Einführung in Statistik und SPSS

Präsentation zum Thema: "Einführung in Statistik und SPSS"—  Präsentation transkript:

1 Einführung in Statistik und SPSS
LVA Human Factors (SS 04) Mag. Katharina Mallich

2 Einführung in Statistik und SPSS
Grundlegendes SPSS: Statistical Package for the Social Sciences Programm zur statistischen Datenanalyse hier verwendet: SPSS 10 (deutsch) Einloggen an den Uni-PCs (z.B. im NIG) Berechnungen auch im Excel möglich Literatur: Ponocny-Seliger, E. & Ponocny, I. (2001). Statistik for You. Skriptum erhältlich im NIG-Shop. Bühl, A. & Zöfel, P. (2000). SPSS. Einführung in die moderne Datenanalyse unter Windows. München: Addison-Wesley. Einführung in Statistik und SPSS

3 Anlegen eines Datenfiles
Leere Datenmaske: Spalten (= Variablen) und Zeilen (= Untersuchungspersonen) Einführung in Statistik und SPSS

4 Anlegen eines Datenfiles
für jede Variable muss ein Name und ein Typ definiert werden Name: Doppelklicken auf „var“ (man gelangt zur Variablenansicht) und unter Name den Variablennamen eingeben, z.B. „fb_nr“ (max. 8 Zeichen, keine Sonderzeichen) Typ: handelt es sich um Zahlen („numerisch“), Wörter („string“) oder anderes? Einführung in Statistik und SPSS

5 Datenmaske: Variablenansicht
Einführung in Statistik und SPSS

6 Datenmaske: Variablenansicht
Wertelabels: z.B. Schulbildung Variablenlabel: Benennung der Variablen, z.B. Name „fb_nr“  Variablenlabel „Fragebogennummer“ Dezimalstellen, Spaltenformat, ... Daten eingeben (z.B. auf einer Skala von 1 bis 5) Einführung in Statistik und SPSS

7 Datenmaske: Datenansicht
Gruppe: z.B. 1 = Nutzung von sms 2 = keine Nutzung von sms Einführung in Statistik und SPSS

8 Einführung in Statistik und SPSS
Speichern Datenfile speichern unter „Datei“  „Speichern unter“: daten.sav Berechungen speichern unter: output01.spo Syntax wird gespeichert unter: syntax01.sps Einführung in Statistik und SPSS

9 Erste Berechnungen und Hinweise
Datenmodifikation: Berechnen einer neuen Variable z.B. Mittelwert einer Skala SPSS: unter „Transformieren“  „Berechnen“ anklicken, neue Zielvariable benennen, s.u. Umkodieren von Variablen: SPSS: „Trans- formieren“  „Umkodieren“  „in andere Variablen“ Einführung in Statistik und SPSS

10 Einführung in Statistik und SPSS
Datenansicht Einführung in Statistik und SPSS

11 Erste Berechnungen und Hinweise
Datenselektion: Fälle auswählen wenn z.B. Unterschiede in der „Performance“ der Gesamtstichprobe auftreten und man wissen will, ob die Unterschiede auch „nur“ in der männlichen oder weiblichen Stichprobe vorhanden sind. SPSS: „Daten“  „Fälle auswählen“  „Falls Bedingung zutrifft“  „Falls“ ... „weiter“  „ok“ Einführung in Statistik und SPSS

12 Erste Berechnungen und Hinweise
Datenselektion: Fälle auswählen Ausgewählt wurde „Geschlecht (sex) = 1 (männlich). Nun erfolgen sämtliche Berechnungen nur für die Männer. Will man wieder mit der Gesamtstichprobe rechnen: SPSS: „Daten“ „Fälle auswählen“ „Alle Fälle“  „ok“ Einführung in Statistik und SPSS

13 Voraussetzungen f. d. Anwendung statistischer Tests
Skalenniveau Nominalskala: bestehenden Namen werden Messwerte zugeordnet, keine Rangfolge, nicht vergleichbar, z.B. Geschlecht (männlich = 1, weiblich = 2), Schulbildung, ... Ordinal-/ Rangskala: Information über eine Rangordnung ist gegeben, d.h. je größer ein Wert desto ausgeprägter die Eigenschaft, z.B. Rauchverhalten (1 = Nicht-Raucher, 2 = mäßiger Raucher, 3 = starker Raucher), Windstärke, ... Intervallskala: neben Ranginformation auch Informationen über Messwertdifferenzen, gleiche numerische Differenzen bedeuten gleiche inhaltliche Differenzen, z.B. Reaktionszeiten, Testscores, Temperatur, ... Verhältnisskala: die Messwerte erlauben Verhältnisangaben (A ist doppelt so groß wie B), z.B. Längenangaben, Gewicht, ... Einführung in Statistik und SPSS

