DATENBESCHREIBUNG KODIERPLAN

Größe: px
Ab Seite anzeigen:

Download "DATENBESCHREIBUNG KODIERPLAN"

Transkript

1 MODUL 2 DATENBESCHREIBUNG KODIERPLAN Wie Daten entstehen Die Datenbeschreibung - der Kodierplan Spezialfälle der Kodierung Mehrfachnennungen Skip-Fragen Offene Fragen Missing Values - Fehlende Werte Übungsfragen und praktische Übungen Literaturhinweise 1

2 1. Wie Daten entstehen Alles messen, was meßbar ist, und versuchen meßbar zu machen, was es noch nicht ist. Galilei Daten sind gewöhnlich Informationen über die Ausprägung bestimmter Merkmale oder Eigenschaften bzw. die Häufigkeit bestimmter Verhaltensweisen bei Personen oder Personengruppen, die in empirischen Untersuchungen gewonnen wurden. Daten entstehen also z.b. dadurch, daß ein bestimmtes Merkmal von einem Untersucher ausgewählt wird (z.b. Jahre formaler Schulbildung ), und dieses Merkmal (eine Variable ) dann bei einer bestimmten Gruppe oder einer gesamten Population beobachtet oder erfragt wird. So liefert der im Abstand von 10 Jahren stattfindende Zensus (Volkszählung) Daten von jeder in Österreich ständig lebenden Person (z.b. Hauptwohnsitz, Beruf, Wohnungsgröße). Bei vielen Gelegenheiten erfragen Institutionen wie die Krankenkasse, das Finanzamt, Banken oder Versicherungen von uns bestimmte Merkmale und sammeln sie in riesigen Datenbanken (z.b. unser Einkommen, den Familienstand, das Alter) - die Möglichkeiten der modernen Datenverarbeitung erlauben es uns, solche Informationen systematisch zu speichern und in Sekundenschnelle abzurufen und zu verknüpfen. Prinzipiell derselben Methoden bedient sich auch die Wissenschaft. Ihr Ziel ist es, in empirischen Untersuchungen wichtige Informationen zu bestimmten Problemen (Fragestellungen, Hypothesen, Theorien) zu sammeln, um das Ausmaß des Problems darstellen zu können und seine Ursache zu ergründen. Auf der Basis dieser systematischen Datensammlung, ihrer statistischen Analyse und Interpretation können Entscheidungen gefällt oder Maßnahmen getroffen werden. Für die Erhebung dieser Daten werden häufig Fragebögen oder Interviews verwendet, in wissenschaftlichen Untersuchungen haben auch noch die systematische Verhaltensbeobachtung und die Inhaltsanalyse vorhandener Dokumente einen hohen Stellenwert. Alle Datenerhebungsmethoden führen zu einer meist schriftlichen Aufzeichnung der Ausprägung der Merkmale/Eigenschaften/Verhaltensweisen der untersuchten Personen. Diese Antworten im Fragebogen oder im Interview, die Stricherlliste in der Beobachtung, die Häufigkeiten in einem inhaltsanalytischen Kategoriensystem müssen für die elektronische Datenverarbeitung nach Variablen aufbereitet werden, d.h. jede Aufzeichnung, jede Antwort muß für den Computer systematisiert und übersetzt werden. Dieser Vorgang zerfällt in zwei Teile: die Datenbeschreibung (der Kodierplan) und die Dateneingabe. Hypothese èinteressierendes Merkmal è Instrument/Variable èdatenerhebung/daten ècodes EIN AUSSCHNITT AUS EINEM LEHRER-FRAGEBOGEN 1. In welchem Jahr wurden Sie geboren? Bitte kreuzen Sie Ihr Geschlecht an: weiblich männlich 3. Welche Ausbildung (Lehramtsprüfung) und akademischen Grade haben Sie abgeschlossen? Bitte alles Zutreffende ankreuzen. Lehramt Hauptschule Lehramt VS oder SoS Lehramt für AHS/BHS (Mag.) Diplomstudium (Mag.) Doktorat nichts von dem Genannten 4. Wie wichtig ist Ihrer Meinung nach das Folgende, damit Schüler gut in Mathematik sind? Bitte nur ein Feld pro Zeile ankreuzen. nicht wichtig wichtig sehr wichtig a) sich Formeln und Prozeduren gut merken können... b) logisch und folgerichtig zu denken... c) mathematische Konzepte und Prinzipien gut zu verstehen... d) kreativ zu denken... 2 Skriptum Deskriptive Statistik

3 2. Die Datenbeschreibung - der Kodierplan Grundlage einer Datenbeschreibung ist im allgemeinen ein vorliegendes Datenerhebungsinstrument (z.b. ein Fragebogen, ein Interviewleitfaden oder ein Beobachtungssystem). Jedes Datenerhebungsinstrument ist nach den interessierenden, bzw. zu erhebenden Informationen gegliedert, praktisch also nach Fragen/Antworten, Verhaltensweisen, etc. Jede vorkommende Information (z.b. jede Frage/mögliche Antwort) wird in Einheiten zerlegt - jede Informationseinheit wird im Kodierplan und im späteren Datensatz durch eine Variable repräsentiert. Für jede Variable muß ein Name gefunden werden. Es muß festgehalten werden, welche Werte die Variable bei den untersuchten Personen annehmen kann (welche Werte erlaubt sind) und welche Codes für jeden dieser Werte vergeben werden. Weiters ist es notwendig, das verwendete Skalenniveau der Variable festzuhalten und darüber zu entscheiden, welchen Wert/Code man Personen zuweist, die nicht geantwortet haben bzw. von denen man keine Informationen für diese Variable erhoben hat ( Missing oder fehlender Wert ) - Konvention für den Missingwert ist 9 für einstellige Werte, 99 für zweistellige, 999 usw. Beispiel Lehrerfragebogen Die Zerlegung der vier Fragen im Beispiel geht folgendermaßen vor sich: Frage 1 Die Informationen aus Frage 1 können in einer Variable erfaßt werden, vorgeschlagene Bezeichnung der Variable: Geburtsjahr. Die Variable kann in der untersuchten Stichprobe (Lehrer, die 1995 an allgemeinbildenden Schulen Österreichs literarisch unterrichten) prinzipiell zweistellige Werte zwischen 00 und 75 annehmen, wobei Werte zwischen 30 und 75 realistisch sind. Codes und Werte sollen identisch bleiben, d.h. Wert 56 wird durch Code 56 ausgedrückt. Sollte ein Lehrer diese Frage nicht beantwortet haben, erhält er den fehlenden Wert -Code 99. Die Variable ist intervallskaliert - durch die spätere Transformation x = (95 - Code) wird aus Geburtsjahr die Variable Alter rechnerisch erzeugt. Frage 2 Variable Geschlecht, Werte weiblich (Code 1) und männlich (Code 2), Missing 9, nominal Frage 3 Variable 3: Lehramt Hauptschule Ja (Code 1) Nein (Code 0) Missing 9 Variable 4: Lehramt VS oder SoS Ja (Code 1) Nein (Code 0) Missing 9 Variable 5: Lehramt AHS Ja (Code 1) Nein (Code 0) Missing 9 Variable 6: Diplomstudium (Mag.) Ja (Code 1) Nein (Code 0) Missing 9 Variable 7: Doktorat Ja (Code 1) Nein (Code 0) Missing 9 Variable 8: keine Ausbildung Ja (Code 1) Nein (Code 0) Missing 9 als missing ist definiert, wenn keine der Variablen angekreuzt ist - alle Variablen nominalskaliert; Frage 4 Variable 9: Formeln merken nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) Variable 10: logisch denken nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) Variable 11: Konzepte verstehen nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) Variable 12: kreativ denken nicht wichtig (1) wichtig (2) sehr wichtig (3) Missing (9) alle Variablen sind ordinalskaliert; Eine vollständige Liste dieser Variablenbeschreibungen (= Kodierplan) sollte daher folgende Systematik aufweisen (für die Übertragung in SPSS kommt ein maximal 8-stelliger SPSS-Variablenname hinzu): Lfd.Nr. SPSS-Name Bezeichnung Werte Codes Missing Skala 1 GEBJAHR 1/Geburtsjahr Int 2 GESCHL 2/Geschlecht weiblich 1 Nom männlich 2 3

