Medizinische Statistik

Größe: px
Ab Seite anzeigen:

Download "Medizinische Statistik"

Transkript

1 FH JENA Medizinische Statistik Einführung in SPSS V22 J. Schütze / M. Walther 2015 Literatur: Bühl, A.: "SPSS 20 - Einführung in die moderne Datenanalyse, 13. Auflage, Pearson Studium, 2011 Kähler, W.-M.: Statistische Datenanalyse, Verfahren verstehen und mit SPSS gekonnt einsetzen, 5. Auflage, Vieweg Verlag, Wiesbaden 2008 Hatzinger, R.; Nagel, H.: SPSS Statistics, Statistische Methoden und Fallbeispiele, 1. Auflage, Pearson Studium, 2009 Brosius, F.: SPSS 20 für Dummies, 1. Auflage, Wiley, 2012 Field, A.: Discovering Statistics Using SPSS, Sage Publications, 2009, Brosius, F.: SPSS 21, Mitp-Verlag, 2013 Held, L. u.a.: Medizinische Statistik, Pearson 2013 Für Fehler übernehme ich keine Haftung. Korrekturhinweise bitte an

2 1 Grundlegendes zum Arbeiten mit SPSS Benutzeroberfläche Datenfenster Ausgabefenster (Viewer) Syntaxfenster Datenstruktur in SPSS Allgemeine Vorüberlegungen Datenansicht Variablenansicht 5 2 Deskriptive Statistik Deskriptive Kenngrößen, Datenbereinigung Nominale und ordinale Variable Metrische Variable Zusammenhänge bei kategorialen Variablen Zusammenhangsmaße Grafische Darstellungen Kreisdiagramme Balkendiagramme Histogramme Boxplots Streudiagramme 21 3 Gruppierte Auswertungen, Umkodieren, Berechnen neuer Variablen Auswertung für ausgewählte Fälle Berechnung von neuen Variablen Umkodieren 24 4 Testverfahren Test von metrischen Variablen auf Normalverteilung Tests auf Zusammenhang/Abhängigkeit von zwei Variablen Nominal Nominal (Chi-Quadrat-Test) Ordinal Ordinal (Spearman-Korrelation) Metrisch Metrisch (Pearson-/Spearman-Korrelation) Mittelwertvergleiche Vergleich des Mittelwerts einer Stichprobe mit einem Referenzwert bei NV Mittelwertvergleich: 2 unabhängige Stichproben bei NV (doppelter T-Test) Mittelwertvergleich: 2 verbundenen Stichproben, NV (T-Test verbundene Daten) 35 2

3 4.3.4 Vergleich des Medians einer Stichprobe mit einem Referenzwert, ohne NV Medianvergleich von zwei unabhängigen Stichproben ohne NV (Mann-Whitney-U- Test) Medianvergleich bei zwei verbundenen Stichproben, ohne NV (Wilcoxon-Test) Mittelwertvergleiche bei mehr als zwei Stichproben Mittelwertvergleich bei mehr als 2 unabhängigen Stichproben, NV (Einfaktorielle ANOVA) Medianvergleich bei mehr als 2 unabhängigen Stichproben ohne NV (Kruskal-Wallis- Test) Mittelwertvergleich bei mehr als zwei verbundenen Stichproben mit NV (Messwiederholungen) Medianvergleich bei mehr als 2 abhängigen Stichproben, ohne NV (Messwiederholungen, Friedman-Test) 50 5 Datenhandling Speichern von Daten- und Ausgabefiles Einlesen von Fremdformaten 52 3

4 1 Grundlegendes zum Arbeiten mit SPSS 1.1 Benutzeroberfläche SPSS arbeitet fensterorientiert und menügesteuert. Es werden verschiedene Fenster für den Dateneditor und die Ausgabe von Auswertungen verwendet. Darüber hinaus gibt es weitere Fenster, etwa zum Editieren von Grafiken oder Tabellen, sowie zum Erstellen von Programmcode. Alle diese Fenster haben ihre eigenen Menüs und Toolbars. Ein Wechsel zwischen den Fenstern kann über die Task-Leiste erfolgen Datenfenster Das Datenfenster ist eine Tabelle (wie in Excel), in dem die Daten so zu organisieren sind, dass die erhobenen Größen spaltenweise und die Fälle zeilenweise angeordnet werden. SPSS kann mehrere geöffnete Datenfenster haben. Zum Speichern der Daten muss das entsprechende Datenfenster das aktive sein. Datenfiles von SPSS haben die Extension.sav Ausgabefenster (Viewer) Hier werden die Ausgaben einer Auswertung angezeigt, ebenso Grafiken. Prinzipiell werden alle Ausgaben einer Sitzung aneinandergereiht. Teile des Ausgabefensters können wie unter WINDOWS ein- und ausgeblendet bzw. gelöscht werden. Zum Speichern des Ausgabefensters muss dieses aktiv sein. Das File hat die Extension.spv Syntaxfenster Hier kann Programmcode editiert werden, der dann komplett oder in Teilen wieder abgearbeitet werden kann. Das ist von Vorteil für die Reproduzierbarkeit von Auswertungen bzw. bei wiederholten gleichartigen Abläufen. Die meisten Statistikverfahren können über Menüs ausgewählt werden, womit insbesondere Anfängern der Einstieg in das Programm erleichtert wird. Zu einer menügeführten Auswertung kann automatisch die Syntax generiert werden, die dann im Syntaxfenster abgelegt wird. Manche Auswerteoptionen sind nur über die Syntax auswählbar. Das aktive Syntaxfenster kann gespeichert werden, das File hat die Extension.sps. 1.2 Datenstruktur in SPSS Allgemeine Vorüberlegungen Da (im Unterschied zu Excel) in SPSS fast alle statistischen Berechnungen spaltenweise erfolgen, ist für jede gemessene bzw. erfragte Größe/Variable eine Spalte anzulegen. Die erste Spalte der Datentabelle sollte die Fallnummer bzw. einen Code (PID) enthalten, um die Zuordnung zum entsprechenden Fragebogen bzw. Case-Report zu ermöglichen. Für die Spalten sind sinnfällige Kurzbezeichnungen vorteilhaft, darüber hinaus sind weitere Eigenschaften wie Typ, Skalenniveau, Wertelabels zu definieren. Die Vereinbarung von Eigenschaften der Spalten/Variablen erfolgt in der Variablenansicht des Datenfensters, die eigentliche Dateneingabe in der Datenansicht. 4

5 1.2.2 Datenansicht Hier werden alle beobachteten bzw. gemessenen Informationen zu einem Fall (Proband, Messobjekt ) in einer Zeile erfasst. Jede Spalte ist einem Merkmal zugeordnet. Datenansicht Im Unterschied zu Excel ist die erste Zeile im Datenfenster nicht beschreibbar, dafür muss man von der Datenansicht zur Variablenansicht wechseln. Hier definiert man die Spaltenüberschriften und weitere Eigenschaften aller Variablen Variablenansicht Per Voreinstellung erwartet SPSS Zahlenangaben, die Eingabe von anderen Typen wie Texten, Datumsformaten, Währungen u.a. erfordert eine Änderung dieser Vereinbarung. Das definiert man in der Variablenansicht, außerdem das Skalenniveau, eventuelle Kodierungen und Anzeigeoptionen. Variablenansicht Empfehlungen: Namen mit inhaltlichem Bezug zur Frage wählen und/oder Fragenummer im Namen zur besseren Navigation mit aufnehmen, möglichst kurze Namen für übersichtliche Datentabelle Variablenlabels sollten den informativen Inhalt der Frage bezeichnen, die in Ausgaben erscheinen - 5

