Beispiel für eine Profilanalyse Daten: POKIII_AG1_V03.sav

Transkript

1 Beispiel für eine Daten: POKIII_AG1_V03.sav Es soll überprüft werden, ob es geschlechtsspezifische Unterschiede bei den Einstellungen zum Tanz gibt. Aus dem Fragebogen der AG 1 des POK III wurden folgende fünf Items ausgewählt: Tanz ist ein wichtiger Bestandteil meines Lebens (F10_02) Ich lasse mich vom Tanzstil anderer beeinflussen. (F10_06) Ich tanze auch wenn ich mich beobachtet fühle (F10_13). Tanz steigert mein Körperempfinden (F10_14). Ich empfinde meinen Tanzstil als individuell (F10_14). Die Antworten wurden auf einer fünfstufige Skala erhoben (1 = trifft nicht zu; 5 = trifft völlig zu). Im Übrigen ist eine nur sinnvoll, wenn die Antwortskalen gleich skaliert sind. Eine soll überprüfen, ob sich (a) generell die Geschlechter unterscheiden, (b) die Items unterschiedlich beurteilt wurden und (c) Wechselwirkungen zwischen dem Geschlecht und den Items zu beobachten waren. Formal handelt es sich um ein zweifaktorielles Design mit Messwiederholung auf einem Faktor, wobei der Messwiederholungsfaktor multivariat und der between -Faktor univariat behandelt werden. 1. Die Befehle Es wird das allgemeine lineare Modell und dann Meßwiederholung aufgerufen. Im neuen Fenster muss dann dem Messwiederholungsfaktor ein Name gegeben werden und die Anzahl der Stufen genannt werden. Anschließend auf Hinzufügen klicken. Beispiel für eine.doc - 1 -

2 Nach dem Klicken auf Hinzufügen verschwinden die Angaben und tauchen im Fenster als tanz(5) auf. Theoretisch könnte ein weiterer Messwiederholungsfaktor erstellt werden. Anschließend auf Definieren klicken In diesem neuen Fenster müssen jetzt die Variablen übertragen werden: Oben ( Innersubjektvariablen die Variablen, die den Messwiederholungsfaktor bilden, unter die Variablen, die die normalen Variablen sind ( Zwischensubjektfaktoren ), hier das Geschlecht (F01_02). Die Eintragungen müssen dann so aussehen (über die Pfeile einfügen). Anschließend sind noch Angaben zu den Diagrammen und den Optionen zu machen. Beispiel für eine.doc - 2 -

3 Da Sie unterschiedliche Profile für die Geschlechter haben wollen, geben Sie bei separate Linien das Geschlecht an (F01_02) und die neue künstliche Variable tanz als horizontale Achse. Klicken Sie anschließend auf Hinzufügen, und die Diagrammanforderung erscheint im Fenster Hier können Sie die ungewichteten Mittelwerte (= geschätzte Randmittel) aufrufen. Markieren Sie auf der linken Seite die gewünschten Mittelwerte und übertragen Sie diese mit dem Pfeil nach rechts. Es ist sinnvoll, noch zusätzlich die deskriptiven Statistik, die Homogenitätstest und vor allem die Effektgröße eta² (ein PRE-Koeffizient) sich ausgeben zu lassen Klicken Sie anschließen auf Weiter und dann auf OK. Beispiel für eine.doc - 3 -

4 Die Befehle können Sie über Einfügen ins Syntaxfenster übertragen und protokollieren: GLM f10_02 f10_06 f10_13 f10_14 f10_15 BY f01_02 /WSFACTOR = tanz 5 Polynomial /METHOD = SSTYPE(3) /PLOT = PROFILE( tanz*f01_02 ) /EMMEANS = TABLES(f01_02) /EMMEANS = TABLES(tanz) /EMMEANS = TABLES(f01_02*tanz) /PRINT = DESCRIPTIVE ETASQ HOMOGENEITY /CRITERIA = ALPHA(.05) /WSDESIGN = tanz /DESIGN = f01_ Die Ergebnisse: Die SPSS-Ausgaben werden unredigiert wiedergegeben. Innersubjektfaktoren Abhängige Variable F10_02 F10_06 F10_13 F10_14 F10_15 Zwischensubjektfaktoren Wertelabel N F01_02 Geschlecht Es werden die Variablen der within -Stufen und die between -Stufen genannt, letztere auch mit den Zellenbesetzungen. Der Messwiederholungsfaktor hat dann also ein N = 144. Box-Test auf Gleichheit der Kovarianzenmatrizen a Box-M-Test F df1 df2 Signifikanz Prüft die Nullhypothese, daß die beobachteten Kovarianzen- matrizen der abhängigen Variablen über die Gruppen gleich sind. a. Design: Intercept+F01_02 Innersubjekt-Design: Der (multivarate) Box-Test überprüft die Gleichheit der Varianz- Kovarianzmatrizen. In diesem Fall kann die Nullhypothese beibehalten werden, die Matrizen der beiden Geschlechter unterscheiden sich nicht. Damit ist eine Voraussetzung erfüllt. Anmerkung: Der Box-Test ist sehr sensitiv, d.h. die Nullhypothese wird selten beibehalten. Beispiel für eine.doc - 4 -