4 Der vollständige Kodierplan für den Fragebogenausschnitt auf der vorhergehenden Seite sieht folgendermaßen aus (eine durchlaufende Numerierung der Bögen steht immer am Anfang): Lfd.Nr. SPSS-Name Bezeichnung Werte Codes Missing Skala 1 LAUFNR Nummer des Bogens Nom 2 GEBJAHR 1/Geburtsjahr Int 3 GESCHL 2/Geschlecht weiblich 1 Nom männlich 2 4 LA_HS 3/Lehramt Hauptschule Nein 0 Nom 5 LA_VS 3/Lehramt VS oder Sos Nein 0 Nom 6 LA_AHS 3/Lehramt AHS Nein 0 Nom 7 DIPLOM 3/Diplomstudium (Mag) Nein 0 Nom 8 DOKTORAT 3/Doktorat Nein 0 Nom 9 KEINE_A 3/keine Ausbildung Nein 0 Nom 10 FORMELN 4a/Formeln merken nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 11 LOGISCH 4b/logisch denken nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 12 KONZEPTE 4c/Konzepte verstehen nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 13 KREATIV 4d/kreativ denken nicht wichtig 1 Ord wichtig 2 sehr wichtig 3 Der Kodierplan ist ein komplette Übersetzung der Datenerhebungsinstrumente in die Systematik eines Datenverarbeitungsprogrammes (hier z.b. SPSS). Durch diese Zuordnungsvorschrift wird jede mögliche Ausprägung einer Variable auf einem bestimmten numerischen Wert abgebildet. Der Kodierplan ist die notwendige Vorlage für die Definition eines SPSS-Files und für die spätere Eingabe aller erhobenen Daten. 4 Skriptum Deskriptive Statistik

5 Spezialfälle der Kodierung Mehrfachnennungen Die Frage 3 in unserem Beispiel Lehrerfragebogen wird als Frage mit Mehrfachnennung von Antworten genannt, d.h. man weiß im vorhinein nicht, welche Anzahl von zutreffenden Antworten man für eine längere, vorgegebene Antwortliste erhalten wird. Theoretisch kann eine bis fünf Antworten angekreuzt werden, mit fast jeder beliebigen Kombination der Antworten (z.b. 3 ja, 4 ja, 5 nein, 6 ja, 7 ja, 8 nein). Es gibt für solche Antworttypen stets zwei Strategien für die Vercodung: a) Mehrfache Dichotomisierung: Jede Alternative wird vercodet, d.h. für jede mögliche (aufgezählte) Antwortalternative wird vercodet, ob sie angekreuzt oder nicht angekreuzt wurde - man erhält dann so viele Einzelvariablen, wie es Antwortalternativen gibt (siehe unser Kodierplan). Dies ist meistens die beste Methode, ist leicht zu kodieren und auch sehr einfach auszuwerten - sie kann aber bei sehr langen Listen und sehr wenigen Antworten sehr ineffizient sein. b) Maximale Antwortzahl: Nur so viele Variablen werden verwendet, wie maximal Antworten erwartet werden. Dies erspart bei langen Antwortlisten das sehr zeitraubende Kodieren aller nicht gewählten/nicht angekreuzten Antworten. Man benötigt dazu allerdings ein Kategorien-/Codesystem für den Inhalt der Antworten. Beispiel aus dem Fragebogen 8. Bitte kreuzen Sie jene Sachgebiete an, die Sie in den letzten beiden Schulwochen in Mathematik behandelt haben: 1. Zahlen und Zahlenmengen Natürliche Zahlen O 1.1 Natürliche Zahlen, Anwendung, Stellenwert, Zählen, Vergleichen O 1.2 Operationen (Addition, Subtraktion, Multiplikation, Division, gemischte Op.) O 1.3 Eigenschaften natürlicher Zahlen (kommutativ, distributiv, etc.) Brüche, Dezimalzahlen, Prozente O 1.4 Gewöhnliche (gemeine) Brüche O 1.5 Dezimalbrüche/-zahlen (Bedeutung, Darstellung, Berechnungen) O 1.6 Beziehung zwischen/umwandlung von Brüchen und Dezimalzahlen O 1.7 Prozente, Prozentrechnungen (Regeln, Anwendung) O 1.8 Verzinsung, Zinsrechnung, Zinseszinsrechnung O 1.9 Eigenschaften von Brüchen und Dezimalzahlen (kommutativ, distributiv,..) Ganze, Rationale und Reelle Zahlen O 1.10 Ganze Zahlen (positive und negative), Ordnung, Eigenschaften O 1.11 Ganze Zahlen und Grundrechnungsarten (Anwendung) O 1.12 Rationale Zahlen (Eigenschaften, Veranschaulichung) O 1.13 Rationale Zahlen und Grundrechnungsarten (Anwendung) O 1.14 Reelle Zahlen (Eigenschaften, Darstellung) O 1.15 Quadratwurzeln, Wurzelziehen, Rechnen mit Wurzeln O 1.16 Kubikwurzel (3. Wurzel) Andere Zahlen und Zahlenmengen O 1.17 Binäre Arithmetik, Binäres Zahlensystem O 1.18 Exponenten, Darstellung von Zahlen in Potenzschreibweise 2. Gleichungen, Ungleichungen, Formeln O 2.1 Rechnen mit Variablen (Elementare Algebra), Aufstellen von Formeln O 2.2 Umformen von Formeln/Umformungsschritte/Rechenregeln O 2.3 Verhältnisse / Proportionen (Konzepte, Regeln, Bedeutung) O 2.4 Verhältnisse / Proportionen (Anwendung, Probleme, Gleichungen lösen) O 2.5 Lineare Gleichungen mit einer Unbekannnten/Variablen O 2.6 Arbeiten/Rechnen mit Termen/Formeln/Bruchtermen O 2.7 Ungleichungen, Rechnen mit Ungleichungen O 2.8 Lineare Gleichungen mit zwei Unbekannten/zwei Variablen O 2.9 Angewandte Aufgaben mit Formeln und Gleichungen O 2.10 Andere Themen zu diesem Bereich (z.b.quadrat./logarithm./trigon. Gleichungen) O 3 keines der obengenannten Themen In diesem Fall wäre ein Vorgehen nach Kodierstrategie a) ziemlich ineffizient. Denn es sind im Maximalfall nur drei Themen angekreuzt worden, drei Variablen wären also vollkommen ausreichend, um die gesamte Information zu beschreiben. Der Kodierplan für das Beispiel würde bei Anwendung der Strategie b) folgendermaßen aussehen: Variable 1: 1. angekreuztes Gebiet zulässige Werte/Codes: 11 bis 210 und 3, Missing 9, nominal Variable 2: 2. angekreuztes Gebiet zulässige Werte/Codes: 0 kein 2. Gebiet, 11 bis 210, Missing 9, nominal Variable 3: 3. angekreuztes Gebiet zulässige Werte/Codes: 0 kein 3. Gebiet, 11 bis 210, Missing 9, nominal Missing ist vereinbarungsgemäß, wenn kein einziges Kreuz gemacht wurde. Mit dieser Strategie läßt sich der Kodieraufwand von 29 Variablen auf nur 3 reduzieren, allerdings muß der richtige Code für das Sachgebiet eingegeben werden und die spätere Auswertung gestaltet sich etwas aufwendiger. 5

