Statistische Auswertungsverfahren mit SPSS. Prof. Dr. Andrea Raab Fachhochschule Ingolstadt

Transkript

1

2 Inhaltliche Übersicht Informationen zum Programm SPSS Grundlagen der Programmbedienung in SPSS Befragung und Datenerstellung Daten und Variablen Deskriptive Analysemethoden 2

3 Das Programmpaket SPSS für Windows SPSS früher: Statistical Package for Social Sciences heute: Statistical Product and Service Solution Marktführendes Produkt im Bereich der programmgestützten statistischen Analyse Ab Version 5.0 grafische Benutzeroberfläche (GUI) sowie Menüsystem und integrierte Grafik Derzeit aktuellste Version: SPSS Version 14.0 für Windows SPSS Version 13.0 (englisch) für Apple Macintosh (nur PowerPC, nicht Intel) Variablen (2 hoch 15) pro Datendatei nutzbar. SPSS-Paket bestehend aus einem Basismodul und verschiedensten Zusatzmodulen Die SPSS-Studentenversion ist ausschließlich in englischer Sprache und unter Windows verfügbar. (Inhalt: SPSS Base System; Beschränkt auf Verarbeitung von 1500 Fällen und 50 Variablen) 3

4 Das Programmpaket SPSS für Windows Basismodul grundlegende Funktionen, einfache und fortgeschrittene Methoden zur Datenanalyse und umfangreiche Grafikmöglichkeiten Zusatzmodule SPSS Advanced Models SPSS Categories SPSS Conjoint SPSS Data Entry Builder SPSS Exact Tests SPSS Maps SPSS Missing Value Analysis SPSS Regression Models SPSS Tables SPSS Trends... 4

5 Warum SPSS und nicht Excel? Arbeiten mit großen Datensätzen möglich ( Variablen (2 hoch 15) pro Datei benutzbar) Umfangreiche Datentransformationen und -funktionen Dokumentation und Automatisierung über SYNTAX-Sprache Großer Umfang an statistischen Funktionen und Prozeduren Deskriptive Statistik (Mittelwerte, Standardabweichungen, Häufigkeiten, Kreuztabellen) Inferenzstatistik (Chi-Quadrat, t-test, Einfaktorielle Varianzanalyse) Multivariate Verfahren (Clusteranalyse, Faktorenanalyse, Diskriminanzanalyse, Conjointanalyse, Multidimensionale Skalierung etc.) 5

6 Statistische Methoden Statistik beschreibende (deskriptive) Statistik - Daten sammeln - Daten präsentieren - Daten charakterisieren schließende (induktive) Statistik - Schätzen - Hypothesen testen 6

7 Statistische Methoden Deskriptive (beschreibende) Statistik Messwerte ordnen Anschauliche und übersichtliche Darstellung von Daten in Tabellen Diagrammen Säulen Balken Linien Punkt Flächen Netz Stengel/Blatt Hoch-Tief Box Streu Histogramme Induktive (schließende) Statistik Ermittlung von Vertrauensbereichen Überprüfung von Hypothesen 7

8 Statistische Methoden Vorgehen bei analytischer Statistik (nach Petersen, 1991) Grundgesamtheit Schluss von der bekannten Stichprobe auf die unbekannte Grundgesamtheit Formulierung des zu prüfenden Sachverhaltes Ermittlung von Schätzgrößen für die Kenngrößen Entnahme einer Stichprobe Prüfung der Hypothesen Parametertests Prüfung der Hypothesen Verteilungstests Erzeugen der Analysendaten Parameterhypothesen Verteilungshypothesen Aufbereitung der Daten tabellarisch rechnerisch graphisch Formulierung der Nullhypothesen und Alternativhypothesen 8

9 Begriffsdefinitionen Variablen/Merkmale und Merkmalsausprägungen In SPSS werden die Ausprägungen bestimmter Merkmale/Variablen betrachtet. Jedes Merkmal hat mindestens zwei Merkmalsausprägungen (konkreter Wert des Merkmals = Analysenergebnis) Bsp.: Geschlecht - männlich / weiblich Unabhängige (Faktor) und abhängige Variablen unabhängige Variablen können die Merkmalsausprägungen von abhängigen Variablen beeinflussen (z.b. Alter beeinflusst die Konsumgewohnheiten) Qualitative und quantitative Variablen ein Merkmal/Variable kann in seiner Ausprägung qualitativ beschreibend sein (z.b. Weinsorte, Freundlichkeit) ein Merkmal/Variable kann in seiner Ausprägung quantitativ vermessen worden sein (z.b. Gehalt, Semesteranzahl) 9

