, Überblick bis Freitag heute heute Donnerstag Donnerstag Freitag
MehrDer χ 2 -Test. Überblick. Beispiel 1 (χ 2 -Anpassungstest)
Der χ 2 -Test Überblick Beim χ 2 -Test handelt es sich um eine Familie ähnlicher Tests, die bei nominal- oder ordinalskalierten Merkmalen mit zwei oder mehr Ausprägungen angewendet werden können. Wir behandeln
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrÜbung 1 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrVersuchsplan: Zahlen' sortieren
Versuchsplan: Zahlen' srtieren HANS RIEDWYL UND MANUELA SCHALLER, BERN Zusammenfassung: Chris du Feu [1] berichtet vn einem Versuch, bei dem verschieden lange Flgen vn Zufallszahlen durch Persnen in aufsteigende
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrWenn Sie die Sitzunge beenden möchten, klicken Sie auf Abmelden in der oberen rechten Ecke.
Vielen Dank für Ihr Interesse an unserem Lizenzmanager! Wir haben diese kurze Anleitung vrbereitet, damit Sie sich s einfach wie möglich mit dem System vertraut machen können. In den Abschnitten LIZENZENund
MehrLösung 1. die 1 angeben. Alternativ kann man auch. Variable berechnen wählen und dann die Summe von Q2_6 und Q2_7 wählen.
SPSS Kurs Lösungen Lösung 1 2) Erstellen Sie eine neue Variable Ausland, diese soll die Summe der im Ausland bereisten Städte (Paris, Madrid) wider spiegeln. z.b. über Transformieren Werte in Fällen zählen
Mehr1. Es sind einfach zu viele! Varianzanalytische Verfahren.
1. Es sind einfach zu viele! Varianzanalytische Verfahren. In diesem Kapitel behandeln wir die Varianzanalyse (ANOVA). Varianzanalysen kommen in sehr sehr vielen verschiedenen Gestalten einher. Das Ziel
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
Mehr3. Lektion: Deskriptive Statistik
Seite 1 von 5 3. Lektion: Deskriptive Statistik Ziel dieser Lektion: Du kennst die verschiedenen Methoden der deskriptiven Statistik und weißt, welche davon für Deine Daten passen. Inhalt: 3.1 Deskriptive
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)
LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;
MehrAngewandte Statistik 3. Semester
Angewandte Statistik 3. Semester Übung 5 Grundlagen der Statistik Übersicht Semester 1 Einführung ins SPSS Auswertung im SPSS anhand eines Beispieles Häufigkeitsauswertungen Grafiken Statistische Grundlagen
MehrWie bekomme ich einen schnellen Überblick über die bereits eingegebenen Daten?
Datenanalyse 1 Datenanalyse Wie bekomme ich einen schnellen Überblick über die bereits eingegebenen Daten? In SPSS: Die Variablenansicht sollte bereits ordentlich ausgefüllt sein! Daten öffnen: Doppelklick
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (010). Quantitative Methoden. Band (3. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrPROC NPAR1WAY. zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale)
PROC NPAR1WAY zum Durchführen des U-Tests für zwei unverbundene Stichproben (für quantitative nicht-normalverteilte Merkmale) Allgemeine Form: PROC NPAR1WAY DATA=name Optionen ; VAR variablenliste ; CLASS
MehrÜbungsaufgabe Parameter und Verteilungsschätzung
Übungsaufgabe Parameter und Verteilungsschätzung Prof. Dr. rer. nat. Lüders Datum: 21.01.2019 Autor: Marius Schulte Matr.-Nr.: 10049060 FH Südwestfalen Aufgabenstellung Analysiert werden sollen die Verteilungen
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrKapitel 1: Deskriptive Statistik
Kapitel 1: Deskriptive Statistik Grafiken 1 Statistische Kennwerte 5 z-standardisierung 7 Grafiken Mit Hilfe von SPSS lassen sich eine Vielzahl unterschiedlicher Grafiken für unterschiedliche Zwecke erstellen.