6 aber möglichst nicht die komplette Frage wiederholen! Definiert man keine Variablenlabels, werden die Ausgaben mit den Variablennamen beschriftet. Typ ermöglicht die Auswahl zwischen Zahleneingabe (numerisch), Texteingabe (String) sowie weiteren Datentypen (Datum, Währung) Wertelabels dienen bei nominalen bzw. ordinalen Merkmalen der Vereinbarung eines Kodeplans. Das Messniveau ist dann nominal bzw. ordinal, die Variable aber als Typ numerisch anzulegen. Fragetypen in Hinblick auf Antwortmöglichkeiten: Antwort besteht in Angabe eines Zahlenwertes (Typ numerisch, Messniveau metrisch) Antwort wird aus verschiedenen, sich gegenseitig ausschließenden Kategorien ausgewählt (Alternativantworten, Typ numerisch, Messniveau nominal/ordinal) Antwort wird aus verschiedenen, sich gegenseitig nicht ausschließenden Kategorien ausgewählt, dabei sind i.a. mehrere Angaben möglich (Mehrfachantworten) es werden keine Auswahlmöglichkeiten vorgegeben, Antwort besteht aus Text (Typ String) mit diesem Fragentyp sollte man möglichst sparsam umgehen, da die Auswertung schwierig ist Fragen mit Mehrfachantwortmöglichkeit Da jede Zelle der Datentabelle nur einen Wert enthält, können Mehrfachantworten nicht in einer Variablen erfasst werden. Man legt so viele Variablen an, wie es mögliche Antwortkategorien gibt, und verwendet für jede der Variablen folgenden Kodeplan 1: Kategorie angekreuzt 0: Kategorie nicht angekreuzt Messniveau Die korrekte Definition des Messniveaus ist wichtig, da bestimmte Auswertungen bzw. Grafiken nur bei speziellen Niveaus sinnvoll sind. SPSS versucht damit, die Anwahl sinnloser Verfahren zu blocken. nominal: Werte sind Kategorien ohne Rangordnung (z.b. Geschlecht, KL-Typ) ordinal: Werte sind geordnete Kategorien ohne definierten Abstand (z.b. nicht zufrieden normal sehr zufrieden) metrisch/skala: Werte sind durch Messen oder Zählen entstanden (z.b. Alter, Hornhautradius) 1. Wie viel Geld geben Sie pro Woche für Schokolade aus?, 2. Wie sehr mögen Sie Schokolade? (1) Gar nicht (2) Weniger (3) Neutral (4) Etwas (5) Sehr gern 3. Welche Schokolade essen Sie am liebsten? (1) Ritter Sport 6 Messniveau: Skala (metrisch) als numerische Variable vereinbaren, Zahlenwerte eingeben Messniveau: ordinal als numerische Variable vereinbaren Kodierung der Kategorien in Zahlen Kodeplan unter Wertelabels Messniveau: nominal als numerische Variable vereinbaren

7 (2) Milka (3) Sarotti (4) Lindt (5) Sonstige 4. Welche Schokoladenmarken kaufen Sie? (1) Ritter Sport (2) Milka (3) Sarotti (4) Lindt (5) sonstige Kodierung der Kategorien in Zahlen Kodeplan unter Wertelabels Alternativfrage: nur 1 Antwort möglich im Unterschied zu folgender Frage 4!!! Messniveau: nominal für jede Kategorie eine numerische Variable vereinbaren, da Mehrfachnennung möglich Kodeplan für jede der Variablen 1: ja 0: nein Frage mit Mehrfachantworten!!! Vorsicht bei Texteingabe durch Verwendung von Stringvariablen!! Stringvariablen können bei offenen Fragen sinnvoll sein, bei überschaubarer Kategorienanzahl besser Kodierung in numerische Variable verwenden! Gefahr bei Texteingabe: Carl Zeiss Carl Zeiß Carl Zeiss Carl Zeiss werden bei Auswertungen wie 4 verschiedene Firmen behandelt!!! Fehlende Werte System-Missings entstehen, wenn man bei einem fehlenden Wert in einer numerischen Variablen die entsprechende Zelle einfach frei lässt. SPSS trägt per Voreinstellung ein Punkt ein. Das ist die einfachste Variante des Umgangs mit fehlenden Werten. Nur wenn die Ursache für fehlende Werte wichtig und bekannt ist, vereinbart man Nutzerdefinierte Missings, die mit Wertelabels geeignet kodieren werden können. Fehlende Werte werden bei Auszählungen mit berichtet, bei Berechnungen weggelassen. 2 Deskriptive Statistik Deskriptive Statistiken verschaffen für jede Variable separat sowie in sinnvollen Kombinationen von Variablen einen ersten Überblick über die erfassten Merkmale. Bevor man in die Auswertung einsteigt, sollte man die Daten auf Sinnfälligkeit bzw. grobe Eingabefehler prüfen. 2.1 Deskriptive Kenngrößen, Datenbereinigung Einen Check auf Eingabefehler erhält man mit Verfahren der deskriptiven Statistik. Die passenden Verfahren/Kenngrößen hängen vom Skalenniveau der Daten ab Nominale und ordinale Variable Absolute und prozentuale Anteile der Kategorien Bei kategorialen Variablen (nominal bzw. ordinal) nimmt man eine Häufigkeitsauszählung der Kategorien vor (absolut bzw. prozentual). Analysieren / Deskriptive Statistiken / Häufigkeiten 7

8 man aktiviert die kategorialen Variablen dadurch, dass man sie vom linken Fenster aller Variablen des Datenfiles in das der zu verarbeitenden Variablen schiebt (oder Doppelklick) Häufigkeitstabellen anzeigen muss dabei aktiv sein, d.h. der Haken gesetzt (s.u.) Beispielfrage 2: Wie sehr mögen Sie Schokolade? SPSS-Ausgabe: Interpretation: Die Datei enthält 20 Fälle, davon hat ein Fall/Befragter keine Angabe zu dieser Frage gemacht (in Tabelle als Kategorie Fehlend System geführt). Es können daher verschiedene Basiszahlen zum Berechnen von Prozenten verwendet, nämlich alle Fälle des Datensatzes (20 Fälle): Spalte Prozent alle Antwortfälle (19 Antworten): Spalte Gültige Prozente Eingabefehler: Erscheinen in der Häufigkeitstabelle sinnlose Kategorien, handelt es sich i.a. um Eingabefehler. Man sucht in der Datentabelle in der entsprechenden Spalte die sinnlose Kategorie und erhält dabei die entsprechende Fallnummer. Damit kann durch Vergleich mit der Quelle der Eingabefehler bereinigt werden. 8

9 Bearbeiten / Suchen entsprechende Kategorie eingeben Eine passende Grafik kann man bei Häufigkeitsauszählungen mit erzeugen lassen: Analysieren / Deskriptive Statistiken / Häufigkeiten, Schaltfläche Diagramme SPSS-Ausgabe: Die Grafik wurde nachbearbeitet, da standardmäßig bei SPSS große Bilder mit zu kleiner Schrift entstehen. Das nachträgliche Editieren von Grafiken erfolgt in einem weiteren Fenster von SPSS, dem Grafikeditor. Durch Doppelklick verschiebt man die Grafik in das Editierfenster. Dort hat man neue Menüs zur Verfügung. Die Editiermöglichkeiten für Grafiken sind objektorientiert und erstrecken sich ziemlich 9

10 auf jeden Bestandteil (Farben, Schriftart und Größe, Legende ). Anklicken des entsprechenden Grafikteils ermöglicht über ein Popup die Änderungen. Häufigkeitsauszählungen bei Mehrfachantworten Kategoriale Variable, die zu einer Frage mit Mehrfachantworten gehören, erfordern eine Zusammenfassung zu einem Set. Die separate Auswertung dieser zusammengehörenden Variablen würde viele Tabellen mit redundanten Informationen erzeugen, da jeweils die Ja- und Nein- Antworten pro Kategorie berichtet werden. Beispielfrage 4: Welche Schokolademarken kaufen Sie? Analysieren / Mehrfachantworten / Variablen-Sets definieren Analysieren / Mehrfachantworten / Häufigkeitstabelle 10

11 SPSS-Ausgabe: Meist sind die Prozente der Fälle interessant, z.b. sind 38.9% der Befragten Käufer von Lindt Metrische Variable Hier erhält man einen groben Check über Eingabefehler, indem man sich den kleinsten bzw. größten Wert (min bzw. max) anzeigen lässt. Alternativ kann man die Datei nach der Größe der Variablen umsortieren und sieht dann im Datenfenster die kleinsten bzw. größten Werte am Anfang bzw. Ende der Datei. Für metrische Variablen ist eine Häufigkeitsauszählung oft nicht sinnvoll, da meist die verschiedenen Werte nur jeweils einmal vorkommen. Man berechnet zur Datenverdichtung geeignete Kenngrößen. Im Fall normalverteilter bzw. symmetrisch verteilter Zufallsgrößen bestimmt man Mittelwert und Standardabweichung. Bei schiefen Verteilungen bzw. Vorliegen von Ausreißern sollten alternativ bzw. zusätzlich Median und Interquartilsabstand angegeben werden. Zur Visualisierung der Verteilung sind neben Histogrammen auch Boxplots geeignet, die insbesondere ausreißerverdächtige Werte anzeigen (s. Grafiken). Kenngrößen metrischer Variablen SPSS bietet Möglichkeiten der Kenngrößenberechnung über verschiedene Menüpunkte. Manche davon erlauben eine Auswertung sowohl für alle Fälle bzw. in definierten Untergruppen. Analysieren / Deskriptive Statistiken / Häufigkeiten man aktiviert die zu analysierenden Variablen dadurch, dass man sie vom linken Fenster aller im Datensatz enthaltenen Variablen in das der zu verarbeitenden klickt (oder Doppelklick) Häufigkeitstabelle anzeigen deaktivieren, unter Statistiken erhält man ein Auswahlfenster mit den verschiedenen Kenngrößen Beispielfrage 1: Wie viel geben Sie wöchentlich für Schokolade aus? 11