6 Skip-Fragen Bei manchen Fragen/Variablen kann es vorkommen, daß sie auf eine Person nicht zutreffen bzw. daß sie für bestimmte Personengruppen irrelevant sind. In diesem Fall verwendet man sogenannte Filterfragen, um die Personen dann auf die für sie jeweils richtigen Fragen verweisen zu können. Irrelevante Fragen können dann übersprungen werden ( skip bedeutet springen, daher der Name Skip- Fragen ). Beispiel (aus einem Schülerfragebogen): 19. Besuchst Du im laufenden Schuljahr die Unverbindliche Übung Informatik? O Nein Þ wenn nein, bitte gehe zu Frage 21 O Ja 20. Wie viele Unterrichtstunden pro Woche umfaßt Deine Unverbindliche Übung Informatik? O eine Stunde O zwei Stunden O drei Stunden 21. Besitzt Du selbst einen Computer (zuhause)? O Nein Þ wenn nein, bitte gehe zu Frage 24 O Ja 22. Welche Art von Computer hast Du zuhause? O einen IBM-kompatiblen Personalcomputer (XT, AT, 386 oder 486-kompatibel) O einen Commodore 64/128 oder Amiga O einen APPLE Computer (Apple II, MacIntosh) O einen anderen Personalcomputer (Atari, etc.) 23. Wie viele Stunden wöchentlich benutzt Du Deinen Computer?... Stunden FILTER SKIP-FRAGE FILTER SKIP-FRAGE SKIP-FRAGE Die Fragen 19 und 21 sind Filterfragen, die die Personen je nach gegebener Antwort auf verschiedenen Pfaden z.b. durch den Fragebogen oder das Interview führen. Beantwortet ein Schüler Frage 19 mit Nein, so soll er Frage 20 überspringen, weil diese Frage für ihn nicht relevant ist. Die Fragen 20, 22 und 23 werden Skip-Fragen genannt, sie werden nur von einem Teil der Befragten tatsächlich beantwortet. Anmerken möchte ich hier noch, daß man in Fragebögen für jüngere Schüler Filter bzw. Skips möglichst selten verwenden soll, für die Kleineren (aber manchmal nicht nur für die) ist diese Form etwas verwirrend. Besonderheiten in der Vercodung von Skip-Fragen: Schüler, die wegen der Filterfragen über eine Skip-Frage hinwegspringen, geben natürlich keine Antworten auf diese Skip-Fragen - allerdings können diese nicht als Missings behandelt werden. Für diesen Fall muß in jede Skipfrage ein spezieller Code für den Fall des Überspringens eingebaut werden. Per Konvention ist es 8 bei einstelligen Variablen, 88 bei zweistelligen, usw. Die Bezeichnung des Codes 8 könnte z.b. Frage übersprungen oder Skip wegen Filter 19 heißen. Die vollständige Variablenbeschreibung im Kodierplan für die Frage 20 würde daher lauten: Lfd.Nr. SPSS-Name Bezeichnung Werte Codes Missing Skala 56 UU_STUND 20/Stunden UÜ eine Stunde 1 Int zwei Stunden 2 drei Stunden 3 Frage übersprungen 8 Missing 9 6 Skriptum Deskriptive Statistik

7 Offene Fragen Bei Fragen unterscheidet man prinzipiell zwischen solchen mit vorgegebenen Antworten (Multiple Choice, Ankreuzfragen,Auswahlantwort-Fragen) und solchen, in denen die Antwort frei zu formulieren ist. Letztere werden als Offene Fragen bezeichnet, da es an sich völlig offen ist, was der Befragte hier in welcher Reihenfolge angibt. Beispiele für offene Fragen: 7. Was gefällt Dir an diesem Lehrer besonders? An welchem Schultyp haben Sie ihre Matura abgelegt? Welche Fächer unterrichten Sie in diesem Jahr? Als empirisch wird eine Untersuchung bezeichnet, wenn sie Was würden Sie als größte Schwäche des Managements in diesem Betrieb bezeichnen? TESTAUFGABE: Eine Flasche enthält 120 ml Haarshampoo und kostet 24 Schilling. Durch eine Umstellung in der Abfüllung werden ab sofort neue Flaschen mit 150 ml Inhalt verwendet. Trotzdem bleibt der Preis für die Flasche gleich. Wieviel Prozent Preisvorteil gegenüber der alten Flasche ergibt sich dadurch für den Konsumenten? Bitte schreiben Sie die vollständige Berechnung und die Antwort auf. An diesen Beispielen ersieht man, daß es sehr unterschiedliche Arten von offenen Fragen/Antworten gibt: von eher vorhersehbaren, leicht kategorisierbaren Antworten (Beispiel 21,29,33) bis zu Antworten, für die nachträglich - und möglicherweise schwierig - ein Kategoriensystem zu erstellen ist (z.b. 7,37) oder deren Antwortmuster sehr komplex werden können und die spezielles Fachwissen benötigen, um eine sinnvolle Kategorisierung der Antworten herbeizuführen (z.b. 39). Besonderheiten in der Vercodung von Offenen Fragen: Für offene Fragen gibt es sehr verschiedene Vercodungsstrategien, die meisten jedoch beruhen darauf, daß entweder vor ( theoretisch ) oder nach der Datenerhebung ( empirisch ) ein Kategoriensystem für die möglichen Antworten erstellt wird - die gegebenen Antworten werden dann bestimmten Kategorien zugeordnet und jede Kategorie wird durch einen festgelegten Code repräsentiert. Beispiel - Kategoriensystem für Die Datenbeschreibung für die Variable zu Frage 21 im Kodierplan könnte demnach so aussehen: Frage 21 (Schultyp der Matura) Code Kategorie/Schultyp SCHULTYP, 21/Schultyp der Matura, Werte und Codes (wie in der nebenstehenden Tabelle), Missing 99, nominal 10 AHS - Gymnasium 11 AHS - Realgymnasium (auch ORG) 20 BHS - HTL und HGL 21 BHS - HAK 22 BHS - HLA für WB 23 BHS - HLA für Land&Forst 30 BA für Kindergartenpädagogik 31 BA für Sozialpädagogik 40 andere Schultypen Für Kategoriensysteme gilt insbesondere, daß sie * vollständig (jede Antwort soll zuordenbar/kategorisierbar sein) * und ausschließend sein müssen (eine Antwort darf nicht zwei Kategorien zuordenbar sein). Offene Restkategorien (wie 40 in unserem Beispiel) sollten keinen großen Anteil haben (möglichst nicht mehr als 5% aller Antworten). 7

