37-mal heruntergeladen
Hochgeladen vonRené Reineke
SPSS: Praxis-Leitfaden
Der Dokumentationsleitfaden bietet praktische Fragen und Lösungsmethoden für die Verwendung von SPSS und orientiert sich an den Inhalten eines Einführungskurses, ist jedoch nicht vollständig. Es werden exemplarische Lösungswege für die Analyse von kategorialen und metrischen Variablen beschrieben, einschließlich grafischer Darstellungen und statistischer Tests. Der Leitfaden macht deutlich, dass die Daten vor der Analyse oft einer weiteren Bearbeitung bedürfen, was bei der Anwendung beachtet werden muss.
![[DE] Dr. Ulrich Kampffmeyer - Artikel auf Wikipedia | 2015](https://cdn.slidesharecdn.com/ss_thumbnails/ulrichkampffmeyerartikelaufwikipedia2015-160322133808-thumbnail.jpg?width=640&height=640&fit=bounds)
SPSS: Praxis-Leitfaden
- 1. SPSS‐Praxisleitfaden Exemplarische Fragestellungen und mögliche Lösungsmethoden Dieser Leitfaden orientiert sich an den Kursinhalten der SPSS‐Einführung, erhebt jedoch keinen Anspruch auf Vollständigkeit und stellt keine Zusammenfassung dar. Die Bedienung von SPSS, wie bspw. das Bearbeiten der Grafiken, der Tabellen und die theoretischen Grundlagen sind nicht Bestandteil dieses Dokuments. Aufgehend von praxisnahen Fragestellungen, die in dieser Form auch in der Hausarbeit zu lösen sein könnten, wird ein exemplarischer Lösungsweg in SPSS beschrieben. Es wird angenommen, dass die Datenquelle in einer Form vorliegt, welche die direkte Verarbeitung möglich macht. In der Praxis sind jedoch häufig vorherige Analysen, bspw. auf Ausreißer, oder Umkodierungen, das Gewichten von Fällen, etc. notwendig. Dies muss bei der Anwendung beachtet werden. Inhalt 1 Eine kategoriale Variable ............................................................................................................................. 2 1.1 Kommen alle Kategorien gleich häufig vor? ........................................................................................ 2 1.1.1 Numerische Beschreibung ........................................................................................................... 2 1.1.2 Grafische Beschreibung ............................................................................................................... 2 1.1.3 Statistische Analyse ..................................................................................................................... 4 1.2 Entsprechen Häufigkeiten bestimmten Vorgaben? ............................................................................ 5 1.2.1 Numerische und grafische Beschreibung .................................................................................... 5 1.2.2 Statistische Analyse ..................................................................................................................... 5 2 Mehrere kategoriale Variablen ................................................................................................................... 6 2.1 Datenbeschreibung ............................................................................................................................. 6 2.1.1 Numerische Beschreibung ........................................................................................................... 6 2.1.2 Grafische Beschreibung ............................................................................................................... 7 2.2 Sind zwei kategoriale Variablen unabhängig? ..................................................................................... 9 2.2.1 Datenbeschreibung ..................................................................................................................... 9 2.2.2 Unabhängigkeitstest .................................................................................................................... 