12 SPSS-Ausgabe: Zusammenhänge bei kategorialen Variablen Kreuztabellen stellen gemeinsame Häufigkeiten von zwei kategorialen Variablen im Zusammenhang dar und bilden damit die Basis für die Untersuchung von Abhängigkeiten bei nominalen bzw. ordinalen Variablen. Analysieren / Deskriptive Statistiken / Kreuztabellen man aktiviert die kategorialen Variablen dadurch, dass man sie vom linken Fenster aller Variablen in das der zu verarbeitenden klickt Beispielfrage 2: Existiert ein Zusammenhang zwischen der beliebtesten Sorte und dem Geschlecht? 12

13 SPSS-Ausgabe (mit Zeilenprozenten): Je nach inhaltlicher Zielstellung kann man alternativ Zeilen-, Spalten- bzw. Tabellenprozente darstellen bzw. die bei Unabhängigkeit zu erwartenden Zellhäufigkeiten. Dazu wird eine Standardgrafik angeboten, die Anzeige der Prozentwerte bezieht sich allerdings nicht, wie in der Tabelle, auf die Gesamtzahlen der Zeilen, sondern auf alle Fälle der Tabelle (Tabellenprozente). Damit ist die Summe über alle Balkenprozente gleich

14 Möchte man eine andere Basis für Prozente, muss man die Grafik über das Menü Diagramme erzeugen. Für metrische Merkmale macht eine Kontingenztabelle keinen Sinn. Als Grafik eignet sich ein Streudiagramm (s.u.) Zusammenhangsmaße Zusammenhangsmaße stehen für verschiedene Skalenniveaus zur Verfügung. Wichtig ist, dass die Skalenniveaus der Variablen korrekt definiert wurden. Am gebräuchlichsten sind die folgenden. Nominal Nominal Man berechnet das Chi-Quadratmaß bzw. den Kontingenzkoeffizient. Analysieren / Deskriptive Statistiken / Kreuztabellen man aktiviert die kategorialen Variablen dadurch, dass man sie vom linken Fenster aller Variablen in das der zu verarbeitenden klickt Beispiel: Gibt es einen Zusammenhang zwischen der beliebtesten Sorte und dem Geschlecht? SPSS-Ausgabe Symmetrische Maße Wert Näherungsweis e Signifikanz Nominal- bzgl. Nominalmaß Kontingenzkoeffizient,263,856 Anzahl der gültigen Fälle 18 14

15 Chi-Quadrat-Tests Wert df Asymptotische Signifikanz (2- seitig) Chi-Quadrat nach Pearson 1,333 a 4,856 Likelihood-Quotient 1,726 4,786 Zusammenhang linear-mitlinear,143 1,705 Anzahl der gültigen Fälle 18 a. 10 Zellen (100,0%) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist,50. Das Chi-Quadrat-Maß für den Zusammenhang zwischen Geschlecht und präferierter Schokoladensorte beträgt 1.333, der Kontingenzkoeffizient ist gleich Die Angabe des Wertes in der Spalte Näherungsweise Signifikanz bezieht sich auf den p-wert des Tests der Nullhypothese: keine Abhängigkeit zwischen den Merkmalen (s.u.). Ordinal Ordinal Man berechnet die Spearman-Korrelation oder Kendall-Tau-b. Die Spearman-Korrelation ist auch dann sinnvoll, wenn metrische Daten mit Ausreißern vorliegen. Analysieren / Korrelationen / Bivariat man aktiviert die ordinalen Variablen dadurch, dass man sie vom linken Fenster aller Variablen in das der zu verarbeitenden klickt (Doppelklick). Dabei können gleichzeitig mehr als 2 Variablen gewählt werden, es werden dann alle paarweisen Korrelationen berechnet. Beispiel: Ordinal ist im Schoko-Datensatz nur die Variable Verhältnis zu Schokolade. Zu Demozwecken wird die Spearman-Korrelation zur metrischen Variablen Wöchentliche Ausgaben berechnet. 15

16 SPSS-Ausgabe: Der in der deskriptiven Statistik einzige interessierende Wert ist der Korrelationskoeffizient nach Spearman von Damit besteht ein starker, gleichsinniger Zusammenhang zwischen dem Verhältnis zu Schokolade und wöchentlichen Ausgaben. Unter der Bezeichnung Sig. (2-seitig) wird der p-wert des Tests der Nullhypothese: Korrelation = 0 angegeben. Metrisch Metrisch Pearson-Korrelation bei Normalverteilung oder Spearman-Korrelation, wenn keine NV vorliegt Analysieren / Korrelationen / Bivariat Man aktiviert die ordinalen Variablen dadurch, dass man sie vom linken Fenster aller Variablen in das der zu verarbeitenden klickt (Doppelklick). 16

17 Beispiel: Besteht ein Zusammenhang zwischen den Merkmalen Alter und Wöchentliche Ausgaben? Voraussetzung im folgenden Verfahren ist, dass ein Test der Variablen auf NV nicht abgelehnt wird. Man kann die Pearson-Korrelation auch berechnen, wenn keine NV vorliegt. Allerdings ist das Maß sehr sensibel bei Ausreißern, und das Testergebnis (p-wert) gilt nur bei NV. SPSS-Ausgabe: Es besteht zwar eine schwache wachsende Tendenz, die Korrelation von ist aber sehr klein (und auch nicht signifikant von 0 verschieden, p = 0.290). 17

18 Bei Variablen mit verschiedenem Skalenniveau gibt es mehrere Ansätze. Prinzipiell kann man das Skalenniveau angleichen, indem man Variablen auf höherem Skalenniveau immer unter Informationsverlust auf einem niedrigeren Niveau behandelt, z.b. metrische als ordinale Variable. Es gibt aber auch andere, im Folgenden erläuterte Möglichkeiten. Nominal Metrisch Man unterteilt die Grundgesamtheit in Untergruppen nach den Kategorien der nominalen Variablen und berechnet die Mittelwerte der metrischen Variablen in diesen Untergruppen. Beispiel: Gibt es einen Zusammenhang zwischen Geschlecht und Wöchentlichen Ausgaben für Schokolade? Man betrachtet die Untergruppen der männlichen und weiblichen Testpersonen und berechnet die mittleren Ausgaben für Schokolade in diesen Untergruppen. Unterschied in diesen Gruppenmitteln interpretiert man als Zusammenhang zwischen Geschlecht und Wöchentlichen Ausgaben. Analysieren / Mittelwerte vergleichen / Mittelwerte 18

19 SPSS-Ausgabe: Bericht Wöchentliche Ausgaben Geschlecht Mittelwert N Standardabweic hung männlich 1, ,18720 weiblich 1, ,41784 Insgesamt 1, ,26858 Tests zur Untersuchung auf signifikante Mittelwertsunterschiede erfordern Normalverteilung in den Untergruppen. Anderenfalls kann man auf Unterschiede in den Medianen zwischen den Gruppen testen. Nominal Ordinal Man unterteilt die Grundgesamtheit in Untergruppen nach den Kategorien der nominalen Variablen und berechnet die Mediane der ordinalen Variablen in diesen Untergruppen. Besitzt die ordinale Variable nur wenige Ausprägungen, kann man sie auch wie eine nominale Variable behandeln und die Abhängigkeit über den Kontingenzkoeffizienten beschreiben. 2.2 Grafische Darstellungen Grafische Darstellungen erhält man über das Menü Diagramme. Dabei kann man die Veralteten Dialogfelder nutzen oder über den Menüpunkt Diagrammerstellung gehen. Die dabei verfügbaren Diagrammtypen sind nicht ganz identisch. Wichtig ist eine korrekte Definition des Skalenniveaus, da das Spektrum der verfügbaren Grafiken bei Anwahl über Diagrammerstellung daran ausgerichtet ist. Über Diagrammerstellung erhält man eine Vorschau auf das zu erwartende Bild. Jede Grafik wird automatisch mit dem Variablenlabel und den Wertelabels beschriftet, falls diese definiert wurden, anderenfalls mit den Spaltentiteln der Datentabelle. Für die einzelnen Teile (Objekte) einer Grafik gibt es wählbare Voreinstellungen, und man kann auch die erzeugte Grafik in weitestgehend allen ihren Teilen nachbearbeiten. Dazu klickt man doppelt in die Grafik, worauf sie im Grafikeditor erscheint. Dort sind die Designmöglichkeiten fast grenzenlos, einfach ausprobieren! 19