MehrAufgaben zu Kapitel 7:
Aufgaben zu Kapitel 7: Aufgabe 1: In einer Klinik sollen zwei verschiedene Therapiemethoden miteinander verglichen werden. Zur Messung des Therapieerfolges werden die vorhandenen Symptome einmal vor Beginn
MehrÜbung 4 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrKapitel 4: Merkmalszusammenhänge
Kapitel 4: Merkmalszusammenhänge Streudiagramme 1 Korrelationen 3 Lineare Regression 6 Zusammenhang zwischen Korrelation, Regression und t-test 8 Streudiagramme SPSS bietet die Möglichkeit, verschiedene
MehrUm eine Korrelation in MAXQDA Stats zu berechnen, wählen Sie im Hauptmenü entweder
Korrelation Korrelation Korrelationsanalysen dienen der Untersuchung von Zusammenhängen zwischen Variablen, insbesondere der Analyse von Je mehr, desto mehr oder Je mehr, desto weniger Beziehungen. MAXQDA
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Post Hoc Tests A priori Tests (Kontraste) Nicht-parametrischer Vergleich von Mittelwerten 50 Ergebnis der ANOVA Sprossdichte der Seegräser 40 30 20 10
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 9A a.
LÖSUNG 9A a. Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Das Regressionsmodell soll nur für Büropersonal angewendet werden Management- und Bewachungspersonal (MIND =0) soll nicht einbezogen
MehrSPSS (20.0) Hilfe Version 1
SPSS (20.0) Hilfe Version 1 Statistik-UE SS 2015 Datenmanagement Informationen zur Syntax: Öffnen der Syntax: Datei Öffnen Syntax Eingabe z. B. COMPUTE bzw. wenn Sie einen Befehl in SPSS ausführen, drücken
MehrStatistik. Jan Müller
Statistik Jan Müller Skalenniveau Nominalskala: Diese Skala basiert auf einem Satz von qualitativen Attributen. Es existiert kein Kriterium, nach dem die Punkte einer nominal skalierten Variablen anzuordnen
MehrHypothesentests mit SPSS
Beispiel für einen chi²-test Daten: afrikamie.sav Im Rahmen der Evaluation des Afrikamie-Festivals wurden persönliche Interviews durchgeführt. Hypothese: Es gibt einen Zusammenhang zwischen dem Geschlecht
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrKapitel 8: Verfahren für Rangdaten
Kapitel 8: Verfahren für Rangdaten Der Mann-Whitney U-Test 1 Der Wilcoxon-Test 3 Der Kruskal-Wallis H-Test 4 Vergleich von Mann-Whitney U-Test und Kruskal-Wallis H-Test 6 Der Mann-Whitney U-Test In Kapitel
MehrPRAXISORIENTIERTE EINFÜHRUNG
GRUNDLAGEN DER STATISTIK PRAXISORIENTIERTE EINFÜHRUNG Rainer Gaupp Leiter Qualität & Prozesse 1 INHALTE DER EINFÜHRUNG Theoretische Grundlagen: Natur vs. Sozialwissenschaft. Skalentypen. Streu- und Lagemasse.
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Deskriptive Statistik
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Deskriptive Statistik Mit Datensatz Daten_SPSS_Kurs_I.sav 1) Die Ergebnisse der Studie sollen in einem medizinischen Journal veröffentlicht
MehrKapitel 3: Der t-test
Kapitel 3: Der t-test Durchführung eines t-tests für unabhängige Stichproben Dieser Abschnitt zeigt die Durchführung des in Kapitel 3.1 vorgestellten t-tests für unabhängige Stichproben mit SPSS. Das Beispiel
MehrPraktikum OOP/C++ - Versuch 5
Seite 1 vn 5 Allgemeines Die Elektrifizierung im Autmbilbereich nimmt immer mehr zu. Das heißt, es kmmen immer mehr Elektrmtren und verbraucher zum Einsatz. Es ist ein Prgramm in C++ zu entwickeln, das
MehrKapitel 5: Einfaktorielle Varianzanalyse
Rasch, Friese, Hofmann & Naumann (006). Quantitative Methoden. Band (. Auflage). Heidelberg: Springer. Kapitel 5: Einfaktorielle Varianzanalyse Berechnen der Teststärke a priori bzw. Stichprobenumfangsplanung
MehrStatistik mit MAXQDA Stats
Statistik mit MAXQDA Stats MAXQDA Stats ist ein eigenständiges Statistik-Modul, das aus MAXQDA heraus gestartet werden kann und das häufig verwendete Verfahren der Deskriptiv- und Inferenzstatistik offeriert.