9 3 Eine metrische Variable ............................................................................................................................. 0 1 3.1 Wie kann man die Verteilung einer metrischen Variablen beschreiben? ........................................ 0 . 1 3.1.1 Klassifizieren, Tabellen und Histogramme ................................................................................ 0 1 3.1.2 Maßzahlen zur Beschreibung der Verteilung ............................................................................ 2 1 3.1.3 Boxplott ..................................................................................................................................... 3 1 4 Mehrere metrische Variablen ................................................................................................................... 3 1 4.1 Wie stark ist der Zusammenhang zwischen zwei metrischen Variablen? ........................................ 3 . 1 Einführung in SPSS / SS 2010 – HAW Hamburg – René Reineke 1
- 2. 4.1.1 Grafisc che Beschrei ibung ........... ........................................ ............................................................. 3 1 2 4.1.2 Korrelationskoeffiz zient nach Pe earson und S Spearman .... ............................................................. 4 1 1 Ein ne katego oriale Var riable Dieses Ka apitel beschr ränkt sich auf Fragestellu ungen in Zusa ammenhang g mit einer eiinzelnen kate egorialen Variable. 1.1 Ko ommen al lle Katego orien glei ich häufig g vor? 1.1.1 N Numerische e Beschreib bung Analysier ren ‐> Deskri iptive Statisti iken ‐> Häufi figkeiten … ‐> > markieren d der auszuwe ertenden Var riable (siehe Abb.)‐> H Häkchen bei HHäufigkeitstaabellen setzeen ‐> OK. A Abbildung 1: Di ie auszuwerten nde Variable wiird per Doppelklick oder Klick ken+Ziehen in d die rechte Spalt te gelegt In der Au usgabe sind in den ersten n beiden Spa lten die (abs soluten) Häufigkeiten und d Prozentwe erte enthalte en. 1.1.2 GGrafische Beschreibunng Balkendiagramm Diagramme e ‐> Diagram mmerstellung g ‐> Galerie (B Balken) ‐> Do oppelklick au uf einfaches Balkendiagramm ‐> unt tersuchende Variable in X X‐Achse zieh en ‐> OK. Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 2
- 3. Abbildu ung 2: Zu unter rsuchende Varia able wird per K Klicken+Ziehen auf die X‐Achs se gezogen Anschließend öffnet sic ch das Ausgabefenster vo on SPSS und man erhält d das Balkendiagramm, welch hes anschließ ßend ggf. we eiterbearbeit tet werden k kann. Abbildung 3: Häufi gkeitsverteilun ng einer katego orialen Variable e als Balkendiagramm gramm Kreisdiag Eine alterna ative Form sttellt das Kreisdiagramm dar. Die Kateegorien sind hierbei die Kreissegme ente, deren F Fläche propo ortional die H Häufigkeitsve erteilung der r einzelnen Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 3
- 4. Merkmale d darstellt. Diagramme e ‐> Diagram mmerstellung g ‐> Galerie (K Kreis/Polar) ‐> Doppelklick auf Kreisdiagra amm ‐> unter rsuchende V Variable in Au ufteilen nach h ziehen ‐> OK K. Abbildung 4: U Unbearbeitetes Kreisdiagram mm Nachteilig ist, dass sich die tatsächlichen Häufiggkeiten nicht t ablesen lass sen und feinee Unterschied de schwer zu u erkennen s sind. Über Annpassungen an der Darst tellung lassen sich allerdin ngs Beschrifttungen auf d der Kreisfläch he nachtrageen, um die Auussagekraft deutlich zu erhöhen. 1.1.3 S Statistischee Analyse Über eineen Ein‐Stichpproben‐Chi‐QQuadrat‐Test t kann die Fr rage beantwo ortet werden n, ob eine Au usprägung signifikan nt häufiger auftritt oder a alle Auspräg ungen gleich h verteilt sind d. Analysier ren ‐> Nichtp parametrisch he Tests ‐> Ch hi‐Quadrat ‐> > untersuche ende Variable le zu Testvari iablen ziehen n ‐ > OK. Die „Erwa artete Anzahhl“ in der mit ttleren Spalt e gibt die erwarteten (ab bsoluten) Hääufigkeiten b bei einer Gleichver rteilung an. D Das Residuum ist die Diffferenz der er rsten beiden n Spalten. Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 4