20 Beispiel für Anwahl der Darstellung: mittlere Ausgaben für Schokoladensorten nach Geschlecht SPSS-Ausgabe: 20

21 2.2.1 Kreisdiagramme Kreisdiagramme sind geeignet zur Darstellung von absoluten oder prozentualen Häufigkeiten der Kategorien einer Variablen, bevorzugt bei nominalen Veriablen anzuwenden Balkendiagramme Balkendiagramme sind ebenfalls geeignet zur Darstellung von absoluten oder prozentualen Häufigkeiten, wobei die Balken auch nach den Kategorien weiterer Variablen unterteilt werden können (entspricht Häufigkeiten in Kreuztabellen). Anstelle von Häufigkeiten können die Balkenhöhen auch Durchschnitte oder andere Kenngrößen von metrischen Variablen sein Histogramme Histogramme sind nur für metrische Variablen sinnvoll. Der Wertebereich wird in disjunkte Klassen eingeteilt und über diesen wird als Balkenhöhe die absolute/relative Klassenhäufigkeit abgetragen. Zur grafischen Prüfung auf Normalverteilung kann die geschätzte NV-Dichte überlagert werden Boxplots Boxplots sind ebenfalls nur für metrische Variablen sinnvoll. Sie enthalten Informationen über die Quartile der Variablen, Maximum bzw. Minimum und eventuelle Ausreißer. Zum Vergleich können auch mehrere Variable in einem Diagramm dargestellt werden. Boxplots sind eine gute Hilfe bei der Datenbereinigung, da sie Extremwerte (ausreißerverdächtig) als separate Punkte anzeigen Streudiagramme Streudiagramme sind geeignet zur Darstellung einer 2-dimensionalen metrischen Variablen. Dabei entspricht jeder Punkt einem Fall, seine Koordinaten sind das Wertepaar der beiden Ausprägungen, die an jedem Fall gemessen wurden. 3 Gruppierte Auswertungen, Umkodieren, Berechnen neuer Variablen 3.1 Auswertung für ausgewählte Fälle Verwendung von Filtervariablen Möchte man bestimmte Fälle bei einer Auswertung nicht berücksichtigen, kann man sie nach einem bestimmten Kriterium nach einer bestimmten Variablen ausfiltern. Möchte man z.b. die Auswertung nur für männliche Befragte, ist das Kriterium die Variable geschl. Ohne Auswahlkriterium über eine vorhandene Variable definiert man selbst eine Filtervariable filter mit 1 für die auszufilternden Fälle und 0 für die auszuwertenden. Beispiel für Auswahl der männlichen Befragten: Daten / Fälle auswählen 21

22 Je nach Situation wählt man eine Bedingung an die Variable, die das Auswahlkriterium definiert unter Falls Bedingung zutrifft oder verwendet die vorher angelegte Filtervariable, die für alle auszublendenden Fälle eine 1 enthält und sonst nur Nullen. Diese aktiviert man dann unter Filtervariable verwenden. Achtung Diese Auswahl bleibt so lange aktiv (Siehe Statuszeile in der SPSS Datentabelle), bis sie auf gleichem Weg unter Alle Fälle zurückgenommen wird. Auswertung in Untergruppen Man kann analoge Auswertungen auch in mehreren Untergruppen vornehmen, die durch die Kategorien (z.b. Kategorien männlich weiblich) einer Variablen definiert sind (stratifiziert). Es wird dann jede folgende Auswertung in den Gruppen der durch die Kategorien der Gruppierungsvariablen definierten Untergruppen durchgeführt bis diese Stratifizierung wieder deaktiviert wird. Daten / Datei aufteilen Beispiel für die Untergruppenbildung nach Geschlecht für stratifizierte Auswertung 22

23 Achtung Eine Aufteilung bleibt aktiv (Siehe Statuszeile der SPSS-Datentabelle), bis sie auf gleichem Weg wieder zurückgenommen wird. Manche Auswertungsverfahren ermöglichen direkt die Verwendung einer so genannten Faktorvariablen. Diese muss kategorial sein und bewirkt ebenfalls, dass die folgenden Auswertungen in den Untergruppen nach den Kategorien dieser Faktorvariablen (z.b. Geschlecht, dann werden die Untergruppen männlich weiblich gebildet) erfolgen. 3.2 Berechnung von neuen Variablen In SPSS stehen bestimmte TR-Operationen und Funktionen zur rechnerischen Verknüpfung von Variablen bzw. Verknüpfung von Strings zur Verfügung. Diese Operationen werden für alle Fälle der Variablen gleichermaßen durchgeführt, wenn nicht bestimmte Fälle durch Formulieren einer Bedingung ausgeschlossen werden. Die neu berechnete Variable wird an den bestehenden Datensatz an letzter Stelle angehangen. Transformieren / Variable berechnen Beispiel: Im Schokoladendatensatz sollen die wöchentlichen Ausgaben auf ein Jahr hochgerechnet werden. Dazu wird eine neue Variable j_ausg berechnet als 52*ausg. Zielvariable enthält das Ergebnis, und unter Numerischer Ausdruck steht die Berechnungsvorschrift. 23

24 3.3 Umkodieren Möchte man aus einer metrischen Variablen eine kategoriale bilden, fasst man benachbarte Werte zu einer Gruppe zusammen. Zum Beispiel kann man Altersangaben zu Altersgruppen zusammenfassen. Dazu gibt es in SPSS verschiedene Verfahren, z.b. Umkodieren oder Visuelles Klassieren. Beim Umkodieren ist die Form zu bevorzugen, die eine neue Variable erzeugt, da anderenfalls die Ursprungsvariable überschrieben wird. Transformieren / Umkodieren in andere Variable, Im folgenden Popup werden die Zuordnungsregeln definiert. oder man verwendet das Tool zum visuellen Klassieren. Transformieren / Visuelles Klassieren 24

25 Nach Eingabe der Trennwerte unter Wert findet man diese im Histogramm (blaue Trennlinien in gelben Balken) und kann ihre Position durch Verschieben mit der Maus verändern. Unter Beschriftung können Wertelabels zur Beschreibung der Kodierung vergeben werden Bevor die Auswahl verlassen wird, ist eine Bezeichnung der klassierten Variablen festzulegen. 25

26 4 Testverfahren Wichtige Kriterien für die Wahl eines geeigneten Testverfahrens sind (1) Inhaltliche Zielstellung (2) Skalenniveau der Variablen (3) Anzahl der Variablen (eine, zwei oder mehr als zwei) (4) Liegen gepaarte oder unabhängige Messungen vor? (5) Bei metrischen Variablen: NV oder keine NV Prinzipiell erhält man im Ergebnis eines Tests einen p-wert, den man mit dem gewählten Risiko α vergleicht. Bei p α ist die getestete Nullhypothese abzulehnen, das Ergebnis ist signifikant. 4.1 Test von metrischen Variablen auf Normalverteilung Bei metrischen Variablen ist es sinnvoll, auf NV zu testen, da im Fall der NV für weitere Untersuchungen trennschärfere statistische Tests anwendbar sind als bei nicht normalverteilten Daten, d.h. man erhält i.a. eher signifikante Ergebnisse als bei parameterfreien Verfahren. Achtung Möchte man z.b. Mittelwerte einer metrischen Variablen zwischen Untergruppen vergleichen, muss in jeder der Untergruppen NV vorliegen, allerdings nicht zwingend in der nicht unterteilten Grundgesamtheit. Somit ist der Test auf NV in den Untergruppen angezeigt. Bei Test auf NV lautet die Nullhypothese: es liegt NV vor Testergebnis aus Vergleich des p-wertes (Bezeichnung Signifikanz) mit vorgegebenem Risiko α : falls p α ist, führt dies zur Ablehnung der NV falls p > α ist, geht man von NV aus (ohne stat. Sicherheit) Beispiel: Test der Variablen Alter der Befragten auf NV Analysieren / Deskriptive Statistiken / Explorative Datenanalyse Faktorenliste: hier kann man auf NV in Untergruppen nach einer nominalen Variablen testen Diagramme: hier muss man Normalverteilungsdiagramm mit Test anwählen 26