10 Begriffsdefinitionen uni-, bi- und multivariate Daten univariat nur ein Merkmal/Variable wird für jeden Fall gemessen/beschrieben bivariat Jeweils 2 Variablen werden für jeden Fall in Beziehung gesetzt (x i,y i ) multivariat Mehr als 2 Variablen werden für jeden Fall in Beziehung gesetzt (x i,y i,z i,...k i ) Beispiel: Beschreibung einer Kundengruppe Alter Einkommen Geschlecht Konsumgewohnheiten Lifestyle 10

11 Starten von SPSS Dialogfenster Durch Abbrechen kann dieses Fenster geschlossen werden Dialogfenster in Zukunft nicht mehr anzeigen v 11

12 Die SPSS Fenster SPSS Daten Editor SPSS Syntax Fenster SPSS Viewer 12

13 SPSS Daten-Editor Arbeitsfläche von SPSS Sämtliche mit SPSS durchführbare Analysen Variablenansicht zeigt alle Variablen und zugehörige Attribute (z.b. Name, Typ, etc.) Datenansicht zeigt die Beobachtungswerte aller in der aktuellen Datendatei enthaltenen Variablen. Dateityp: *.sav 13

14 SPSS Syntax Fenster Befehlseingabe für einzelne Prozeduren ermöglicht beispielsweise Berechnen von Variablen, Transformieren von Daten, Ausführen statistischer Prozeduren u.v.m. SPSS-Befehlssprache wird im Zuge der Vorlesung noch genauer bearbeitet werden Dateityp: *.sps 14

15 SPSS Viewer Ausgabe für Ergebnisse von Analysen oder Prozeduren Wird bei jeder Analyse oder Prozedur automatisch geöffnet Navigationsbereich Anzeige aller Ergebnisse als ein- und ausblendbare Gliederungspunkte Dateityp: *.spo 15

16 Definition der Variablen Variablentypen String-Variablen (Zeichenketten) Verwendung bei offener Fragestellung Numerische Variablen Vercodung von möglichen Antworten (Bsp.: Bundesland) Relative Ordnung von Merkmalen Exakte Messung eines Merkmals 16

17 Qualität der Daten, Skala und Skalenniveau Qualität der Daten wird u.a. bestimmt durch die Art und Weise der Messung Gut messbare Daten schlecht messbare Daten z.b. Körpergröße eines Menschen z.b. Motivation, Gesundheitszustand Skala Meßlatte, auf der die Ausprägungen einer Eigenschaft abgetragen werden können Skalenniveau Art und Weise, in der eine Eigenschaft eines Objektes in Zahlen ausgedrückt werden kann 17

18 Skalenniveau Variablen Qualitative Variablen Quantitative Variablen nominal skaliert ordinal skaliert metrisch skaliert 18

19 Skalenniveau - Nominalskala Ausprägungen einer Variablen bilden nur Kategorien Keinerlei Ordnungsvorschrift Dient lediglich zur Unterscheidung der einzelnen Kategorien Auswertungsmöglichkeiten eingeschränkt (z.b. Häufigkeitsauszählung; Berechnung eines Mittelwertes ist sinnlos!) Beispiele Geschlecht Familienstand Herkunft Kategorie

20 Skalenniveau - Ordinalskala Für die einzelnen Ausprägungen existiert eine Relation ( größer, kleiner ) Es kann eine Rangordnung erstellt werden Auswertungsmöglichkeiten: (z.b. Ranglisten; Median als Mittelwert ist sinnvoll!) Beispiel: Platzierungen Schulnoten (streng genommen ordinal) Keine Aussage über die Abstände zwischen den Rängen möglich! 20

21 Skalenniveau Intervallskala Eigenschaften der Nominal - und Ordinalskala die Differenzen, nicht jedoch die Quotienten sind interpretierbar Ausprägungen werden als Vielfaches einer elementaren Maßeinheit angegeben Beispiel Temperatur (hat keinen natürlichen Nullpunkt) Schulnoten (werden oft als quasi intervallskaliert behandelt) 21

22 Skalenniveau Verhältnisskala Angabe von Differenzen und Quotienten ist sinnvoll Beispiele Umsatz eines Unternehmens Alter Einwohnerzahlen 22 Intervall und Verhältnisskalen heißen metrisch skaliert, Nominal- und Ordinalskalen heißen nicht metrisch skaliert (eine Unterscheidung der beiden metrischen Niveaus kommt bei den meisten statistischen Verfahren keine Bedeutung zu)