- 5. Abbildung 5 5: Chi‐Quadrat t‐Ausgabe von S SPSS Die asym mptotische Sig gnifikanz ist gleich dem p p‐Wert und l erpretieren, ob die zuvor lässt uns inte r aufgestellte e Nullhypo othese verwoorfen wird od der beizubehhalten ist (nä ähere Informationen hier rzu in der PowerPoint‐ Präsentat tion). 1.2 En ntspreche en Häufigk keiten be estimmten n Vorgabe en? Statt einee kategoriale e Variable au uf eine Gleichhverteilung z zu überprüfeen, kann auch h auf eine be estimmte Verteilunng geprüft we erden. Beisp piel: Erste Kat tegorie 30%,, zweite Kate egorie 60%, d dritte Katego orie 10%. Die e statistische Frage ist dann, ob die e Anteile vonn einzelnen K Kategorien in n einer Stichp probe den taatsächlichen Anteilen in der Population entspr rechen. 1.2.1 N Numerischee und grafissche Beschr reibung Siehe „Ko gleich häufig vor?“, S. 2. ommen alle Kategorien g 1.2.2 S Statistische e Analyse Ähnlich z zum vorherig gen Fall, jedo och ist die Nu ullhypothese e in diesem Fall, dass die Verteilung in n bestimmte er Form festtgelegt ist. Die Berec chnung erfol lgt über: Analysier ren ‐> Nichtp parametrisch he Tests ‐> Ch hi‐Quadrat ‐>> untersuche ende Variable le zu Testvari iablen ziehen n ‐ > Erwarte ete Werte markieren ‐> in das Feld W Werte der Reiihe nach die erwarteten rrelativen Häufigkeiten (a also in Prozen nt!) einfügen, , jeweils per Hinzufügen bestätigen ‐> OK. Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 5
- 6. Abbildung 6: Der Reihe nach we erden die Werte e eingeben Der Outpput gibt nun a an der Stelle e „Erwartete Anzahl“ die, , auf Grund d der eben ein gegeben erw warteten relativen Häufigkeiten, die erwartteten absolu uten Häufigkeiten aus. Die Interpretation erf folgt identisc erigen Fall. ch zum vorhe 2 Me ehrere ka ategoriale Variabl len Im Gegen nsatz zum 1. Kapital werd den einzelne e kategoriale e Variablen nicht für sich untersucht, sondern das s gemeinsa ame Auftreteen von zweieen oder mehhr Variablen z zu beschreib ben und zu an nalysieren. 2.1 Da atenbesch hreibung 2.1.1 N Numerische e Beschreib bung Ein schne eller numeris scher Überbllick kann übeer die Erzeuggung einer Kr reuztabelle ( (auch: Kontin ngenztabelle e) erhalten werden. Erg gebnis in eine e Matrix, in d der relative w wie auch abssolute Häufig gkeiten ausgegeben werden. Analysier ren ‐> Deskri iptive Statisti iken ‐> Kreuzztabellen ‐> u untersuchende Variablen n in Zeilenvar riable und Spaltenva ariable einfü ügen ‐> Buttoon „Zellen…“ “ ‐> Häkchen bei „Beobac chtet“ setzen n im Feld „Hä äufigkeiten“ ‐ ‐> Optional: : Häkchen beei Prozentwe erten setzen ‐‐> Klick auf W Weiter ‐> Klic ck auf OK Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 6
- 7. Abbildu ung 7: Dialog der Kreuztabelle e Das Ergeb bnis sieht ist t daraufhin ähnlich der fo olgenden Darstellung: Abbildung g 8: Exemplaris sche Kreuztabe elle 2.1.2 G Grafische Beschreibun ng Zur Darst nen sich idealerweise gru tellung eigen uppierte oder gestapelte Balkendiagr ramme. Exem mplarisch wirrd im Folgen nden die Ersttellung eines s gestapelten n Balkendiag gramms wied dergegeben. Dieses wird folgt erzeug gt: Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 7
- 8. Diagramm me ‐> Diagraammerstellung ‐> in Gale erie Balken aauswählen ‐>> Doppelklick k auf „gestap pelte Balken“ “ ‐> Variable 1 in die X‐Ac chse ziehen ‐> > Variable 2 in das Feld „ „Stapel: Farb be festlegen“ “ ziehen ‐> OK Abbildung g 9: Gestapeltes s Balkendiagram mm Um die A Aussagekraft zu erhöhen, , kann es ma nchmal nütz zlich sein das auf 100% zu skalieren. s Diagramm a Dazu empfiehlt sich d die folgende Vorgehenswweise: Doppelkli ick auf das D Diagramm ‐> > Optionen ‐> > Auf 100% skalieren Abbild dung 10: Gesta apeltes Balkend diagramm, auf 100% skaliert Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 8