8 Missing values - Fehlende Werte a) Missings verhindern Bei der Entwicklung eines Datenerhebungsinstruments (Fragebogen, Interview, Beobachtungsbogen,..) muß darauf geachtet werden, daß es Fragen gibt, deren Antwort weiß ich nicht oder trifft für mich nicht zu oder - bei persönlich heiklen Fragen - keine Antwort sein kann. Sollte dies eine inhaltlich plausible Möglichkeit sein, so sind diese Alternativen (Antwortkategorien) als Merkmalsausprägungen direkt im Fragebogen aufzuführen und im Kodierplan mit entsprechenden Codes zu versehen. Dadurch lassen sich solche Fälle bewußten Nicht-Antwortens oder Nicht-Antworten-Könnens deutlich von jenen unterscheiden, die z.b. eine Frage übersehen haben und deswegen nicht geantwortet haben. Dies ist wichtig für die Bewertung der übrigen korrekten Antworten, denn Antwortverweigerung könnte systematisch mit bestimmten Variablen korrelieren, während zufälliges Übersehen der Frage durch einzelne Personen keinen systematischen Fehler bedeuten würde. Missings lassen sich auch durch ein übersichtliches Layout der Instrumente/Fragebögen verhindern. Insbesondere bei langen Listen von Antwortalternativen können optische Hilfen (Linien, graue Bereiche) dazu beitragen, daß die Befragten nichts übersehen. Beachtet werden muß auch, daß die Zeit für die Beantwortung eines Tests oder Fragebogens ausreichend ist, auch für die langsamen Leser. Ansonsten häufen sich natürlich die Missings im letzten Teil des Bogens und dies führt möglicherweise zu einer systematischen Verzerrung der Antworten. b) Missings vercoden Kommt es in einer (Nicht-Skip-)Frage trotzdem vor, daß eine Antwort völlig fehlt (warum auch immer), dann erhält sie einen speziellen Code, den man als Missing (value) oder Fehlenden Wert bezeichnet. Für Missings haben sich die Codes 9 für einstellige, 99 für zweistellige, 999 für dreistellige Variablen usw. eingebürgert. Aus Gründen der Übersichtlichkeit und Durchschaubarkeit der SPSS-Ausdrucke sollte man für alle Variablen dasselbe Missing-Kodiersystem verwenden. Dadurch ist es leicht, die Codes für Missings in jeder Auswertung zu identifizieren. Darüber hinaus hält SPSS eine spezielle Prozedur zur Kennzeichnung und Behandlung solcher fehlender Werte bereit - denn normalerweise werden solche Werte (wegen ihrer Informationslosigkeit) nicht zur Erstellung von Tabellen oder Grafiken verwendet. Der Gesamtanteil der Missings bei einer Variable muß jedoch - insbesondere wenn er 5% überschreitet - bei Auswertungen wie Tabellen oder Grafiken erwähnt werden. Datensätze - Datenmatrix Für jeden Befragten/jede Versuchsperson sollen bei der Dateneingabe laut Datenbeschreibung Codes für jede Variable des Kodierplanes entstehen - eine solche Gruppe von Codes wird als Datensatz bezeichnet. Ein Datensatz enthält also die Daten aller im Kodierplan beschriebenen Variablen für eine Person (oder einen Fall, ein Objekt). Die Darstellung aller Datensätze und Variablen geschieht in SPSS in Form einer Datenmatrix, deren Zeilen durch die einzelnen Fälle (Personen, Objekte) gebildet werden (Datensätze) und in deren Spalten die im Kodierplan beschriebenen Variablen stehen. Jede Zelle dieser Matrix ist dadurch genau definiert, so enthält die in der Grafik markierte Zelle den Code 43 für Variable 3 der Person 4. DATENMATRIX Variablen è F ä l l e ê Lfd.Datensatz Variable 1 Variable 2 Variable 3 Variable 4 Variable , , , , Skriptum Deskriptive Statistik

9 ÜBUNGSFRAGEN UND PRAKTISCHE ÜBUNGEN zu Modul 2 Datenbeschreibung - Kodierplan 1. Schildern Sie - unter Verwendung der notwendigen Fachbegriffe - den Vorgang, in dem Daten entstehen. 2. Warum muß von allen Variablen in Erhebungsinstrumenten eine vollständige Datenbeschreibung, ein Kodierplan angefertigt werden? 3. Denken Sie über die folgende Regel nach und erläutern Sie, welche Vorteile sie hat: In jeder empirischen Untersuchung sollte ein sorgfältiger Kodierplan bereits vor dem Druck der Fragebögen bzw. vor der Datenerhebung erstellt werden. 4. Aus welchen sieben Teilen sollte ein Kodierplan mindestens bestehen? Geben Sie Beispiele für jeden Teil. 5. Lesen Sie sich den folgenden Abschnitt aus einem Fragebogen genau durch und erstellen Sie dafür einen vollständigen Kodierplan, genau nach den Vorgaben in diesem Kapitel. 6. Was ist ein Missing, wodurch entsteht es, wie kann es vielleicht verhindert werden und auf welche Weise würde man ein Missing sinnvoll vercoden? 7. Was sind Filter- und Skip-Fragen und was ist bei der Vercodung zu beachten? 8. Was ist das Besondere an Variablen/Fragen mit Mehrfachnennungen und welche beiden grundsätzlichen Vercodungsstrategien werden bei ihnen angewandt? 9. Wie vercodet man im allgemeinen die Antworten auf offene Fragen? 10.Wie ist eine Datenmatrix aufgebaut? 9

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

Teil I: Deskriptive Statistik

Teil I: Deskriptive Statistik Teil I: Deskriptive Statistik 2 Grundbegriffe 2.1 Merkmal und Stichprobe 2.2 Skalenniveau von Merkmalen 2.3 Geordnete Stichproben und Ränge 2.1 Merkmal und Stichprobe An (geeignet ausgewählten) Untersuchungseinheiten