23 Skalenniveau - Überblick Skala Information Beispiel Differenzierung Lagemaß Kenngrößen Streumaß Nominal A=B, A B Geschlecht: männlich/weiblich Klassifizierung bei qualitativen Merkmalen (gleich, ungleich) relative Häufigkeiten Modus Ordinal A=B, A B; A<B<C Rangordnung kalt < lau < warm < heiß, Schulnoten, Güteklasse Einstufung bei qualitativen Merkmalen (kleiner / größer) relative Häufigkeiten Modus Median (x ), Quantile (Q) Spannweite (R) Intervall Skala mit konstanten Abständen, Addition, Subtraktion, Mittelwert Kalenderdatum, Punkte im Intelligenztest absolute Differenzen von quantitativen Merkmalen relative Häufigkeiten Modus Median (x), arithmetisches Mittel Standardabweichung (s) Varianz (s 2 ) Verhältnis Multiplikation, Division Länge, Fläche relative und absolute Differenzen von quantitativen Merkmalen relative Häufigkeiten Modus Median (x) arithmetisches Mittel geometrisches Mittel Standardabweichung (s) Varianz (s 2) 23

24 Skalenniveau - Metrische Variablen Diskrete Variablen Ein Merkmal/Variable kann nur endlich viele Ausprägungen annehmen Anzahl der möglichen Ausprägungen ist abzählbar Bsp.: Kinderzahl, Einwohneranzahl, Digitaluhr Stetige Variablen Ein Merkmal/Variable kann unendlich viele Ausprägungen annehmen Mehr als abzählbare Ausprägungen eines Merkmals Aus messtechnischen Gründen oft nicht beliebig genau bestimmbar Bsp.: Umsatz, Alter, Einkommen, BMI = kg/m², Sanduhr 24

25 Praxisbeispiel: Befragung der Studenten Praxisbeispiel: Befragung der Studenten Ziele: 1. Erstellen eines praxisrelevanten Datensatzes 2. Auswertungen basierend auf diesen Datensatz 25

26 Näheres zur Variablenansicht Bezeichnung der Variable Anzahl der Zeichen Bezeichnung der Variablen und Werte in Datenansicht und Ausgaben Unterscheidung zwischen nominal, ordinal und metrisch (Bisher irrelevant für SPSS) Ausschlaggebend für die Verarbeitung der Variable in SPSS Benutzerdefiniert fehlende Werte Optionen für die Anzeige in der Datenansicht 26

27 Definition von Variablen Variablenname muss mit Buchstaben beginnen; restliche Zeichen sind Buchstaben, Ziffern, Punkte oder folgende #, _, $; keine Leerzeichen! darf nicht mit Punkt enden soll nicht mit Unterstrich enden auf 64 Zeichen beschränkt Name muss eindeutig sein Groß- und Kleinschreibung wird unterschieden Bestimmte Namen sind reserviert z.b. ALL, AND, NOT, WITH, OR Datentypen Numerisch Komma Punkt Wissenschaftliche Notation Datum Dollar Andere Währung String Messniveau Nominal Ordinal Metrisch 27

28 Deklaration von Variablen am Bsp. A1 Den einzelnen Werten werden Zahlen zugewiesen Um den von uns benutzerdefiniert fehlenden Wert weiß nicht von den anderen Nennungen zu trennen, geben wir ihm eine erhöhte Zahl (und trage diesen anschließend bei Fehlende Werte ein)

29 Deklaration von Variablen am Bsp. A1 Ein Zeichen lang Bezeichnung der Variable Benutzerdefiniert fehlender Wert: 8 (Weiß nicht) Typ: Numerisch Keine Dezimalstellen Wertelabels: 1 = sehr gut 4 = nicht gut 8 = weiß nicht String-Variablen bedürfen weniger Aufwand bei der Deklaration (am Bsp. A3). Jedoch erzeugen diese offenen Fragen meist viel Arbeit bei der Auswertung. Anzahl der Zeichen sinnvoll wählen 29

30 Datenansicht am Bsp. A1 In der Datenansicht werden die einzelnen Interviews in Zeilen dargestellt. Die Spalte a1 repräsentiert unsere neu erzeugte Variable Wie man sieht, wurden die Zahlen durch das jeweilige Wertelabel ersetzt. Man kann jene mit Hilfe des folgenden Buttons ein und ausblenden: 30

31 Praxisbeispiel: Befragung der Kursteilnehmer S1 1 2 x 1 31

32 Praxisbeispiel: Befragung der Kursteilnehmer A A

33 Praxisbeispiel: Befragung der Kursteilnehmer A3 A4_1 A4_2 A4_3 1. Nennung 2. Nennung 3. Nennung 33

34 Praxisbeispiel: Befragung der Kursteilnehmer M1_1 M1_2 M1_3 M1_4 M1_5 34

35 Praxisbeispiel: Befragung der Kursteilnehmer M2 1 2 M

36 Praxisbeispiel: Befragung der Kursteilnehmer B1 1 2 B B

37 Praxisbeispiel: Befragung der Kursteilnehmer F1 F1_1 F1_2 F1_3 x F1_8 = 1 37

38 Praxisbeispiel: Befragung der Kursteilnehmer F2_1 F2_2 F2_3 F2_4 F2_5 38

39 Praxisbeispiel: Befragung der Kursteilnehmer F3_ Jeweils mit 1 vercoden F3_s Bsp.: Befragter nutzt Fitness und Volleyball, d.h. die Variablen F3_5 und F3_8 nehmen den Wert 1 an. 39