27 SPSS-Ausgabe (Teil mit Testergebnis): Tests auf Normalverteilung Kolmogorov-Smirnov a Shapiro-Wilk Statistik df Signifikanz Statistik df Signifikanz Alter,164 20,164,918 20,092 a. Signifikanzkorrektur nach Lilliefors Der Kolmogorov-Smirnov-Test lehnt die NV nicht ab, da p = > 0.05 (Risiko α) Bei der Grafik entstehen einige Zweifel an NV, das Histogramm ist allerdings schwierig zu beurteilen wegen des kleinen Stichprobenumfangs. 27

28 Achtung Es gibt bei SPSS (unter dem Menü Parameterfreie Verfahren) einen weiteren Test auf NV, der nur verwendet werden sollte, wenn man die Parameter der Testverteilung kennt und diese nicht aus der Stichprobe mit schätzen muss! 4.2 Tests auf Zusammenhang/Abhängigkeit von zwei Variablen Die verfügbaren Tests werden durch das Skalenniveau der Variablen eingegrenzt. Bei gleichem Skalenniveau beider Variablen testet man das passende Abhängigkeitsmaß auf Null: (1) bei nominalen Variablen den Kontingenzkoeffizienten (bzw. Chi-Quadrat-Maß) (2) bei ordinalen oder metrischen Variablen ohne NV die Spearman-Korrelation (3) bei metrischen, normalverteilten Variablen die Pearson-Korrelation Bei Kombination verschiedener Skalenniveaus (1) Metrisch/ordinal mit nominal: Vergleich der Mittelwerte/Mediane zwischen den Untergruppen (2) Ordinal mit nominal: Chi-Quadrat-Test Nominal Nominal (Chi-Quadrat-Test) Der Test basiert auf dem Chi-Quadrat-Maß, berechnet aus der Kontingenztabelle (Kreuztabelle). Analysieren / Deskriptive Statistiken / Kreuztabellen Beispiel: Frage nach Abhängigkeit der beliebtesten Sorte vom Geschlecht Nullhypothese: Unabhängigkeit beider Variablen Testentscheidung: falls der berichtete p-wert größer als das gewählte Risiko α ist, wird die Nullhypothese abgelehnt, man hat eine signifikante Abhängigkeit gefunden. 28

Einführung in SPSS. 1. Die Datei Seegräser

Einführung in SPSS. 1. Die Datei Seegräser Einführung in SPSS 1. Die Datei Seegräser An 25 verschiedenen Probestellen wurde jeweils die Anzahl der Seegräser pro m 2 gezählt und das Vorhandensein von Seeigeln vermerkt. 2. Programmaufbau Die wichtigsten

Mehr

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY

5.2. Nichtparametrische Tests. 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY 5.2. Nichtparametrische Tests 5.2.1. Zwei unabhängige Stichproben: U- Test nach MANN- WHITNEY Voraussetzungen: - Die Verteilungen der beiden Grundgesamtheiten sollten eine ähnliche Form aufweisen. - Die

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache 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...

Mehr

11./ 12. April 2006. Andrea Ossig andrea.ossig@web.de. Prof. Dr. Helmut Küchenhoff kuechenhoff@stat.uni-muenchen.de

11./ 12. April 2006. Andrea Ossig andrea.ossig@web.de. Prof. Dr. Helmut Küchenhoff kuechenhoff@stat.uni-muenchen.de Einführung in SPSS 11./ 12. April 2006 Andrea Ossig andrea.ossig@web.de Prof. Dr. Helmut Küchenhoff kuechenhoff@stat.uni-muenchen.de Monia Mahling monia.mahling@web.de 1 Vor /Nachteile von SPSS +/ intuitiv

Mehr

Varianzanalyse ANOVA

Varianzanalyse ANOVA Varianzanalyse ANOVA Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/23 Einfaktorielle Varianzanalyse (ANOVA) Bisher war man lediglich in der Lage, mit dem t-test einen Mittelwertsvergleich für

Mehr

Datenmaske für SPSS. Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet

Datenmaske für SPSS. Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet Für die Datenanalyse mit SPSS können die Daten auf verschiedene Weise aufbereitet werden: 1. Tabellenkalkulationsprogramme (Excel, Paradox) 2. Datenbankprogramme (dbase, Access) 3. Reine ASCII-Dateien

Mehr

Datenauswertung mit Hilfe von Pivot-Tabellen in Excel

Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Datenauswertung mit Hilfe von Pivot-Tabellen in Excel Begleitendes Manual zu den Workshops zur Datenerfassung und verarbeitung im Juni / Juli 2004 Datenauswertung mit Hilfe von Pivot-Tabellen in Excel...3

Mehr

Kursangebote für Studierende über das Leibniz-Rechenzentrum (http://www.lrzmuenchen.de/services/schulung/)

Kursangebote für Studierende über das Leibniz-Rechenzentrum (http://www.lrzmuenchen.de/services/schulung/) Statistik-Manual für SPSS Anmerkung: Softwarebezug über das Leibniz-Rechenzentrum (Barer Straße 21, 80333 München, Telefon: (089) 289-28886 oder (089) 289-28784, http://www.lrz-muenchen.de/services /swbezug/lizenzen/spss/).

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

Kurze Einführung in IBM SPSS für Windows

Kurze Einführung in IBM SPSS für Windows Kurze Einführung in IBM SPSS für Windows SPSS Inc. Chicago (1968) SPSS GmbH Software München (1986) 1984: Datenanalyse Software für den PC 1992: Datenanalyse Software unter Windows 1993: Datenanalyse Software

Mehr

Einführung in SPSS für Windows

Einführung in SPSS für Windows Einführung in SPSS für Windows Wintersemester 2000/2001 Carina Ortseifen (Stand: 18. Oktober 2000) SPSS Statistical Program for Social Sciences Am URZ ist installiert: SPSS für Windows 9.0 und 10.0 (deutsch

Mehr

Datenanalyse mit Excel. Wintersemester 2013/14

Datenanalyse mit Excel. Wintersemester 2013/14 Datenanalyse mit Excel 1 KORRELATIONRECHNUNG 2 Korrelationsrechnung Ziel der Korrelationsrechnung besteht im bivariaten Fall darin, die Stärke des Zusammenhangs zwischen zwei interessierenden statistischen

Mehr

Teil II: Einführung in die Statistik

Teil II: Einführung in die Statistik Teil II: Einführung in die Statistik (50 Punkte) Bitte beantworten Sie ALLE Fragen. Es handelt sich um multiple choice Fragen. Sie müssen die exakte Antwortmöglichkeit angeben, um die volle Punktzahl zu

Mehr

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27

Einleitung 19. Teil I SPSS kennen lernen 25. Kapitel 1 In 25 Minuten zum SPSS-Profi 27 Inhaltsverzeichnis Einleitung 19 SPSS oder PASW oder was? 19 Über dieses Buch 20 Konventionen in diesem Buch 20 Was Sie nicht lesen müssen 21 Törichte Annahmen über den Leser 21 Wie dieses Buch aufgebaut

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 3A Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Mit den Berechnungsfunktionen LG10(?) und SQRT(?) in "Transformieren", "Berechnen" können logarithmierte Werte sowie die Quadratwurzel

Mehr

6. METRISCHE UND KATEGORIALE MERKMALE

6. METRISCHE UND KATEGORIALE MERKMALE 6. METRISCHE UND KATEGORIALE MERKMALE wenn an einer Beobachtungseinheit eine (oder mehrere) metrische und eine (oder mehrere) kategoriale Variable(n) erhoben wurden Beispiel: Haushaltsarbeit von Teenagern

Mehr

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell

Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Einfaktorielle Versuchspläne 27/40 Weitere (wählbare) Kontraste in der SPSS Prozedur Allgemeines Lineares Modell Abweichung Einfach Differenz Helmert Wiederholt Vergleich Jede Gruppe mit Gesamtmittelwert