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

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

Verändern sich zwischenmenschliche Beziehungen im Handyzeitalter

Verändern sich zwischenmenschliche Beziehungen im Handyzeitalter Verändern sich zwischenmenschliche Beziehungen im Handyzeitalter LV: 18.92 Empirische Forschungsmethoden in praktischer Anwendung Leiterin: Mag. Dr. Gunhild Sagmeister Inhaltsverzeichnis 1. Fragestellung/Erkenntnisinteresse

Mehr

Fragebogenauswertung zum Informatiklehrertag Bayern 2009 (ILTB 2009)

Fragebogenauswertung zum Informatiklehrertag Bayern 2009 (ILTB 2009) Fragebogenauswertung zum Informatiklehrertag Bayern 2009 (ILTB 2009) 1. Auswertung der personenbezogenen Daten Insgesamt besuchten 271 Lehrerinnen und Lehrer aus ganz Bayern und Oberösterreich die Universität

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

MODUL 4 UNIVARIATE DATENANALYSE HÄUFIGKEITEN UND DIAGRAMME PROSEMINAR ANALYSE UND DARSTELLUNG VON DATEN I (DESKRIPTIVE STATISTIK)

MODUL 4 UNIVARIATE DATENANALYSE HÄUFIGKEITEN UND DIAGRAMME PROSEMINAR ANALYSE UND DARSTELLUNG VON DATEN I (DESKRIPTIVE STATISTIK) INSTITUT FÜR ERZIEHUNGSWISSENSCHAFT - UNIVERSITÄT SALZBURG PROSEMINAR ANALYSE UND DARSTELLUNG VON DATEN I (DESKRIPTIVE STATISTIK) GÜNTER HAIDER WS 1997/98 MODUL 4 UNIVARIATE DATENANALYSE HÄUFIGKEITEN UND

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

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

Leitfaden zur Datenerfassung in Excel

Leitfaden zur Datenerfassung in Excel Leitfaden zur Datenerfassung in Excel Hinweise zur korrekten Dateneingabe Johannes Hain Studentische Statistische Beratung Universität Würzburg 1 / 21 Inhaltsverzeichnis 1 Allgemeines 2 Variableneingabe

Mehr

Ablauf einer statistischen Analyse

Ablauf einer statistischen Analyse 2 Ablauf einer statistischen Analyse Dieses Kapitel skizziert die Schritte, die vor bzw. nach der eigentlichen statistischen Auswertung notwendig sind. NewcomerInnen in der Statistik kennen zwar die Methoden

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

Realschule Gebhardshagen Stoffverteilungsplan Mathematik inhaltsbezogene Kompetenzen

Realschule Gebhardshagen Stoffverteilungsplan Mathematik inhaltsbezogene Kompetenzen Realschule Gebhardshagen Stoffverteilungsplan Mathematik inhaltsbezogene Kompetenzen Gültigkeit ab dem Schuljahr 2012/2013 Grundlagen: Kerncurriculum Mathematik für Realschulen in Niedersachsen Faktor,

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

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

Forschungsmethoden in der Sozialen Arbeit

Forschungsmethoden in der Sozialen Arbeit Forschungsmethoden in der Sozialen Arbeit Erhebungsinstrument Lehrveranstaltung an der Fachhochschule für Sozialarbeit und Sozialpädagogik "Alice Salomon" Hochschule für Soziale Arbeit, Gesundheit, Erziehung

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

Anforderungen an Datensätze für die statistische Analyse

Anforderungen an Datensätze für die statistische Analyse Anforderungen an Datensätze für die statistische Analyse 1. Vorbereiten eines Datensatzes zur Analyse In dieser Anleitung erklären wir den korrekten Aufbau Ihres Datensatzes, damit er anschliessend mit

Mehr

Meisterstück Karin Gangl, BA Literatur- und Ressourcenplattform für den Studiengang Angewandtes Wissensmanagement

Meisterstück Karin Gangl, BA Literatur- und Ressourcenplattform für den Studiengang Angewandtes Wissensmanagement Meisterstück Karin Gangl, BA Literatur- und Ressourcenplattform für den Studiengang Angewandtes Wissensmanagement Fragebogen zur Onlinebefragung Mastertudiengang Angewandtes Wissensmanagement FH Burgenland,

Mehr

Einfaches Datenmanagement in R

Einfaches Datenmanagement in R Einfaches Datenmanagement in R Achim Zeileis 2009-02-20 1 Daten einlesen Datensätze werden in R typischerweise als Objekte der Klasse "data.frame" dargestellt. In diesen entsprechen die Zeilen den Beobachtungen

Mehr

Übungsbuch Algebra für Dummies

Übungsbuch Algebra für Dummies ...für Dummies Übungsbuch Algebra für Dummies von Mary Jane Sterling, Alfons Winkelmann 1. Auflage Wiley-VCH Weinheim 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 527 70800 0 Zu Leseprobe

Mehr

Empirische Methoden PM-EMP-P12-040828

Empirische Methoden PM-EMP-P12-040828 Studiengang Pflegemanagement Fach Empirische Methoden Art der Leistung Prüfungsleistung Klausur-Knz. Datum 28.08.2004 Die Klausur besteht aus 5 Aufgaben, von denen alle zu lösen sind. Ihnen stehen 90 Minuten

Mehr

Untersuchungsdesign: 23.11.05

Untersuchungsdesign: 23.11.05 Untersuchungsdesign: 23.11.05 Seite 1! Ablauf Untersuchungsdesign! Beispiel! Kleine Übung! Diskussion zur Vorbereitung von Übung 2 Während Sie das Untersuchungsdesign festlegen, planen und bestimmen Sie:

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

Im Original veränderbare Word-Dateien

Im Original veränderbare Word-Dateien Binärsystem Im Original veränderbare Word-Dateien Prinzipien der Datenverarbeitung Wie du weißt, führen wir normalerweise Berechnungen mit dem Dezimalsystem durch. Das Dezimalsystem verwendet die Grundzahl

Mehr

Leitfaden zur Datenaufbereitung

Leitfaden zur Datenaufbereitung Leitfaden zur Datenaufbereitung Inhalt Allgemeines... 1 Benennung der Variablen (Merkmale)... 2 Eindeutige Zurdnung vn Fragebögen... 2 Eingabe/Kdierung der Antwrten... 2 Datensatzbeschreibung... 4 Wichtig

Mehr

Lerninhalte und Kompetenzerwartungen in der Klasse 8 mit Bezug zum eingeführten Lehrwerk: Mathematik Neue Wege 8 (Schroedel-Verlag Bestell.-Nr.