40 Praxisbeispiel: Befragung der Kursteilnehmer ST_P ST_O ST2 ST3 ST

41 Praxisbeispiel: Befragung der Kursteilnehmer ST

42 Praxisbeispiel: Befragung der Kursteilnehmer ST ST7 ST8 ST

43 V2

44 Überblick Häufigkeiten Lage- und Streuparameter Explorative Datenanalyse Datenmodifikation 2

45 Dateneingabe Dateneingabe und -konsolidierung SPSS - Definition der Datenmatrix Variablennamen, Typ, Label, Missing Values - Keine Fehlerprüfung möglich Einlesen von Textdateien - Variablennamen in 1. Zeile - keine Leerzeilen oder -spalten, Überschriften, Texte o.ä. - Daten mit dem Assistenten für Textimport einlesen Einlesen von fremden Dateiformaten (z.b. Excel, Datenbanken) - Variablennamen in 1. Zeile - keine Leerzeilen oder -spalten, Überschriften, Texte o.ä. - Daten in SPSS einlesen mit Dateityp Excel (.xls) Option Read Variable Names aktivieren Data Entry - Definition der Datenmatrix - Eingabe mit Fehlerprüfung - Nur bei großen Datenmengen sinnvoll 3

46 Statistik Prozeduren in SPSS Variablenliste zu analysierende Variablen Analyse durchführen Übergabe in den Syntax Editor Einstellungen zurücksetzen Übertragung der Variablen in Analyse Mit der rechten Maustaste kann die wissensbasierte Datenbank von SPSS konsultiert werden. prozedurspezifische Steuerungsmöglichkeiten 4

47 Häufigkeiten Häufigkeiten: Analysieren > Deskriptive Statistik -> Häufigkeiten Die Werte können absolut oder prozentual dargestellt werden. Das Ergebnis wird in tabellarischer Form im Viewer ausgegeben. 5

48 Häufigkeiten Häufigkeiten: In der Variablenliste werden alle numerischen und String-Variablen angezeigt. Die Variable, für welche die statistische Maßzahlen berechnet werden sollen, wird aus der Variablenliste ausgewählt und mit der Pfeil-Schaltfläche in die Liste Variable(n) verschoben. 6

49 Häufigkeiten Häufigkeiten: M2. Besuchst du regelmäßig die Cafeteria der Mensa? (Ausgabe eines Balkendiagramms mit absoluten Diagrammwerten) 7

50 Häufigkeiten Auswertung des Fragebogens zum Kurs M2. Besuchst du regelmäßig die Cafeteria der Mensa? (Ausgabe eines Kuchendiagramms mit prozentualen Diagrammwerten) Regelmäßige r Be such der Cafete ria Gültig Fehlend Gesamt ja nein Gesamt System Gültige Kumulierte Häuf igkeit Prozent Prozente Prozente 92 71,3 72,4 72, ,1 27,6 100, ,4 100,0 2 1, ,0 Nahezu 3/4 der befragten Studenten besuchen regelmäßig die Mensa der FH Ingolstadt. 8

51 Häufigkeiten Auswertung des Fragebogens zum Kurs M3. Was würdest du zu einem Rauchverbot in der Cafeteria sagen? (Ausgabe eines Kuchendiagramms mit prozentualen Diagrammwerten) Me inung zu Rauchve rbot in der Cafete ria Gültig Fehlend Gesamt Ja, finde ich gut Nein, lehne ich ab Ist mir im Prinzip egal 8 Gesamt System Gültige Kumulierte Häufigkeit Prozent Prozente Prozente 37 28,7 33,0 33, ,2 34,8 67, ,8 20,5 88, ,1 11,6 100, ,8 100, , ,0 9

52 Häufigkeiten Auswertung des Fragebogens zum Kurs A1. Wie gefällt es Dir in Ingolstadt? (Ausgabe eines Balkendiagramms mit absoluten Diagrammwerten) Bewe rtung de r Stadt Ingols tadt Gültig Fehlend Gesamt Sehr gut Gut Weniger gut Nicht gut Weiß nicht Gesamt System Gültige Kumulierte Häufigkeit Prozent Prozente Prozente 33 25,6 25,8 25, ,6 64,1 89,8 8 6,2 6,3 96,1 4 3,1 3,1 99,2 1,8,8 100, ,2 100,0 1, ,0 Der Mehrzahl der Befragten gefällt Ingolstadt gut oder sogar sehr gut. 10