Mehr

Felix Brostu$ SPSS für Bunnnies B J CE NTCN NIA L B1CBNTSNNIAL. WILEY-VCH Verlag GmbH & Co. KGaA

Felix Brostu$ SPSS für Bunnnies B J CE NTCN NIA L B1CBNTSNNIAL. WILEY-VCH Verlag GmbH & Co. KGaA Felix Brostu$ SPSS für Bunnnies B J CE NTCN NIA L B1CBNTSNNIAL WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsverzeichnis Über den Autor 7 Einführung 21 Über dieses Buch 21 Konventionen in diesem Buch 22 Was

Mehr

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1

Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 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

Mehr

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum

Franz Kronthaler. Statistik angewandt. Datenanalyse ist (k)eine Kunst. Excel Edition. ^ Springer Spektrum Franz Kronthaler Statistik angewandt Datenanalyse ist (k)eine Kunst Excel Edition ^ Springer Spektrum Inhaltsverzeichnis Teil I Basiswissen und Werkzeuge, um Statistik anzuwenden 1 Statistik ist Spaß 3

Mehr

Fortgeschrittene Statistik SPSS Einführung

Fortgeschrittene Statistik SPSS Einführung Fortgeschrittene Statistik SPSS Einführung Q U A N T I T A T I V E M E R K M A L E, Q U A L I T A T I V E M E R K M A L E, A U S P R Ä G U N G E N, C O D I E R U N G E N, S K A L E N N I V E A U, D A T

Mehr

Unsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten

Unsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten Unsere Hilfe bei statistischen Analysen für wissenschaftliche Arbeiten Sie schreiben eine wissenschaftliche Arbeit und müssen hierfür Daten statistisch analysieren? Sie haben bisher wenig Erfahrung im

Mehr

Matthias Gabriel. Kurze Einführung in SPSS 11.5

Matthias Gabriel. Kurze Einführung in SPSS 11.5 Kurze Einführung in SPSS 11.5 2001 überarbeitet Oktober 2003 1 Legende: Im folgenden Text entsprechen die Wörter zwischen Anführungszeichen den Befehlen bzw. Menüoptionen im SPSS z.b: Berechnen, Zählen,

Mehr

Statistische Datenanalyse mit SPSS

Statistische Datenanalyse mit SPSS Jürgen Janssen Wilfried Laatz Statistische Datenanalyse mit SPSS Eine anwendungsorientierte Einführung in das Basissystem und das Modul Exakte Tests Siebte, neu bearbeitete und erweiterte Auflage 4ü Springer

Mehr

Kapitel 7: Varianzanalyse mit Messwiederholung

Kapitel 7: Varianzanalyse mit Messwiederholung Kapitel 7: Varianzanalyse mit Messwiederholung Durchführung einer einfaktoriellen Varianzanalyse mit Messwiederholung 1 Durchführung einer zweifaktoriellen Varianzanalyse mit Messwiederholung auf einem

Mehr

Statistik. Jan Müller

Statistik. 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

Mehr

SPSS 16 für b ummies

SPSS 16 für b ummies Felix Brosius SPSS 16 für b ummies WILEY- VCH WILEY-VCH Verlag GmbH & Co. KGaA Inhaltsverzeichnis Über den Autor 7 Einführung 21 Über dieses Buch 21 Konventionen in diesem Buch 22 Was Sie nicht lesen müssen

Mehr

SPSS 20 für Dummies. Bearbeitet von Felix Brosius

SPSS 20 für Dummies. Bearbeitet von Felix Brosius Bearbeitet von Felix Brosius 1. Auflage 2012. Taschenbuch. 409 S. Paperback ISBN 978 3 527 70865 9 Format (B x L): 17,6 x 24 cm Gewicht: 720 g Weitere Fachgebiete > EDV, Informatik > Datenbanken, Informationssicherheit,

Mehr

Methoden Quantitative Datenanalyse

Methoden Quantitative Datenanalyse Leitfaden Universität Zürich ISEK - Andreasstrasse 15 CH-8050 Zürich Telefon +41 44 635 22 11 Telefax +41 44 635 22 19 www.isek.uzh.ch 11. September 2014 Methoden Quantitative Datenanalyse Vorbereitung

Mehr

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln

Häufigkeitstabellen. Balken- oder Kreisdiagramme. kritischer Wert für χ2-test. Kontingenztafeln Häufigkeitstabellen Menüpunkt Data PivotTable Report (bzw. entsprechendes Icon): wähle Data Range (Zellen, die die Daten enthalten + Zelle mit Variablenname) wähle kategoriale Variable für Spalten- oder

Mehr

Computergestützte 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 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

Mehr

Grundlagen der Datenanalyse am Beispiel von SPSS

Grundlagen der Datenanalyse am Beispiel von SPSS Grundlagen der Datenanalyse am Beispiel von SPSS Einführung Dipl. - Psych. Fabian Hölzenbein hoelzenbein@psychologie.uni-freiburg.de Einführung Organisatorisches Was ist Empirie? Was ist Statistik? Dateneingabe

Mehr

Statistik II für Betriebswirte Vorlesung 3

Statistik II für Betriebswirte Vorlesung 3 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 3 5. November 2013 Beispiel: Aktiensplit (Aczel & Sounderpandan, Aufg. 14-28) Ein Börsenanalyst

Mehr

Skript 7 Kreuztabellen und benutzerdefinierte Tabellen

Skript 7 Kreuztabellen und benutzerdefinierte Tabellen Skript 7 Kreuztabellen und benutzerdefinierte Tabellen Ziel: Analysieren und verdeutlichen von Zusammenhängen mehrerer Variablen, wie z.b. Anzahlen pro Kategorien; Mittelwert und Standardabweichung pro

Mehr

Datenanalyse mit SPSS erste Schritte

Datenanalyse mit SPSS erste Schritte Datenanalyse mit SPSS erste Schritte Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.001b Sprechstunde: Dienstags 15-16 Uhr 23. Mai 2000 aktualisiert am 25. Mai 2001 2 Anlegen

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilungsfreie Verfahren Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Nichtparametrische statistische Verfahren

Nichtparametrische statistische Verfahren Nichtparametrische statistische Verfahren (im Wesentlichen Analyse von Abhängigkeiten) Kategorien von nichtparametrischen Methoden Beispiel für Rangsummentests: Wilcoxon-Test / U-Test Varianzanalysen 1-faktorielle

Mehr

3.2 Bivariate Verteilungen

3.2 Bivariate Verteilungen 3.2 Bivariate Verteilungen zwei Variablen X, Y werden gemeinsam betrachtet (an jedem Objekt i, i = 1,..., n, werden gleichzeitig zwei Merkmale beobachtet) Beobachtungswerte sind Paare/Kombinationen von

Mehr

SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben

SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben SAS-Vertiefung zur Statistischen Software im SS 2010 Übungsaufgaben Helmut Küchenhoff, Cornelia Oberhauser, Monia Mahling, Armin Monecke Im Folgenden gibt es 4 Aufgabenblöcke. Block 1: Daten einlesen,

Mehr

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse

Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Allgemeines Lineares Modell: Univariate Varianzanalyse und Kovarianzanalyse Univariate Varianz- und Kovarianzanlyse, Multivariate Varianzanalyse und Varianzanalyse mit Messwiederholung finden sich unter

Mehr

Aufgaben zu Kapitel 1

Aufgaben 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

Mehr

Sozialwissenschaftliche Fakultät der Universität Göttingen. Sommersemester Statistik mit SPSS

Sozialwissenschaftliche 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

Mehr

Kleine Einführung in SPSS. Teil I

Kleine Einführung in SPSS. Teil I Kleine Einführung in SPSS. Teil I Bem.: Diese Einführung in SPSS (Teil I und II) soll Sie lediglich bei der Einarbeitung unterstützen, eine umfassende Einführung ist im Rahmen unseres Zeitbudgets natürlich

Mehr

Stichwortverzeichnis. 3D-Streudiagramm 326, 333 Datei Arten 63 neu 66, 70 öffnen 66, 69 schließen 73

Stichwortverzeichnis. 3D-Streudiagramm 326, 333 Datei Arten 63 neu 66, 70 öffnen 66, 69 schließen 73 Stichwortverzeichnis A Abhängige Variable 255 Achsenbeschriftung 291 Achsentitel 292 Alter berechnen 107 Analyse 62 Anmerkung im Diagramm 298 ANOVA 235 Ansicht wechseln 403 Anzahl Cluster 270 Datenreihen