Lerninhalte und Kompetenzerwartungen in der Klasse 8 mit Bezug zum eingeführten Lehrwerk: Mathematik Neue Wege 8 (Schroedel-Verlag Bestell.-Nr. Lerninhalte und Kompetenzerwartungen in der Klasse 8 mit Bezug zum eingeführten Lehrwerk: Mathematik Neue Wege 8 (Schroedel-Verlag Bestell.-Nr. 85478) Viele der im Kernlehrplan aufgeführten Kompetenzbereiche

Mehr

Vorlesung Analysis I / Lehramt

Vorlesung Analysis I / Lehramt Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch

Mehr

Erstellung eines Fragebogens

Erstellung eines Fragebogens 1. Einführung Die Erstellung und Auswertung eines Fragebogens dient dazu, Informationen von Personen oder Personengruppen zu einem bestimmten Themenbereich zu erhalten, die im Anschluss ausgewertet und

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

Anforderungen an Lehrpersonen. an BHS (Berufsbildende höhere Schulen) in Angewandter Mathematik

Anforderungen an Lehrpersonen. an BHS (Berufsbildende höhere Schulen) in Angewandter Mathematik Schultypen Anforderungen an Lehrpersonen an BHS (Berufsbildende höhere Schulen) in Angewandter Mathematik Anforderungen Materialien Planung Methoden Beurteilung Fortbildung Anforderungen Materialien Planung

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

Gestaltung von Fragebögen

Gestaltung von Fragebögen Gestaltung von Fragebögen Inhalt Prinzipielles Formulieren von Fragen Antwortkategorien Kodieren von Fragebögen Erhebungsbögen (Case Record Forms) Prinzipielles Prinzipielles zu Fragebögen Studienziel

Mehr

1. Mathematik-Schularbeit 6. Klasse AHS

1. Mathematik-Schularbeit 6. Klasse AHS . Mathematik-Schularbeit 6. Klasse AHS Arbeitszeit: 50 Minuten Lernstoff: Mathematische Grundkompetenzen: (Un-)Gleichungen und Gleichungssysteme: AG. Einfache Terme und Formeln aufstellen, umformen und

Mehr

Florian Frötscher und Demet Özçetin

Florian Frötscher und Demet Özçetin Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60

Mehr

JOHANNES BONNEKOH. Analysis. Allgemeine Hochschulreife und Fachabitur

JOHANNES BONNEKOH. Analysis. Allgemeine Hochschulreife und Fachabitur JOHANNES BONNEKOH Analysis Allgemeine Hochschulreife und Fachabitur Vorwort Vorwort Mathematik ist eine Sprache, die uns hilft die Natur und allgemeine naturwissenschaftliche Vorgänge zu beschreiben. Johannes

Mehr

Laufende Auswertung von Feedback-Fragebögen... 2. Eine Vorlage zur Auswertung eines Fragebogens und die Präsentation erstellen...

Laufende Auswertung von Feedback-Fragebögen... 2. Eine Vorlage zur Auswertung eines Fragebogens und die Präsentation erstellen... Inhaltsverzeichnis Laufende Auswertung von Feedback-Fragebögen... 2 Eine Vorlage zur Auswertung eines Fragebogens und die Präsentation erstellen... 2 Namen verwalten... 4 Dr. Viola Vockrodt-Scholz edvdidaktik.de

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

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

Reelle Zahlen (R)

Reelle Zahlen (R) Reelle Zahlen (R) Bisher sind bekannt: Natürliche Zahlen (N): N {,,,,,6... } Ganze Zahlen (Z): Z {...,,,0,,,... } Man erkennt: Rationale Zahlen (Q):.) Zwischen den natürlichen Zahlen befinden sich große

Mehr

Werkstatt Euler und die Lösung der quadratischen Gleichung

Werkstatt Euler und die Lösung der quadratischen Gleichung Werkstatt Leonhard Euler und die Lösung der quadratischen Gleichungen Im Jahr 1767 hat der Mathematiker Leonhard Euler (1707 1783) das Buch Vollständige Anleitung zu Algebra im russischen Original veröffentlicht,

Mehr

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen

Tabelle 6a: Deskriptive Statistiken der metrischen Variablen Ergebnisse 77 5 Ergebnisse Das folgende Kapitel widmet sich der statistischen Auswertung der Daten zur Ü- berprüfung der Hypothesen. Die hier verwendeten Daten wurden mit den in 4.3 beschriebenen Instrumenten

Mehr

IGS Robert-Schuman-Schule Frankenthal

IGS Robert-Schuman-Schule Frankenthal Thema: Gleichungen und Ungleichungen Zeitraum: September - November Terme Rechengesetze Umkehren von Rechenoperationen Systematisches Probieren Terme auswerten und interpretieren Terme aufstellen und für

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

ESLC Leitfaden Testwerkzeug für Schüler [DE]

ESLC Leitfaden Testwerkzeug für Schüler [DE] ESLC Leitfaden Testwerkzeug für Schüler [DE] Inhalt 1 EINFÜHRUNG... 3 2 DURCHFÜHRUNG DER TESTS... 3 2.1 Anmeldung... 3 2.2 Audiokontrolle für den Hörtest... 5 2.3 Testdurchführung... 5 3 INFORMATIONEN

Mehr

2.2 Quadratwurzeln. e) f) 8

2.2 Quadratwurzeln. e) f) 8 I. Quadratwurzeln Rechne im Kopf und erkläre, wie du vorgegangen bist!, H a) 7 8 b) 5 6 c) 9 d) 6 9 e) 0 _ f) 8 _ g) 7 _ 00 h) 5 _ 69 Teilweises Wurzelziehen ist dann möglich, wenn sich eine Zahl so zerlegen

Mehr

Schritte der Fragebogenkonstruktion

Schritte der Fragebogenkonstruktion Schritte der Fragebogenkonstruktion Definition des zu messenden Konstrukts Bestimmung der Form des Fragebogens Festlegung der Antwortdimension sammlung revision Richtung der s Reihenfolge der s Art und

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

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

Anleitung. Nutzung der Fragebogenvorlage der FEB-Bedarfserhebung

Anleitung. Nutzung der Fragebogenvorlage der FEB-Bedarfserhebung Für die FEB-Bedarfserhebung liegen mehrere Dokumente zum Download vor: 1. Die Vorlage für den Fragebogen mit einer Auswahl an unterschiedlich detaillierten Fragen, 2. die Vorlage für den Fragebogen mit

Mehr

Demo-Text für Quadratwurzeln ALGEBRA. Teil 1. Einführung und Grundeigenschaften. (Klasse 8 / 9) Friedrich W.

Demo-Text für  Quadratwurzeln ALGEBRA. Teil 1. Einführung und Grundeigenschaften. (Klasse 8 / 9) Friedrich W. Teil 1 Einführung und Grundeigenschaften (Klasse 8 / 9) Datei Nr. 101 Friedrich W. Buckel Stand: 1. Mai 014 ALGEBRA Quadratwurzeln INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Vorwort Die Einführung des 1-jährigen

Mehr

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23

Inhaltsverzeichnis. Fragestellungen und Methoden 11. Vorwort 15. Kapitel 1 Einführung 17. Kapitel 2 Statistische Grundbegriffe 23 Fragestellungen und Methoden 11 Vorwort 15 Kapitel 1 Einführung 17 1.1 KonzeptiondesBuchs... 18 1.2 AufbaudesBuchs... 19 1.3 Programmversionen von PASW bzw. SPSS..... 20 1.4 WiekanndiesesBuchverwendetwerden?...