53 Häufigkeiten Auswertung des Fragebogens zum Kurs ST5. Wie viel Geld verwendest Du etwa im Monat für Abends zum Weggehen? (Ausgabe eines Balkendiagramms mit absoluten Diagrammwerten) Aus gabe n fürs Wegge he n Gültig Fehlend Gesamt 10! bis unter 30! 30! bis unter 50! 50! bis unter 70! 70! bis unter 100! 100! bis unter 130! 130! bis unter 150! 150! bis unter 200! mehr als 200! Gesamt System Gültige Kumulierte Häufigkeit Prozent Prozente Prozente 16 12,4 13,3 13, ,2 14,2 27, ,9 22,5 50, ,8 19,2 69,2 8 6,2 6,7 75,8 7 5,4 5,8 81,7 7 5,4 5,8 87, ,6 12,5 100, ,0 100,0 9 7, ,0 30% der Probanden geben fürs Weggehen mehr als 100 pro Abend aus. 11

54 Häufigkeiten Auswertung des Fragebogens zum Kurs ST6. Rauchst Du? (Ausgabe eines Kreisdiagramms mit prozentualen Diagrammwerten) Rauche r Gültig Fehlend Gesamt Nein, ich rauche nicht Ja, hin und w ieder Ja, regelmäßig Gesamt System Gültige Kumulierte Häuf igkeit Prozent Prozente Prozente 65 50,4 52,0 52, ,5 16,0 68, ,0 32,0 100, ,9 100,0 4 3, ,0 Über 50% der befragten Betriebswirtschaftsstudenten rauchen nicht. 12

55 Häufigkeiten Auswertung des Fragebogens zum Kurs ST7. Wie alt bist du? (Ausgabe eines Säulendiagramm mit absoluten Diagrammwerten) Gültig Fehlend Gesamt Gesamt System Alte r Gültige Kumulierte Häufigkeit Prozent Prozente Prozente 2 1,6 1,6 1, ,1 10,6 12,2 12 9,3 9,8 22, ,6 19,5 41, ,1 10,6 52, ,1 10,6 62,6 12 9,3 9,8 72, ,9 11,4 83,7 7 5,4 5,7 89,4 2 1,6 1,6 91,1 4 3,1 3,3 94,3 3 2,3 2,4 96,7 1,8,8 97,6 1,8,8 98,4 1,8,8 99,2 1,8,8 100, ,3 100,0 6 4, ,0 Die Mehrzahl der Teilnehmer geben... 13

56 Übungsblatt 2 Bitte bearbeiten Sie die Aufgabe 1 des Übungsblattes. 14

57 Überblick Häufigkeiten Lage- und Streuparameter Explorative Datenanalyse Datenmodifikation 15

58 Lage und Streuungsparameter Lageparameter die meist eingesetzten Maßzahlen sind Mittelwerte und Streuungswerte Anwendung i.d.r. nur bei metrischen Variablen wenn sinnvoll, sollten zu Mittelwerten immer geeignete Streuungsparameter angegeben werden, um die Häufigkeitsverteilung zu charakterisieren. Median Wert, der eine nach Größe sortierte Reihe von Merkmalsausprägungen in zwei gleich große Hälften teilt 50% der Fälle liegen oberhalb und 50% liegen unterhalb des Median Daten mindestens ordinalskaliert (Ordnung nach Größe zwingend) Anwendung: Bildung von Extremgruppen z.b. oberstes/unterstes Viertel der Einkommensvariable (Berechnung von Quartilen) Modalwert (Modus) Messwert, der in einem Datensatz am häufigsten vorkommt Gibt an, wo die größte Dichte einer Verteilung liegt nominale, ordinale und metrische Daten 16

59 Lage und Streuungsparameter Lageparameter Arithmetisches Mittel Maßzahl zur zentralen Tendenz von Daten Ermittlung der durchschnittlichen Merkmalsausprägung Daten mindestens intervallskaliert (in manchen Fällen auch ordinal) Alle Messwerte gehen mit vollem Gewicht in die Berechnung ein, so dass Extremwerte stark verzerren können prüfen ob es Ausreißer gibt Befragte, die mit weiß nicht oder die gar nicht geantwortet haben (und dafür z.b. die Codes 8, 9, oder 99 bekommen) müssen von der Mittelwertberechnung ausgeschlossen werden, indem sie als fehlende Werte definiert werden Das arithmetische Mittel ist nur dann ein wirklich guter mittlerer Kennwert einer Verteilung, wenn diese symmetrisch ist 17