Mehr

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro

Auswerten mit Excel. Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro Auswerten mit Excel Viele Video-Tutorials auf Youtube z.b. http://www.youtube.com/watch?v=vuuky6xxjro 1. Pivot-Tabellen erstellen: In der Datenmaske in eine beliebige Zelle klicken Registerkarte Einfügen

Mehr

Eine computergestützte Einführung mit

Eine computergestützte Einführung mit Thomas Cleff Deskriptive Statistik und Explorative Datenanalyse Eine computergestützte Einführung mit Excel, SPSS und STATA 3., überarbeitete und erweiterte Auflage ^ Springer Inhaltsverzeichnis 1 Statistik

Mehr

Auswertung und Darstellung wissenschaftlicher Daten (1)

Auswertung und Darstellung wissenschaftlicher Daten (1) Auswertung und Darstellung wissenschaftlicher Daten () Mag. Dr. Andrea Payrhuber Zwei Schritte der Auswertung. Deskriptive Darstellung aller Daten 2. analytische Darstellung (Gruppenvergleiche) SPSS-Andrea

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche

Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche Lehrveranstaltung Empirische Forschung und Politikberatung der Universität Bonn, WS 2007/2008 Häufigkeitsauszählungen, zentrale statistische Kennwerte und Mittelwertvergleiche 30. November 2007 Michael

Mehr

Abhängigkeit zweier Merkmale

Abhängigkeit zweier Merkmale Abhängigkeit zweier Merkmale Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/33 Allgemeine Situation Neben der Untersuchung auf Unterschiede zwischen zwei oder mehreren Untersuchungsgruppen hinsichtlich

Mehr

1 MAKROS AUFZEICHNEN. 1.1 Einführung

1 MAKROS AUFZEICHNEN. 1.1 Einführung Makro Aufzeichnen Makro + VBA 2010 effektiv 1 MAKROS AUFZEICHNEN 1.1 Einführung Sie können Excel sehr einfach automatisieren, indem Sie ein Makro aufzeichnen. Ähnlich wie bei einem Kassettenrecorder werden

Mehr

Übungsserie Nr. 10 mit Lösungen

Übungsserie Nr. 10 mit Lösungen Übungsserie Nr. 10 mit Lösungen 1 Ein Untersuchungsdesign sieht einen multivariaten Vergleich einer Stichprobe von Frauen mit einer Stichprobe von Männern hinsichtlich der Merkmale X1, X2 und X3 vor (Codierung:

Mehr

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav)

Varianzanalytische Methoden Zweifaktorielle Versuchspläne 4/13. Durchführung in SPSS (File Trait Angst.sav) Zweifaktorielle Versuchspläne 4/13 Durchführung in SPSS (File Trait Angst.sav) Analysieren > Allgemeines Lineares Modell > Univariat Zweifaktorielle Versuchspläne 5/13 Haupteffekte Geschlecht und Gruppe

Mehr

Auswertung erstellen: Liste mit E-Mail-

Auswertung erstellen: Liste mit E-Mail- Anleitung Auswertung erstellen: Liste mit E-Mail-Adressen Auswertung erstellen: Liste mit E-Mail- Adressen Das Beispiel Sie möchten für den Versand eines Newletters per E-Mail eine Liste der in mention

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

Planung und Auswertung klinischer und experimenteller Studien: Datenmanagement

Planung und Auswertung klinischer und experimenteller Studien: Datenmanagement Planung und Auswertung klinischer und experimenteller Studien: Datenmanagement Institut für Medizininformatik, Biometrie und Epidemiologie Universität Erlangen - Nürnberg 1 Einordnung in den Ablauf 1.

Mehr

Einfache statistische Auswertungen mit dem TI-Nspire

Einfache statistische Auswertungen mit dem TI-Nspire 1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,

Mehr

Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden.

Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Teil III: Statistik Alle Fragen sind zu beantworten. Es können keine oder mehrere Antworten richtig sein. Eine Frage ist NUR dann richtig beantwortet, wenn ALLE richtigen Antworten angekreuzt wurden. Wird

Mehr

Kapitel 34 Boxplots und Fehlerbalken

Kapitel 34 Boxplots und Fehlerbalken Kapitel 34 Boxplots und Fehlerbalken Boxplots und Fehlerbalken sind dazu geeignet, die Lage und Verteilung der Werte einer Stichprobe grafisch darzustellen. Die beiden Diagrammtypen sind auf die Darstellungen

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas.

Elisabeth Raab-Steiner/Michael Benesch. Der Fragebogen. Von der Forschungsidee zur SPSS/PASW-Auswertung. 2., aktualisierte Auflage. facultas. Elisabeth Raab-Steiner/Michael Benesch Der Fragebogen Von der Forschungsidee zur SPSS/PASW-Auswertung 2., aktualisierte Auflage facultas.wuv Inhaltsverzeichnis 1 Elementare Definitionen 11 1.1 Deskriptive

Mehr

Dokumentation. estat Version 2.0

Dokumentation. estat Version 2.0 Dokumentation estat Version 2.0 Installation Die Datei estat.xla in beliebiges Verzeichnis speichern. Im Menü Extras AddIns... Durchsuchen die Datei estat.xla auswählen. Danach das Auswahlhäkchen beim

Mehr

Achim Bühl, Peter Zöfel. SPSS Version 10. Einführung in die moderne Datenanalyse unter Windows. 7., überarbeitete und erweiterte Auflage

Achim Bühl, Peter Zöfel. SPSS Version 10. Einführung in die moderne Datenanalyse unter Windows. 7., überarbeitete und erweiterte Auflage Achim Bühl, Peter Zöfel SPSS Version 10 Einführung in die moderne Datenanalyse unter Windows 7., überarbeitete und erweiterte Auflage ADDISON-WESLEY An imprint of Pearson Education München Bosten San Francisco

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Datenanalyse mit SPSS spezifische Analysen

Datenanalyse mit SPSS spezifische Analysen Datenanalyse mit SPSS spezifische Analysen Arnd Florack Tel.: 0251 / 83-34788 E-Mail: florack@psy.uni-muenster.de Raum 2.015 Sprechstunde: Dienstags 15-16 Uhr 25. Mai 2001 2 Auswertung von Häufigkeitsdaten

Mehr

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten.

a) Zeichnen Sie in das nebenstehende Streudiagramm mit Lineal eine Regressionsgerade ein, die Sie für passend halten. Statistik für Kommunikationswissenschaftler Wintersemester 2009/200 Vorlesung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauser, Monia Mahling, Juliane Manitz Thema 4 Homepage zur Veranstaltung: http://www.statistik.lmu.de/~helmut/kw09.html

Mehr

Überblick über die Verfahren für Ordinaldaten

Überblick über die Verfahren für Ordinaldaten Verfahren zur Analyse ordinalskalierten Daten 1 Überblick über die Verfahren für Ordinaldaten Unterschiede bei unabhängigen Stichproben Test U Test nach Mann & Whitney H Test nach Kruskal & Wallis parametrische

Mehr

Deskriptive Statistik

Deskriptive Statistik Deskriptive Statistik [descriptive statistics] Ziel der deskriptiven (beschreibenden) Statistik einschließlich der explorativen Datenanalyse [exploratory data analysis] ist zunächst die übersichtliche

Mehr

Einfache statistische Testverfahren

Einfache statistische Testverfahren Einfache statistische Testverfahren Johannes Hain Lehrstuhl für Mathematik VIII (Statistik) 1/29 Hypothesentesten: Allgemeine Situation Im Folgenden wird die statistische Vorgehensweise zur Durchführung

Mehr

Kommentierter SPSS-Ausdruck zur logistischen Regression

Kommentierter SPSS-Ausdruck zur logistischen Regression Daten: POK V AG 3 (POKV_AG3_V07.SAV) Kommentierter SPSS-Ausdruck zur logistischen Regression Fragestellung: Welchen Einfluss hat die Fachnähe und das Geschlecht auf die interpersonale Attraktion einer

Mehr

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35

Verteilungsanalyse. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/35 Verteilungsanalyse Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/35 Datentypen Als Sammeln von Daten bezeichnet man in der Statistik das Aufzeichnen von Fakten. Erhobene Daten klassifziert man

Mehr

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar)