Mehr

Evaluationsmethoden. Hannover 2013. Rainer Strobl 2013

Evaluationsmethoden. Hannover 2013. Rainer Strobl 2013 Evaluationsmethoden PD Dr. Rainer Strobl Universität Hildesheim Institut für Sozialwissenschaften & proval Gesellschaft für sozialwissenschaftliche Analyse, Beratung und Evaluation www.proval-services.net

Mehr

Auswertung von statistischen Befragungen und Erhebungen

Auswertung von statistischen Befragungen und Erhebungen Auswertung von statistischen Befragungen und Erhebungen Seit Mai 1994 bearbeite ich als Selbständige für z.t. namhafte Marktforschungsinstitute Befragungen und Erhebungen jeglicher Art. Zu meinen Serviceleistungen

Mehr

Die Umfrage in ILIAS

Die Umfrage in ILIAS Die das Werkzeug bietet die Möglichkeit, Umfragen in ILIAS zu erstellen, durchzuführen und auszuwerten z.b. Lehrveranstaltungsevaluationen. Umfragen können mit oder ohne Fragen-Pool angelegt werden. die

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

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Information in einem Computer ist ein

Information in einem Computer ist ein 4 Arithmetik Die in den vorhergehenden Kapiteln vorgestellten Schaltungen haben ausschließlich einfache, Boole sche Signale verarbeitet. In diesem Kapitel wird nun erklärt, wie Prozessoren mit Zahlen umgehen.

Mehr

1. Makrozulassung in Excel - Version 2010 -

1. Makrozulassung in Excel - Version 2010 - Damit die Excel-Maske richtig funktioniert, achten Sie bitte unbedingt auf die Reihenfolge der folgenden Schritte! 1. Makrozulassung in Excel - Version 2010 - Da die Excel-Maske Makros enthält, sollten

Mehr

Probeklausur unter Abschlussprüfungs-Bedingungen Dezember 2012. Name: Beginn der Bearbeitungszeit: Ende der Bearbeitung:

Probeklausur unter Abschlussprüfungs-Bedingungen Dezember 2012. Name: Beginn der Bearbeitungszeit: Ende der Bearbeitung: Probeklausur unter Abschlussprüfungs-Bedingungen Dezember 2012 Zentrum für Aus- und Fortbildung Name: Beginn der Bearbeitungszeit: Ende der Bearbeitung:... Uhr... Uhr Ausbildungsberuf: Fachrichtung: Prüfungsgebiet:

Mehr

Auswertung qualitativer Interviews

Auswertung qualitativer Interviews Auswertung qualitativer Interviews Problem: umfangreiche Texte in eine Form zu bringen, die als Erzählung, als Leseangebot für den Leser dienen können Texte müssen eingedickt werden, sie müssen im Rahmen

Mehr

Kapitel 9: Verfahren für Nominaldaten

Kapitel 9: Verfahren für Nominaldaten Kapitel 9: Verfahren für Nominaldaten Eindimensionaler Chi²-Test Der eindimensionale χ²-test wird dann herangezogen, wenn die Versuchspersonen einer Population anhand eines Merkmals mit zwei oder mehr

Mehr

5. Wie wird im Experiment die interessierende, vom Versuchsleiter gemessene Variable bezeichnet?

5. Wie wird im Experiment die interessierende, vom Versuchsleiter gemessene Variable bezeichnet? Bei jeder Frage ist mindestens eine Antwort anzukreuzen. Es können mehrere Antwortalternativen richtig sein. Die Frage gilt nur dann als richtig beantwortet, wenn alle richtigen Alternativen angekreuzt

Mehr

Fragebogen zur Untersuchung der Kundenzufriedenheit mit SB-Kassen (zweite empirische Untersuchung)

Fragebogen zur Untersuchung der Kundenzufriedenheit mit SB-Kassen (zweite empirische Untersuchung) Interviewer: Fragebogennummer: Datum: Uhrzeit: SB Guten Tag, im Rahmen einer Seminararbeit an der Professur für Handelsbetriebslehre der Universität Göttingen führe ich eine empirische Untersuchung zur

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

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend

Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten

Mehr

Repetitionsaufgaben Negative Zahlen/Brüche/Prozentrechnen

Repetitionsaufgaben Negative Zahlen/Brüche/Prozentrechnen Kantonale Fachschaft Mathematik Repetitionsaufgaben Negative Zahlen/Brüche/Prozentrechnen Zusammengestellt von der Fachschaft Mathematik der Kantonsschule Willisau Inhaltsverzeichnis A) Lernziele... 1

Mehr

Programmiertechnik Operatoren, Kommentare, Ein-/Ausgabe

Programmiertechnik Operatoren, Kommentare, Ein-/Ausgabe Programmiertechnik Operatoren, Kommentare, Ein-/Ausgabe Prof. Dr. Oliver Haase Oliver Haase Hochschule Konstanz 1 Was sind Operatoren? Ein Operator ist eine in die Programmiersprache eingebaute Funktion,

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

Anzeige von eingescannten Rechnungen

Anzeige von eingescannten Rechnungen Anzeige von eingescannten Rechnungen Wenn Sie sich zu einer Eingangsrechnung die eingescannte Originalrechnung ansehen möchten, wählen Sie als ersten Schritt aus Ihrem Benutzermenü unter dem Kapitel Eingangsrechnung

Mehr

Access Verbrecherdatenbank Teil 3

Access Verbrecherdatenbank Teil 3 Access Verbrecherdatenbank Teil 3 Allgemeines Im letzten Teil des Lehrgangs zu Microsoft Access erfährst du, wie man aus einer Datenbank Informationen herausfiltert, indem an Filter und Abfragen anwendet.

Mehr

Werkstatt Multiplikation Posten: 8-Bit Multiplikation. Informationsblatt für die Lehrkraft. 8-Bit Multiplikation

Werkstatt Multiplikation Posten: 8-Bit Multiplikation. Informationsblatt für die Lehrkraft. 8-Bit Multiplikation Informationsblatt für die Lehrkraft 8-Bit Multiplikation Informationsblatt für die Lehrkraft Thema: Schultyp: Vorkenntnisse: Bearbeitungsdauer: 8-Bit Multiplikation (im Binärsystem) Mittelschule, technische

Mehr

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de

Mehr

Inhaltsverzeichnis. TEIL I: Einführung in EXCEL

Inhaltsverzeichnis. TEIL I: Einführung in EXCEL Inhaltsverzeichnis TEIL I: Einführung in EXCEL 1 Das Tabellenkalkulationsprogramm EXCEL... 1 1.1 Tabellenkalkulation... 1 1.2 Anwendungsgebiete... 1 1.3 Hilfefunktionen... 2 2 Benutzeroberflächen der Versionen

Mehr

1.4.1 Lernen mit Podcasts

1.4.1 Lernen mit Podcasts 20 Die Bachelorarbeit er gut gefallen hat oder auch nicht). Hier nun kurz skizziert die drei Beispiele, die wir im Verlauf dieses Buchs immer wieder heranziehen werden: Waltraud und Valerie 1.4.1 Lernen