MehrOnline Statistik-Coaching
Online Statistik-Coaching Modul 3 Statistisches Testen - Auswahl der passenden Methode - Durchführung mit SPSS - Interpretation und Darstellung Dipl.-Math. Daniela Keller www.statistik-und-beratung.de
MehrAufgaben zu Kapitel 4
Rasch, Friese, Hofmann & aumann (2006). Quantitative Methoden. Band (2. Auflage). Heidelberg: Springer. Aufgaben zu Kapitel 4 Aufgabe a) Berechnen Sie die Korrelation zwischen dem Geschlecht und der Anzahl
Mehr3. Übung: PowerCopy-Verfahren
3. Übung: PwerCpy-Verfahren Inhalt - PwerCpy erzeugen - Verwendung vn PwerCpy Exemplare und bleschen Operatinen - PwerCpy Katalg Verwendete Funktinen Wrkbenches: Skizzierer, Bauteil Design Funktinen: Skizzieren,
MehrAufgaben zu Kapitel 9
Aufgaben zu Kapitel 9 Aufgabe 1 Für diese Aufgabe benötigen Sie den Datensatz Nominaldaten.sav. a) Sie arbeiten für eine Marktforschungsfirma und sollen überprüfen, ob die in diesem Datensatz untersuchte
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrKlausur Statistik I Dr. Andreas Voß Wintersemester 2005/06
Klausur Statistik I Dr. Andreas Voß Wintersemester 2005/06 Hiermit versichere ich, dass ich an der Universität Freiburg mit dem Hauptfach Psychologie eingeschrieben bin Name: Mat.Nr.: Unterschrift: Bearbeitungshinweise:
MehrErstellen von Grafiken und Hypothesentests mit dem Assistenten in Minitab
Erstellen von Grafiken und Hypothesentests mit dem Assistenten in Minitab Teil 1 Vergleich einzelner und mehrerer Datenreihen Die Firma ABC produziert auf zwei unterschiedlichen Maschinen elektrische Anschlussstifte.
MehrProduktinformation. ADNOVA+ Aktualisierung vom Juni 2018
Prduktinfrmatin ADNOVA+ Aktualisierung vm Juni 2018 Dkumentenmanagement... 1 Design und Bedienung... 1 Mehrfachauswahl bei der Archivierung vn Dkumenten... 2 Dkument extern öffnen... 2 Dkument per Nachricht
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
MehrAufgaben zu Kapitel 3
Aufgaben zu Kapitel 3 Aufgabe 1 a) Berechnen Sie einen t-test für unabhängige Stichproben für den Vergleich der beiden Verarbeitungsgruppen strukturell und emotional für die abhängige Variable neutrale
MehrSozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS
Sommersemester 2009 Statistik mit SPSS 09. Mai 2009 09. Mai 2009 Statistik Dozentin: mit Esther SPSSOchoa Fernández 1 Arbeitsschritte bei der Datenanalyse Datenmanagement (Einlesen von Daten, Teilen von
MehrAnleitung zur Auswertung von Papierfragebögen Schulleitungshandeln
Hessische Lehrkräfteakademie Anleitung zur Auswertung von Papierfragebögen Schulleitungshandeln Inhaltsverzeichnis 1 Auswertung von Papierfragebögen...1 1.1 Allgemeine Hinweise...1 1.2 Eingeben der Fragebögen...1
Mehr