SPSS-Skriptum. 1. Vorbereitungen für die Arbeit mit SPSS (im Seminar) Die folgenden Erklärungen und Abbildungen sollen den Umgang mit SPSS im Rahmen des POK erleichtern. Diese beschreiben nicht alle Möglichkeiten, die SPSS bietet, sondern nur die Verfahren, die im Seminar

Mehr

Excel Diagramme. Dateneingabe zur späteren Verarbeitung als Diagramm

Excel Diagramme. Dateneingabe zur späteren Verarbeitung als Diagramm Excel Diagramme Dateneingabe zur späteren Verarbeitung als Diagramm Gib zunächst in Excel einige Zahlen ein, die du später in einem Diagramm darstellen möchtest. In diesem Beispiel verwende ich die Umsatzzahlen

Mehr

Erstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften

Erstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften Erstellen von statistischen Auswertungen mit Excel in den Sozialwissenschaften Dr. Viola Vockrodt-Scholz Telefon: 030/25 29 93 26 Email: vvs@zedat.fu-berlin.de Dr.Viola.Vockrodt-Scholz@t-online.de www.userpage.fu-berlin.de/~vvs

Mehr

Bedienungsanleitung. Stand: 26.05.2011. Copyright 2011 by GEVITAS GmbH www.gevitas.de

Bedienungsanleitung. Stand: 26.05.2011. Copyright 2011 by GEVITAS GmbH www.gevitas.de GEVITAS-Sync Bedienungsanleitung Stand: 26.05.2011 Copyright 2011 by GEVITAS GmbH www.gevitas.de Inhalt 1. Einleitung... 3 1.1. Installation... 3 1.2. Zugriffsrechte... 3 1.3. Starten... 4 1.4. Die Menü-Leiste...

Mehr

Programm GArtenlisten. Computerhinweise

Programm GArtenlisten. Computerhinweise Programm GArtenlisten Computerhinweise Liebe/r Vogelbeobachter/in, anbei haben wir Ihnen ein paar wichtige Tipps für ein reibungsloses Funktionieren der mitgelieferten Ergebnisdatei auf Ihrem Computer

Mehr

S^^SS 22. Einführung in die moderne Datenanalyse. Achim Bühl. 14., aktualisierte Auflage

S^^SS 22. Einführung in die moderne Datenanalyse. Achim Bühl. 14., aktualisierte Auflage S^^SS 22 Einführung in die moderne Datenanalyse 14., aktualisierte Auflage Achim Bühl INHALT Inhaltsverzeichnis Vorwort zur vierzehnten Auflage 15 1 Installation und Historie von SPSS 17 1.1 Systemvoraussetzungen

Mehr

Anleitung zur Software PO-Bado-Dat Version 2.1

Anleitung zur Software PO-Bado-Dat Version 2.1 Anleitung zur Software PO-Bado-Dat Version 2.1 Arbeitsgruppe PO-Bado München, Februar 2009 Vorwort Mit der Software PO-Bado-Dat 2.0 können die mit der PO-Bado Standardversion erhobenen Daten in den Computer

Mehr

Kapitel 6: Zweifaktorielle Varianzanalyse

Kapitel 6: Zweifaktorielle Varianzanalyse Kapitel 6: Zweifaktorielle Varianzanalyse Durchführung einer zweifaktoriellen Varianzanalyse ohne Messwiederholung 1 Effektstärke und empirische Teststärke einer zweifaktoriellen Varianzanalyse ohne Messwiederholung

Mehr

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1

Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008. Aufgabe 1 Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik I (mit Kurzlösung) Wintersemester 2007/2008 Aufgabe 1 Ihnen liegt

Mehr

32.4 Anpassen von Menüs und Symbolleisten 795i

32.4 Anpassen von Menüs und Symbolleisten 795i 32.4 Anpassen von Menüs und Symbolleisten 795i Fortsetzung der Seiten in der 8. Auflage 32.4 Anpassen von Menüs und Symbolleisten 32.4.1 Anpassen von Menüs Die Menüs können um folgende Typen von Optionen

Mehr

Grundlagen der Datenanalyse

Grundlagen der Datenanalyse Schematischer Überblick zur Behandlung quantitativer Daten Theorie und Modellbildung Untersuchungsdesign Codierung / Datenübertragung (Erstellung einer Datenmatrix) Datenerhebung Fehlerkontrolle / -behebung

Mehr

Kapitel 1: Deskriptive Statistik

Kapitel 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.

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

Erste Schritte mit SPSS - eine Anleitung

Erste Schritte mit SPSS - eine Anleitung Der Internetdienst für Ihre Online-Umfragen Erste Schritte mit SPSS - eine Anleitung -1- Weitere in dieser Reihe bei 2ask erschienene Leitfäden Allgemeiner Leitfaden zur Fragebogenerstellung Sie möchten

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Excel-Kurs: Handout Schülervertretung [Name der Schule]

Excel-Kurs: Handout Schülervertretung [Name der Schule] Schülervertretung 1.0 Wann benötigt man Excel? Zur Berechnung von Funktionen Darstellung von Funktionen mit Diagrammen Abhängigkeiten darstellen Daten sortieren und vieles mehr! 2.0 Arbeitsoberfläche Bearbeitungszeile

Mehr

Prof. Dr. Achim Bühl SPSS 16. Einführung in die moderne Datenanalyse. 7 7., überarbeitete und erweiterte Auflage PEARSON. Studium

Prof. Dr. Achim Bühl SPSS 16. Einführung in die moderne Datenanalyse. 7 7., überarbeitete und erweiterte Auflage PEARSON. Studium Prof. Dr. Achim Bühl SPSS 16 Einführung in die moderne Datenanalyse 7 7., überarbeitete und erweiterte Auflage PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England

Mehr

TYPO3 Redaktoren-Handbuch

TYPO3 Redaktoren-Handbuch TYPO3 Redaktoren-Handbuch Kontakt & Support: rdv interactive ag Arbonerstrasse 6 9300 Wittenbach Tel. 071 / 577 55 55 www.rdvi.ch Seite 1 von 38 Login http://213.196.148.40/typo3 Username: siehe Liste

Mehr

Datenerfassung und Datenmanagement

Datenerfassung und Datenmanagement Datenerfassung und Datenmanagement Statistische Auswertungssysteme sind heute eine aus der angewandten Statistik nicht mehr wegzudenkende Hilfe. Dies gilt insbesondere für folgende Aufgabenbereiche: -

Mehr

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg

Erste Schritte mit LimeSurvey Pädagogische Hochschule Heidelberg 1 Dieses Script ist als Schnellstart gedacht, um das Prinzip von LimeSurvey zu verstehen. Zahlreiche Optionen stehen zur individuellen Erstellung von Umfragen zur Verfügung ein ausführliches Benutzerhandbuch

Mehr

Skript 2 Import Excel-Datei

Skript 2 Import Excel-Datei SPSS 22 Skript 2 Import Excel-Datei Ziel: Daten aus Excel-Dateien in SPSS öffnen Statistische Daten werden häufig im Excel-Format (.xls oder.xlsx) bereitgestellt, zum Beispiel vom statistischen Bundesamt

Mehr

Excel 2010 Zwischenergebnisse automatisch berechnen

Excel 2010 Zwischenergebnisse automatisch berechnen EX.031, Version 1.0 14.10.2013 Kurzanleitung Excel 2010 Zwischenergebnisse automatisch berechnen Wenn man in Excel mit umfangreichen Listen oder Tabellen arbeitet, interessiert vielfach nicht nur das Gesamtergebnis,

Mehr

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Lösungen zum SPSS-Buch zweiter Teil Einführung in das quantitativ orientierte Forschen

Lösungen zum SPSS-Buch zweiter Teil Einführung in das quantitativ orientierte Forschen 1 Lösungen zum SPSS-Buch zweiter Teil Einführung in das quantitativ orientierte Forschen 2. Auflage Allgemeine Anmerkung Die Interpretationen zur Signifikanz erfolgen auf dem 5%-Nieveau. Kapitel 8 Studienaufgabe

Mehr

Einführung in QtiPlot

Einführung in QtiPlot HUWagner und Julia Bek Einführung in QtiPlot 1/11 Einführung in QtiPlot Mit Bezug auf das Liebig-Lab Praktikum an der Ludwig-Maximilians-Universität München Bei Fragen und Fehlern: jubech@cup.lmu.de Inhaltsverzeichnis

Mehr