Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Katja Rost Empirischen Organisationsforschung SS 07 Veranstaltung 4.

Ähnliche Präsentationen


Präsentation zum Thema: "Katja Rost Empirischen Organisationsforschung SS 07 Veranstaltung 4."—  Präsentation transkript:

1 Katja Rost Empirischen Organisationsforschung SS 07 Veranstaltung 4

2 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 2 Grundfunktionen SPSS Öffnet SPSS. Stellt die Grundeinstellung (Ausgabe) wie ich ein. Bitte versucht anhand eures Fragebogens (z. B. Frage 1) eine Datenmaske zu konstruieren:  Definition des Variablennamen: z. B. V1a  Eingabe des Variablenlabel: z. B. „Zusatzqualifikation“  Eingabe der Labels: 1=trifft zu Gebt nun fiktiv einen Datensatz ein (siehe Eingabemaske: Labels ein/aus)

3 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 3 Wiederholung Forschungsfrage Definiert eurer Problemstellung und stellt hierfür prüfbare Hypothesen auf.  Wenn … dann…  Je … desto… Identifiziert die Variablen, die ihr hierfür voraussichtlich verwenden werdet.

4 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 4 Wiederholung Skalenniveaus Identifiziert nun für die Variablen eurer Fragestellung das Skalenniveau: 1.dichotome Skala (z. B. Geschlecht) Mittelwert, Modalwert und Median sinnvoll; d.h. es sind auch Regressionen möglich 2.Nominalskala (z. B. Farbe) nur Modalwert sinnvoll 3.Ordinalskala (Objekte oder Merkmale lassen sich in eine Rangfolge ordnen, z. B. Schulnoten) Mittelwert, Modalwert und Median sinnvoll Regressionen sind bei mehr als 5 Ausprägungen möglich („quasimetrisch“)

5 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 5 Mittelwert: 3,8 Modal-, Medianwert: 4 Perzentile 253, , ,0000 Lagemaße: Häufigkeiten und deskriptive Statistik

6 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 6 Häufigkeiten und deskriptive Statistik Nehmt eine Variable euerer Fragestellung und lasst euch die Häufigkeitstabelle ausgeben. Bitte interpretiert diese Tabelle.  Besitzt die Variable die maximale Varianz, d.h. haben die Personen sowohl Minimum als auch Maximum ausgefüllt?  Gibt es Missingwerte, die nicht als fehlende Werte kodiert wurden?  Mittelwert. Die Summe geteilt durch die Anzahl der Fälle.  Median. Der Wert, über und unter dem jeweils die Hälfte aller Fälle liegt.  Modalwert. Der am häufigsten auftretende Wert.

7 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 7 Bei Normalverteilung liegen 68% der Fälle zwischen 2,4 und 5,2. Streuung (Standardabweichung) Ein Maß für die Streuung um den Mittelwert. Bei einer Normalverteilung  liegen 68% der Fälle im Bereich von einer Standardabweichung um den Mittelwert  und 95% der Fälle im Bereich von zwei Standardabweichungen. Wenn z. B. der Altersmittelwert 45 ist, und die Standardabweichung 10 beträgt, liegen bei Normalverteilung 95% der Fälle zwischen 25 und 65 liegen.

8 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 8 Streuung Wie hoch ist die Standardabweichung eurer Variablen. Interpretiert diese für den Fall einer Normalverteilung. Streuen die Variablen ausreichend, d.h. ist Varianz vorhanden? Vergleicht hierfür auch das Balkendiagramm.

9 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 9 Lagemasse einer Verteilung Schiefe: -,309; d.h. linksschief oder rechtssteil Kurtosis: -,784; d.h. steiler Ein Schiefe- bzw. Kurtosis-Wert größer +/-1,96 dokumentiert eine Abweichung von der Symmetrie. -> es sind keine zuverlässigen Regressionen, Mittelwertvergleiche möglich

10 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 10 Korrelationen Mit Korrelationen werden die Beziehungen zwischen Variablen oder deren Rängen gemessen. Datenniveau:  Quasimetrisch (d.h. mindestens 5 Ausprägungen)  Oder dichotome Variablen Sowie:  Untersuchen auf Ausreißer, da diese zu irreführenden Ergebnissen führen können -> Lagemasse (Schiefe, Kurtosis)  Prüfung auf Linearität –> wenn keine Linearität ist der Korrelationskoeffizient keine geeignete Statistik zum Messen des Zusammenhangs

11 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 11 Korrelationen Die Korrelation beträgt r = 0,531***.

12 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 12 Prüfung auf Linearität Zunächst: Was ist eure abhängige (Y) und was ist eure unabhängige Variable (X)? Mehrere Möglichkeiten  Streudiagramm (empfiehlt sich nicht bei „Fragebogenfragen“ aber z. B. bei wirklich metrischen Skalen)  Balkendiagramm (empfiehlt sich bei quasi-metrischen Skalen)  Mittelwertvergleich Lasst euch anschliessend die bivariate Korrelation ausgeben und interpretiert diese

13 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 13 Warum zusammenfassen?  Übersichtlicher  Manche Variablen haben keine Normalverteilung  Nicht beobachtbares Konstrukt Annahme  Verschiedene Variablen messen ein ähnliches Phänomen Bitte identifiziert für eure Fragestellung Variablen, die euerer Ansicht nach ein ähnliches Phänomen messen. Zusammenfassung von Variablen zu „Konstrukten“

14 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 14 Zusammenfassung von Variablen zu „Konstrukten“ Zufriedenheit ChefKollegenAufgaben Items Messkonstrukt Kollegen Verschiedene Variablen messen ein ähnliches Phänomen, d.h. sie korrelieren untereinander hoch

15 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 15 Ermittelt die bivariaten Korrelationen der Variablen, die ihr zusammenfassen möchtet. Korrelieren die Variablen tatsächlich untereinander hoch? Ermittelt die „Reliabilität“ der Skala, sollte mindestens 0,6 sein Fasst die Variablen als Summe zusammen Ermittelt für die neue Variable die deskriptive Statistik, ist diese Variable normalverteilt? Zusammenfassung von Variablen zu „Konstrukten“

16 Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 16 Rekodieren von Variablen Falls Variablen nicht normalverteilt sind bzw. nicht alle Ausprägungen ausgefüllt sind, empfiehlt sich die Recodierung. Falls eine Variable für ihre Fragestellung diese Anforderungen erfüllt, recodieren Sie diese. Ansonsten „dichotimisieren“ Sie bitte eine quasimetrische Variable.


Herunterladen ppt "Katja Rost Empirischen Organisationsforschung SS 07 Veranstaltung 4."

Ähnliche Präsentationen


Google-Anzeigen