60 Lage und Streuungsparameter Lageparameter Aus der Reihenfolge der drei Mittelwert arithmetisches Mitte, Modus und Median kann man Aussagen über die Form der Häufigkeitsverteilung von Variablen ableiten: 1. Linkssteile Verteilung Die Verteilung steigt links schnell an, erreicht ihren Gipfel und fällt dann langsam ab. Modus < Median < arithmetisches Mittel 2. Rechtssteile Verteilung Die Verteilung steigt links langsam an, erreicht ihren Gipfel und fällt rechts steil ab. arithmetisches Mittel < Median < Modus 3. Symmetrische Verteilung Alle drei Mittelwerte fallen auf einen Punkt. arithmetisches Mittel = Median = Modalwert 18 Die Form der Verteilung kann mittels SPSS festgestellt werden. Die Funktionen heißen Schiefe (Welche Seite der Verteilung ist länger?) und Kurtosis (Wölbung; je größer die Wölbung, desto stärker konzentrieren sich die Werte an einer bestimmten Stelle). Schiefe: rechtssteil < 0 < linkssteil Kurtosis: flachgipflig < 0 < hochgipflig

61 Lage und Streuungsparameter 19

62 Lage- und Streuungsparameter 20 Streuungsparameter Messung der Verteilung der Häufigkeitsverteilung um den Mittelwert Präzisiert die Aussage der Lageparameter Einfachste Streuungsparameter sind das Minimum (kleinste vorkommende Merkmalsausprägung) und das Maximum (größte vorkommende Merkmalsausprägung). Varianz Nur metrische Daten Bestimmung einer Art durchschnittliche Abweichung vom Mittelwert Je dichter die einzelnen Werte an dem Mittelwert liegen, desto kleiner ist die Varianz Die Varianz wird nicht in der Einheit der Variablenwerte gemessen Standardabweichung Nur metrische Daten Ermöglicht Vergleichbarkeit mit Mittelwerten Vergleichbarkeit bei Varianz nicht gegeben, da Einheit zum Quadrat Die Standardabweichung wird in der Einheit der Variablenwerte gemessen Spannweite Mindestens ordinalskalierte Daten Differenz zwischen dem größten und dem kleinsten Wert der Stichprobe Kann durch Ausreißer stark beeinflusst werden Standardfehler Nur metrische Daten Maß für die Streuung des Mittelwertes der Stichprobe bzw. verschiedener (potenzieller) Stichproben um den Mittelwert der Grundgesamtheit

63 Lage- und Streuungsparameter 21

64 Übungsblatt 2 Bitte bearbeiten Sie die Aufgabe 2 des Übungsblattes. 22

65 Überblick Häufigkeiten Lage- und Streuparameter Explorative Datenanalyse Datenmodifikation 23

66 Explorative Datenanalyse Explorative Datenanalyse Fehlerhaft erhobene oder eingegebene Daten bedeuten die Verzerrung der Ergebnisse, deshalb sollten Daten vor Beginn der Datenanalyse zunächst einer Plausibiltätsprüfung unterzogen werden Untersuchung und Begutachtung von Daten, von denen man nur geringes Wissen über deren Zusammenhänge hat Ziele der explorativen Datenanalyse 1. Überprüfung der Rohdaten und ggf. der Originalbelege 2. Prüfung der Verteilung der Werte und Identifikation von Ausreißern Stängel-Blatt-Diagramm Histogramm Perzentile M-Schätzer Ausreißer Schachtel-Diagramm Normalverteilungstest 3. Bildung von Hypothesen über Gründe und Zusammenhänge, die vorher nicht erkennbar waren 4. Hilfe zur Wahl des passenden statistischen Werkzeuges 24

67 Explorative Datenanalyse Explorative Datenanalyse 1. Grafische Darstellung der Werteverteilung Stängel-Blatt-Diagramm (Stem-and-Leaf) Histogramm 2. Lage der Werte beschreiben Perzentile Ausreißer-Analyse M-Schätzer Stängel-Blatt-Diagramm Histogramm Perzentile Ausreißer Schachtel-Diagramm M-Schätzer Normalverteilungstest 3. Test auf Normalverteilung 25