5 Multivariate Tests b Effekt * F01_02 a. Exakte Statistik b. Pillai-Spur Wilks-Lambda Hotelling-Spur Größte charakteristische Wurzel nach Roy Pillai-Spur Wilks-Lambda Hotelling-Spur Größte charakteristische Wurzel nach Roy Partielles Wert F Hypothese df Fehler df Signifikanz Eta-Quadrat a a a a a a a a Design: Intercept+F01_02 Innersubjekt-Design: In dieser Tabelle sind die Ergebnisse der Parallelism- und Flatness -Hypothesen wiedergegeben. 1. Die Fragestellung, ob die Profile parallel verlaufen, wird durch die multivariate Interaktion * F01_02 überprüft. In der multivariaten Auswertung der Interaktion werden für jede Person die Differenzen zwischen den Stufen des Messwiederholungsfaktors gebildet, bei dieser Auswertung gibt es also vier Differenzen, die eine Neigung ( slope ) haben und es wird überprüft, ob sich diese slopes statistisch signifikant unterscheiden. Wenn ja, bedeutet dies, dass die Profile nicht parallel verlaufen. Die mutivariaten Kriterien (Pillai-Spur, Wilks-Lambda) sind bei einer gesetzten Irrtumswahrscheinlichkeit von 5 % statistisch signifikant (F = bei 4 und 139 Freiheitsgraden), der p-wert von liegt unter Die Nullhypothese die Profile verlaufen parallel muss abgelehnt werden. Es gibt also eine Interaktion zwischen Geschlecht und den einzelnen Items der Einstellungen zum Tanzen. Die erklärte Varianz beträgt 8.4 % (partielles eta²). Dies ist auch revers an Wilks Lambda (.916) zu erkennen. 2. Da die Interaktion statistisch signifikant ist, ist die Überprüfung der beiden anderen Hypothesen eigentlich nicht mehr notwendig. Sie sollen hier zur Demonstration vorgestellt werden. Die Ergebnisse zeigen einen statistisch signifikanten Unterschied (Pillai-Spur =.424, F[4, 139] = Die fünf Items werden also unterschiedlich beurteilt. Transformierte Variable: Mittel Quelle Intercept F01_02 Fehler Tests der Zwischensubjekteffekte Quadratsum Mittel der Partielles me vom Typ III df Quadrate F Signifikanz Eta-Quadrat In diesem Ausdruck wird die level -Hypothese überprüft, ob es generell geschlechtsspezifische Unterschiede gibt. Hierzu wird für jede Person der Mittelwert aus den fünf Einstellungsitems gebildet. Die Nullhypothese es gibt keine Unterschiede muss abgelehnt werden (F[1, 142] = 8.737, p <.05). Es sind also generell, über alle Items hinweg geschlechtsspezifische Unterschiede vorhanden. Beispiel für eine.doc - 5 -

6 Zur Interpretation der Ergebnisse müssen die Mittelwerte betrachtet werden: 1. Geschlecht Geschlecht Standardf 95% Konfidenzintervall Mittelwert ehler Untergrenze Obergrenze Die Mittelwerte für die level - Hypothese zeigen, dass Frauen generell höhere Einstufungen abgaben als Männer Standardf 95% Konfidenzintervall Mittelwert ehler Untergrenze Obergrenze Die Mittelwerte für die flatness -Hypothese zeigen, dass Item 3 (Ich tanze auch, wenn ich mich beobachtet fühle) die höchste Zustimmung erhielt und Item 2 (Ich lasse mich vom Tanzstil anderer beeinflussen) die geringste. Deskriptive Statistiken F10_02 Tanz ist ein wichtiger Bestandteil meines Lebens. F10_06 Ich lasse mich vom Tanzstil anderer beeinflussen. F10_13 Ich tanze auch wenn ich mich beobachtet fühle. F10_14 Tanz steigert mein Körperempfinden. F10_15 Ich empfinde meinen Tanzstil als individuell. F01_02 Geschlecht Standardab Mittelwert weichung N In einer mit zwei Faktoren stimmen die deskriptiven Statistiken mit den ungewichteten Mittelwerten natürlich überein. Diese Tabelle muss inspiziert werden, um heraus zu bekommen, wo die Interaktion zwischen den Items und dem Geschlecht zum Tragen kommt. Am besten eignet sich hierfür eine Grafik. Beispiel für eine.doc - 6 -

7 Die Original-SPSS-Grafik sieht so aus (verkleinert): 3,4 Geschätztes Randmittel von MEASURE_1 3,2 3,0 2,8 Geschätztes Randmittel 2,6 2,4 2,2 2,0 1, Geschlecht weiblich männlich 5 Die Grafik sieht nach einer Bearbeitung so aus: wichtig. Bestandteil Geschlecht und Einstellung zum Tanzen Beeinfl.durch andere auch bei Beobachtung Körperempfinden Geschlecht weiblich Stil individuell männlich 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,4 Mittelwerte Die Grafik zeigt zuerst noch einmal die geschlechtsspezifischen Unterschiede über alle Items hinweg, d.h. bei allen Items haben die Frauen höhere Werte als die Männer. Die Interaktion ist vermutlich auf die Items 4 und 1 zurückzuführen: Die Steigerung des Körperempfindens ist bei Männern nicht ganz so ausgeprägt wie bei Frauen, auch ist für Männer weitaus weniger als für Frauen der Tanz ein wichtiger Bestandteil des Lebens. Die geringsten Unterschiede sind zu erkennen, wenn es um das Tanzen unter Beobachtung geht. Für eine statistische Absicherung dieser Interpretation müssten Interaktionskontraste berechnet werden. Auf diese Berechnungen soll verzichtet werden. Beispiel für eine.doc - 7 -