Mehr

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel

Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel Grundlagen quantitativer Sozialforschung Interferenzstatistische Datenanalyse in MS Excel 16.11.01 MP1 - Grundlagen quantitativer Sozialforschung - (4) Datenanalyse 1 Gliederung Datenanalyse (inferenzstatistisch)

Mehr

Fördermaterialienordner Mathematik 5/6

Fördermaterialienordner Mathematik 5/6 Fördermaterialienordner 5/6 Inhaltsverzeichnis 1 Zahl und Zahlbereiche 1.1 Natürliche Zahlen 1.2 Rechnen mit natürlichen Zahlen 1.3 Rechnen mit Größen 1.4 Brüche 1.5 Teilbarkeit 1.6 Rechnen mit Brüchen

Mehr

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen TG TECHNOLOGISCHE GRUNDLAGEN Kapitel 3 Mathematik Kapitel 3.3 Algebra Gleichungen Verfasser: Hans-Rudolf Niederberger Elektroingenieur FH/HTL Vordergut 1, 877 Nidfurn 055-654 1 87 Ausgabe: Februar 009

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

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Übung: Praktische Datenerhebung

Übung: Praktische Datenerhebung Übung: Praktische Datenerhebung WS 2011 / 2012 Modul: Methoden der empirischen Sozialforschung 1 (Übung zur Vorlesung) Judith Jahn / Aline Hämmerling 1 Ablauf Block 1 Dauer 3 h Inhalt Einführung: Ziel

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

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43 Zahlenbereiche Jörn Loviscach Versionsstand: 20. Oktober 2009, 17:43 1 Natürliche, ganze und rationale Zahlen Zum Zählen benötigt man die positiven natürlichen Zahlen 1, 2, 3,... In der Informatik zählt

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

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................

Mehr

1. Codieren anhand von Erfassungbögen aus Papier Abtippen der Erfassungsbögen

1. Codieren anhand von Erfassungbögen aus Papier Abtippen der Erfassungsbögen Datenauswertung Software Die Datenauswertung besteht stets aus vielen Einzelschritten. Im Rahmen der Beispielstudie wurde die Datenauswertung mithilfe des Statistikprogramms SPSS durchgeführt. Natürlich

Mehr

Algebra in den Jahrgangsstufen 5 bis 8. Lerninhalte Natürliche Zahlen. Lernziele Natürliche Zahlen. Didaktik der Algebra und Gleichungslehre

Algebra in den Jahrgangsstufen 5 bis 8. Lerninhalte Natürliche Zahlen. Lernziele Natürliche Zahlen. Didaktik der Algebra und Gleichungslehre Didaktik der Algebra und Gleichungslehre Algebra in den Jahrgangsstufen 5 bis 8 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Sommersemester 2008 Vollrath: Algebra in der Sekundarstufe

Mehr

Mathematik-Dossier Potenzen und Wurzeln Stoffsicherung und repetition.

Mathematik-Dossier Potenzen und Wurzeln Stoffsicherung und repetition. Name: Mathematik-Dossier Potenzen und Wurzeln Stoffsicherung und repetition. Inhalt: Potenzen Die zweite Wurzel (Quadratwurzel) Verwendung: Dieses Dossier dient der Repetition und Festigung innerhalb der

Mehr

Vergleichsarbeiten 2010 3. Jahrgangsstufe (VERA-3) Deutsch Lesen. Durchführungserläuterung

Vergleichsarbeiten 2010 3. Jahrgangsstufe (VERA-3) Deutsch Lesen. Durchführungserläuterung Vergleichsarbeiten 2010 3. Jahrgangsstufe (VERA-3) Deutsch Lesen Durchführungserläuterung Testtag: 28.04.2010 Der Zeitraum für die Eingabe der Ergebnisse in die jeweiligen Eingabemasken des Internetportals

Mehr

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12 Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben

Mehr

Mathematische und statistische Methoden II

Mathematische und statistische Methoden II Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte Persike

Mehr

MATHEMATIKLEHRPLAN 4. SCHULJAHR SEKUNDARSTUFE

MATHEMATIKLEHRPLAN 4. SCHULJAHR SEKUNDARSTUFE Europäische Schulen Büro des Generalsekretärs Abteilung für pädagogische Entwicklung Ref.:2010-D-581-de-2 Orig.: EN MATHEMATIKLEHRPLAN 4. SCHULJAHR SEKUNDARSTUFE Kurs 4 Stunden/Woche VOM GEMISCHTER PÄDAGOGISCHER

Mehr

Evaluation 2011/12: Mathematik Unterstufe - Auswertung

Evaluation 2011/12: Mathematik Unterstufe - Auswertung Evaluation 2011/12: Mathematik Unterstufe - Auswertung Befragt wurden die Schüler der Klassen 5-7. 1) Der Mathematikunterricht in der Grundschule hat mich gut auf den Mathematikunterricht am Gymnasium

Mehr

Klausur "Informationstechnische Grundlagen" WS 2012/2013

Klausur Informationstechnische Grundlagen WS 2012/2013 PD Dr. J. Reischer 11.02.2013 Klausur "Informationstechnische Grundlagen" WS 2012/2013 Nachname, Vorname Abschluss (BA, MA, FKN etc.) Matrikelnummer, Semester Versuch (1/2/3) Bitte füllen Sie zuerst den

Mehr

Technische Durchführung des Einholens von Individualfeedback. Der Start: Logins abholen und sich auf der Startseite einloggen

Technische Durchführung des Einholens von Individualfeedback. Der Start: Logins abholen und sich auf der Startseite einloggen Technische Durchführung des Einholens von Individualfeedback Zur technischen Durchführung siehe auch das Tutorial Individualfeedback durchführen auf der QIBB-Evaluationsplattform (nach dem Einloggen auf

Mehr

Leitfaden für das Erstellen eines Fragebogens

Leitfaden für das Erstellen eines Fragebogens Leitfaden für das Erstellen eines Fragebogens DI Thusnelda Reinisch-Rotheneder Quelle:www.2ask.net Fragebögen Noelle Neumann (1965): "Nicht der Interviewer muss schlau sein, sondern der Fragebogen." FRIEDRICHS

Mehr

Grundzüge der Wirtschaftsinformatik - Übung

Grundzüge der Wirtschaftsinformatik - Übung Grundzüge der Wirtschaftsinformatik - Übung Prof. Dr. Martin Hepp Dipl.-Kfm. Alexander Richter Fakultät für Wirtschafts- und Organisationswissenschaften 2 SWS Übung 2 SWS Übung Herbsttrimester 2007 Stunde

Mehr

Seminar: Angewandte Methoden der empirischen Bildungsforschung. Sommersemester 2012, Dozenten: Patrick Schaar, Tom Schröter

Seminar: Angewandte Methoden der empirischen Bildungsforschung. Sommersemester 2012, Dozenten: Patrick Schaar, Tom Schröter Seminar: Angewandte Methoden der empirischen Bildungsforschung Sommersemester 2012, Dozenten: Patrick Schaar, Tom Schröter Fahrplan für Heute: - Termine - Ablauf - Themen und Inhalte - Aufgaben im Seminar

Mehr