68 Explorative Datenanalyse Stem-and-Leaf Plot (Stängel-Blatt-Diagramm) Übersichtliche Darstellung von Variablen mit vielen unterschiedlichen Werten Liefert einen grafischen Eindruck von der Verteilung der Werte Erstellung per Hand Die n Beobachtungswerte werden der Größe nach geordnet 101, 103, 105, 111, 112, 112, 134 Wahl der Blatteinheit (stem width) (Zahl mit der multipliziert werden muss, um zum ursprünglichen Wert zurückzukehren) Üblicherweise 0,1 bzw. 1 bzw. 10 bzw. 100 So wählen, dass beim Teilen eine Nachkommastelle stehen bleibt. Hier: 10 Beobachtungswerte durch die Blatteinheit teilen 10,1 ; 10,3 ; 10,5 ; 11,1 ; 11,2 ; 11,2 ; 13,4 Den Modulus der Zahl (ohne Komma) bezeichnen wir als Stamm Den Wert hinter dem Komma als Blatt Frequency Stem & Leaf 3, , , , Stem width: 10,00 Each leaf: 1 case(s) 26

69 Explorative Datenanalyse Stem-and-Leaf Plot (Stängel-Blatt-Diagramm) ST8. Wie groß bist Du? (in cm) Größe Stem-and-Leaf Plot Frequency Stem & Leaf Gibt den ganzzahligen Teil der Werte wieder Gibt an, um welchen Faktor die Ursprungswerte von den im Diagramm angegebenen Werten abweichen Gibt die Anzahl der Werte an, die durch ein Blatt repräsentiert werden 1, , , , , , , , , Stem width: 10 Each leaf: 1 case(s) Gibt den Dezimalteil der Werte wieder 27

70 Explorative Datenanalyse Histogramm Das Histogramm vermittelt den gleichen Eindruck von der Werteverteilung wie das Stängel-Blatt- Diagramm, gibt aber keine Auskunft über die Verteilung der Werte innerhalb der einzelnen Klassen Werte werden in gruppierter Form (Werteklassen) betrachtet und durch Säulen dargestellt (Bereiche haben gleiche Breite). Die Werteklassen werden von SPSS automatisch gebildet. Nur metrische Daten * SPSS benötigt metrische Daten für die Darstellung eines Histogramms, in der Statistik gibt es Histogramme für ordinalskalierte Daten Wenig aussagekräftig, weil sich jeder einzelne Balken auf eine einzelne Kategorie bezieht. 28

71 Explorative Datenanalyse Explorative Datenanalyse 1. Grafische Darstellung der Werteverteilung Stängel-Blatt-Diagramm (Stem-and-Leaf) Histogramm 2. Lage der Werte beschreiben Perzentile Ausreißer-Analyse M-Schätzer Stängel-Blatt-Diagramm Histogramm Perzentile Ausreißer Schachtel-Diagramm M-Schätzer Normalverteilungstest 3. Test auf Normalverteilung 29

72 Explorative Datenanalyse Perzentile (auch Quantile, Fraktile) Ordnet man die Beobachtungswerte eines Merkmals der Reihe nach, so bestimmt sich der Wert eines x%-perzentils durch die Ausprägung des Falles an der x%ten Stelle. Das 40%-Perzentil dieser Verteilung hat den Wert 3 (0,4*15 = 6) Das 50%-Perzentil (Median) dieser Verteilung hat den Wert 4 (0,5*15 = 7,5 8) Fallnummer Ausprägung

73 Explorative Datenanalyse Perzentile (auch Quantile, Fraktile) 31

74 Explorative Datenanalyse Perzentile (auch Quantile, Fraktile) Die Explorative Datenanalyse gibt eine vorgegebene Auswahl an Perzentilen aus. Perze ntile Gew ichtetes Mittel (Definition 1) Tukey-A ngelpunkte A lter A lter Perzentile ,00 19,00 21,00 22,00 25,00 27,00 29,00 21,00 22,00 25,00 Mit Hilfe der Funktion Häufigkeiten lassen sich benutzerdefinierte Perzentile ausgeben (Analysieren > Deskriptive Statistik > Häufigkeiten > Statistik) Statistiken 32 Alter N Perzentile Gültig Fehlend ,00 20,00 21,00 21,00 22,00 23,00 24,00 25,00 27,00

75 Explorative Datenanalyse Ausreißeranalyse (Extremwerte) Durch das Anzeigen der Extremwerte (kleinste und größte Werte) können Ausreißer entdeckt werden. A lter a. b. Größte Werte Kleinste Werte Extremw erte Fallnummer Wert 96 ** a b Nur eine partielle Liste von Fällen mit dem Wert 29 w ird in der Tabelle der oberen Extremw erte angezeigt. Nur eine partielle Liste von Fällen mit dem Wert 19 w ird in der Tabelle der unteren Extremw erte angezeigt. 33

76 Explorative Datenanalyse Schachtel-Diagramm (Box Plot) Stellt die Lage der Werte und deren Streuung im Definitionsbereich dar Ausreißer und Extremwerte werden sichtbar gemacht 34 Ausreißer ( ): Extremwerte (*): Werte, die mehr als 1,5 Box-Längen vom 25%- oder 75%-Perzentil entfernt sind Werte, die mehr als 3 Box-Längen vom 25%- oder 75%-Perzentil entfernt sind