- 9. Durch die ese Form der Darstellung g ist ein Verg gleich wesentlich einfacher möglich. 2.2 Sind zwei k kategorial le Variabl len unabh hängig? Gruppenunabhängig wird die Frage gestellt, o ob zwischen zwei kategorialen Variab blen eine Bez ziehung oder nicht. In besteht o n der Ausganngssituation können bspw w. zwei ordin nalskalierte V Variablen in Form einer Likertskala untersuchht werden. 2.2.1 D Datenbesch hreibung Orientierrung an „Datenbeschreib bung“, S. 6 zu ur Anfertigun ng einer Kreu uztabelle. Be ei der graphis schen Form eignet sic ch hier das gruppierte Ba alkendiagram mm. 2.2.2 UUnabhängig gkeitstest Zum Eins satz kommt d der Chi‐Quaddrat‐Unabhä ngigkeitstest t, der folgendes Hypothe esenpaar auf fstellt: ä . ä . Analysierren ‐> Deskriiptive Statisti iken ‐> Kreuz ztabellen ‐> u untersuchende Variablen n in Zeilen un nd Spalten ziehen ‐> > Klick auf „Sttatistiken“ ‐> > Häkchen beei „Chi‐Quaddrat“ setzen ‐ ‐> Weiter ‐> Klick auf OK Abb bildung 11: Var riablen per Klic cken + Ziehen e einsetzen, dann n auf „Statistike en“ klicken Wir erhalten daraufhin eine Tabe elle als Outpu ut, die uns Aufschluss über den p‐We ert gibt und e eine Interprettation der Erg gebnisse erm möglicht. Dieeser kann als Wert unter „Asymptotis sche Signifika anz“ in der Zeile Chi‐ ‐Quadrat nac ch Pearson a abgelesen we erden. Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 9
- 10. Abbildung 12 2: Exemplarisch hes Ergebnis ein nes Chi‐Quadra at‐Homogenität tstests Anschließ ßend folgt eine Interpret tation des p‐W Werts. 3 Ein ne metris sche Vari iable 3.1 W Wie kann m man die V Verteilung g einer me etrischen Variablen n beschre eiben? Folgende e Punkte können betrachtet werden, wenn man d die Verteilun ng einer metr rischen Varia ablen untersuchen möchte: In welchem BBereich die D Daten liegen, , die Verteilung der Werte innerhalb d ieses Bereich d und weniger ausgeprägt hes, also wo sie stärker u s sind, o ob es ein Zen ntrum oder mmehrere Zent tren gibt undd ob d die Daten stä ärker oder weniger stark variieren. 3.1.1 K Klassifizieren, Tabelle en und Histo ogramme Klassifizie eren Wen nn nur wenig ge Beobacht ungen vorlie egen, kann eine einfache e Häufigkeitsvverteilung wie bei einer me etrischen Va riable vorgenommen we erden. Diess ist allerding gs nicht prakktikabel, sobaald mehr als ca. fünf Aus prägungen v vorliegen. In der Praxis trifft mman häufig eeher auf einee große Anza ahl von Ausp prägungen (>100+), so dasss per man Hä äufigkeitsverrteilung keine aussagekrä äftige Darste ellung mehr erhält. Als Wor rkaround bie etet es sich a an eine Klassifizierung der Daten durc ch Intervalle vorzzunehmen. D Die Anzahl de er Klassen ka ann sich an foolgenden Fo ormeln orient tieren, mit Klasssenzahl k be ei n Beobacht tungen: 5 20 2 √ In SPSS kann über die Funktiion „Visuelle es Klassieren“ eine derart tige Einteilun ng vorggenommen w werden, wob bei die grafische Verteilung direkt im Dialogfenster angezeigt t wirdd. Trannsformieren ‐> Visuelles K Klassieren ‐> > untersuchende Variable e auswählen ‐> neue, klas ssierte Variab ble bezeichne en unter „Klaassierte Variable“ ‐> Trennnwerte eing geben oder autoomatisch übe er „Trennwe rte erstellen…“ anlegen ‐ ‐> OK Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 10
- 11. Abbild dung 13: Einste ellungen für visuelles Klassiere en Es g gilt die Trennwerte so zu wählen, dass konzentriertere Bereic he durch kle einere Inte ervalle klassie ert werden, aals die übrigen Bereiche. . Tabellen Die zuvor klassie e kann nun über eine reguläre Häufig erte Variable gkeitstabelle ausgewertet werrden: Anaalysieren ‐> D Deskriptive Sttatistiken ‐> Häufigkeitenn ‐> untersuc chende Varia able auswwählen ‐> OK K Histogram mme ernativ kann, ohne eine v Alte vorherige ma anuelle Klassierung, ein H Histogramm zur grap phischen Dar rstellung erzeeugt werden n. Im Unterscchied zum Ba alkendiagrammm, erfolgt die Darstellung oohne Zwisch henräume, da a eine metris sche Variablee als Datenquelle dient. Eine e Klassierungg findet hier aautomatisch h statt. Diaggramm ‐> Diagrammerst tellung ‐> Kategorie Histo ogramm ‐> D Doppelklick a auf „ein nfaches Histoogramm“ ‐> u untersuchende, metrische Variable in n die X‐Achsee ziehen ‐> Optiional: Klasse enzahl‐ oder b breite manuell setzen. Im m Fenster „Ellementeigenschaften auf f „Parrameter festtlegen…“ kliccken, anschlie eßend Wertee eingeben ‐>> OK Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 11
- 12. Abbildung 1 14: Optionales f festlegen der K Klassenbreite‐ o oder zahl 3.1.2 M Maßzahlen zur Beschr reibung der r Verteilungg Zur Besch hreibung ein ner metrische en Variablen können aucch Lagemaße e und Streuu ngsmaße verwendet werden, um Angaben n über die Ve erteilung zu t treffen. Analysierren ‐> Deskriiptive Statisti iken ‐> Häufi figkeiten ‐> u untersuche Vaariable ausw wählen und in n die rechte Spalte zie ehen ‐> Klick auf „Statistiiken…“ ‐> rellevante Lagee‐ und Streuu ungsmaße au uswählen ‐> Weiter ‐> OK. K Abbildung 15: Auswahl vo on zu berechne enden Lage‐ und Streuungsma aßen Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 12
- 13. 3.1.3 B Boxplott Der Boxp plott stellt ein ne weitere M Methode zur graphischenn Visualisieru ung dar. Er er rlaubt einen schnellen Überblick k über die Ve erteilung und d wird beson nders aussaggekräftig, wenn zwei Variiablenverteilungen miteinander vergliche en werden. DDarüber hina aus lassen sic ch Ausreißerr besonders eeinfach Iden ntifizieren. A Abbildung 16: B Boxplott Innerhalbb der Box befinden sich 5 50% der Date en und, eingeschlossen vvon Box inkl. Whiskern, d der Großteil d der Daten. MModerater Auusreißer werdden per Krei s und Zeilenzahl gekennz zeichnet, ext treme Ausreeißer mit eineem Stern. Diagrammme ‐> Diagra ammerstellung ‐> in Gale erie Boxplott t auswählen ‐> Doppelklic ck auf 1D‐Bo oxplott ‐> untersuch hende Variab ble in X‐Achs se ziehen ‐> O OK. 4 Me ehrere me etrische Variable en 4.1 W Wie stark ist der Zus sammenh hang zwis schen zwe ei metrisc chen Varia ablen? 4.1.1 G Grafische Beschreibun ng Zur Darst tellung eigneen sich Streudiagramme. Die Werte e einer Variablen werden je eweils auf de er X‐ und Y‐ Achse dargestellt. Diagramm ammerstellung ‐> in Gale me ‐> Diagra erie „Streu‐/P Punktdiagram mm“ auswäh hlen ‐> Dopp pelklick auf „einfache es Streudiagrramm“ ‐> Va ariable 1 in X X‐Achse zieheen, Variable 2 2 in Y‐Achse ziehen ‐> op ptional: Punktbesschriftung üb ber Klick auf Registerreiteer Punkt/Gru uppen‐ID, dan nn „Punkt‐IDD‐Beschriftunng“ anklicken n und Varia able 3 in das s neue Feld zi iehen ‐> OK. Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 13
- 14. Abbildung 1 17: Exemplarisc ches Streudiagr ramm 4.1.2 KKorrelationnskoeffiziennt nach Peaarson und SSpearman Zur nume erischen Beschreibung veerwendet m an den Korre elationskoeff fizienten, de er normiert is st und sich im m Wertebereich zwischen 1 1 bewegt t. Die Berec chnung erfol lgt über: Analysierren ‐> Korrela ation ‐> Biva ariat ‐> zwei z zu korreliere ende Variablee auswählen echte Spalte n und in die re ziehen ‐> > relevante Koorrelationskooeffizienten auswählen pper Klick auf Checkbox ‐> > OK. Abbildung 18: Eigens chaftendialog f für Korrelationskoeffizienten Der ausgegebene p‐W Wert kann an nschließend interpretiert t werden. Einführun ng in SPSS / S SS 2010 – HA AW Hamburg g – René Reineke 14