77 Explorative Datenanalyse Schachtel-Diagramm (Box Plot) Stellt die Lage der Werte und deren Streuung im Definitionsbereich dar Ausreißer und Extremwerte werden sichtbar gemacht Ausreißer höchster Wert, der kein Ausreißer ist 50% der Fälle 75% Perzentil Median 25% Perzentil niedrigster Wert, der kein Ausreißer ist 35 Ausreißer ( ): Extremwerte (*): Werte, die mehr als 1,5 Box-Längen vom 25%- oder 75%-Perzentil entfernt sind Werte, die mehr als 3 Box-Längen vom 25%- oder 75%-Perzentil entfernt sind

78 Explorative Datenanalyse M-Schätzer (Maximum-Likelihood-Schätzer) Mittelwertberechnung unter Berücksichtigung von Extremwerten Werte werden bei der Berechnung unterschiedlich stark gewichtet (je stärker ein Wert von den übrigen Werten abweicht, desto geringer ist das Gewicht) Datenbasis mit Fehleingaben Statistiken Berichtigte Datenbasis Statistiken Alter N Mittelwert Gültig Fehlend ,41 Alter N Mittelwert Gültig Fehlend ,79 M-Schätzer Alter M-Schätzer Tukey- M-Schätzer Andrewsnach Huber a Biweight b nach Hampel c Welle d 22,48 22,30 22,47 22,29 a. Die Gewichtungskonstante ist 1, b. Die Gewichtungskonstante ist 4,685. c. Die Gewichtungskonstanten sind 1,700, 3,400 und 8,500 d. Die Gewichtungskonstante ist 1,340*pi.

79 Explorative Datenanalyse Explorative Datenanalyse 1. Grafische Darstellung der Werteverteilung Stängel-Blatt-Diagramm (Stem-and-Leaf) Histogramm 2. Lage der Werte beschreiben Perzentile Ausreißer-Analyse M-Schätzer Stängel-Blatt-Diagramm Histogramm Perzentile Ausreißer Schachtel-Diagramm M-Schätzer Normalverteilungstest 3. Test auf Normalverteilung 37

80 Explorative Datenanalyse Test auf Normalverteilung Zahlreiche statistische Verfahren setzen voraus, dass die zu untersuchenden Daten annähernd normalverteilt sind SPSS bietet mit der Prozedur Explorative Datenanalyse folgende Möglichkeiten Daten auf Normalverteilung zu prüfen Normalverteilungsplots Empirisch beobachtete Werte werden den erwarteten Werten bei einer Normalverteilung gegenübergestellt Signifikanztests Errechnung einer Wahrscheinlichkeit, mit der das Zurückweisen der Hypothese, die Werte seien normalverteilt, fehlerhaft ist 38

81 Explorative Datenanalyse Normalverteilungsplots Theoretische Werte einer Normalverteilung Sind die empirischen Werte normalverteilt, müssen die einzelnen Punkte weitgehend dem Verlauf der Geraden folgen. Gravierender ist die Stärke der Abweichung in deren Form. Folgen die Werte einem klaren Muster, weichen die Werte systematisch von der Normalverteilung ab. Diese Grafik ist geeignet um ein Muster in den Abweichungen zu erkennen Wären die Stichprobenwerte normalverteilt, müssten die Punkte in der Grafik zufällig und nicht einem Muster folgend um die horizontale Linie streuen. 39 das Alter ist in der Grundgesamtheit nicht normalverteilt

82 Explorative Datenanalyse Signifikanztests Der Kolmogorov-Smirnov- und der Shapiro-Wilk-Test überprüfen beide die Nullhypothese, die Werte der untersuchten Variablen seien in der Grundgesamtheit normalverteilt Es wird eine Wahrscheinlichkeit errechnet, mit der das Zurückweisen dieser Hypothese falsch ist Je größer die Irrtumswahrscheinlichkeit, desto eher kann davon ausgegangen werden, dass die Werte normalverteilt sind. Kolmogorov-Smirnov: für große Stichproben geeignet Shapiro-Wilk-Test: ergänzend für kleine Stichproben (etwa weniger als 50) Tests auf Normalv erteilung Alter Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz, ,000, ,000 a. Signifikanzkorrektur nach Lilliefors Irrtumswahrscheinlichkeit 40 Annahme einer Normalverteilung ist zurückzuweisen

83 Übungsblatt 2 Bitte bearbeiten Sie die Aufgabe 3 des Übungsblattes. 41

84 Überblick Häufigkeiten Lage- und Streuparameter Explorative Datenanalyse Datenmodifikation 42