14 Einführung in Statistik und SPSS
Voraussetzungen f. d. Anwendung statistischer Tests Normalverteilung (bei intervallskalierten Variablen): macht Aussagen über die Verteilung der Messwerte, z.B. symmetrisch, links-, rechtsschief, bimodal, etc. SPSS: „Grafiken“  „Histogramm“  „Normalverteilungskurve“ bzw. Kolmogorov-Smirnof-Test: „Analysieren“  „Nichtparametrische Tests“  „K-S bei einer Stichprobe“  Testverteilung „normal“. Ergebnis: Asymptotische Signifikanz (2-seitig) muss > .05 sein. Einführung in Statistik und SPSS

15 Einführung in Statistik und SPSS
Voraussetzungen f. d. Anwendung statistischer Tests Abhängigkeit bzw. Unabhängigkeit von Stichproben: abhängig (gepaart): wenn jedem Wert der einen Stichprobe eindeutig und sinnvoll ein Wert einer anderen Stichprobe zugeordnet werden kann, z.B. Messung zu mehreren Zeitpunkten (Computerkenntnisse vor und nach einer Schulung) unabhängig: wenn keine Zuordnungen möglich sind, z.B. einmalige Testung mehrerer Versuchspersonen (Vp) Einführung in Statistik und SPSS

16 Übersicht über gängige Mittelwertstests
Intervallskalierte, normalverteilte Variablen Ordinalskalierte oder nicht normalverteilte intervallskalierte Variablen Anzahl d. Stichpr. Abhängigkeit (parametrischer) Test 2 unabhängig t-Test abhängig t-Test für abhängige Stichproben > 2 einfache Varianzanalyse einfache Varianzanalyse mit Messwiederholungen Anzahl d. Stichpr. Abhängigkeit (nicht parametrischer) Test 2 unabhängig U-Test (Man-Whitney) abhängig Wilkoxon-Test > 2 H-Test (Kruskal-Wallis) Friedman-Test Einführung in Statistik und SPSS

17 Deskriptivstatistiken
dienen der beschreibenden Darstellung der Variablen z.B. Häufigkeitstabellen, statische Kennwerte (M, SD, ...), grafische Darstellungen, Kreuztabellen (bei > 2 Variablen) SPSS: „Analysieren“  „Deskriptive Statistiken“  „Häufigkeiten“: ... Einführung in Statistik und SPSS

18 Analytische Statistik
Signifikanztests: dienen der Untersuchung, ob signifikante Unterschiede zwischen 2 Stichproben/ Gruppen/Messzeit-punkten/ etc. bestehen. Wann ist ein Unterschied signifikant? Wenn die Irrtumswahrscheinlichkeit p ≤ .05 ist. p > .05 nicht signifikant p ≤ signifikant p ≤ .01 hoch signifikant p ≤ .001 höchst signifikant Hypothesen können ein- oder zweiseitig formuliert sein: einseitig: Junge Vpn erreichen eine höhere Performance als ältere. zweiseitig: Es bestehen Unterschiede in der Performance zwischen jungen und alten Vpn. Einführung in Statistik und SPSS

19 Analytische Statistik - Mittelwertvergleiche
VARIANZANALYSEN: einfaktoriell: eine uV, mehrere aVs univariat: mehrere uVs, eine aV multivariat: mehrere uVs, mehrere aVs mit Messwiederholungen: mehrere Messzeitpunkte ... Übungsbeispiel - Univariate Varianzanalyse: Untersucht wird der Einfluss von Alter (uV) und Geschlecht (uV) auf den Ausgangswert M1 eines Merkfähigkeitstests (aV). SPSS: „Analysieren“  „Allgemeines Lineares Modell“  „Univariat“ Einführung in Statistik und SPSS

20 Analytische Statistik - Mittelwertvergleiche
Einführung in Statistik und SPSS

21 Analytische Statistik - Mittelwertvergleiche
M1 eintragen als abhängige Variable, Alter und Geschlecht als uVs (Faktoren). Unter „Optionen“: Einführung in Statistik und SPSS

22 Analytische Statistik - Mittelwertvergleiche
Nach dem Start der Berechnungen erscheint der Output. hier: Deskriptives. Einführung in Statistik und SPSS

23 Analytische Statistik - Mittelwertvergleiche
Output: Prüfung auf Signifikanz Ergebnis: Es besteht ein höchst signifikanter Einfluss des Alters auf die Merkleistung: F2,21 = 29.80, p ≤ .001. Keinen Effekt üben Geschlecht F1,21 = .10, p = .76 und die Wechsel- wirkung Alter * Geschlecht F2,21 = .51, p = .61 auf M1 aus. Einführung in Statistik und SPSS

24 Analytische Statistik - Mittelwertvergleiche
Die „geschätzten Randmittel“ helfen bei der Interpretation! Geschlecht: keine nennenswerten Mittel- wertunterschiede, da ja nicht signifikant. Alter: Je älter die Probanden sind, desto geringer ihre Werte bei der Merkfähigkeit. Besonders wenig Punkte erreichten die über 50-Jährigen. Das Alter spielt somit eine entscheidende Rolle bei der Merkfähigkeit! Einführung in Statistik und SPSS

25 Analytische Statistik - Mittelwertvergleiche
Übungsbeispiel - univariate ANOVA mit Messwiederholungen: Untersucht wird, ob im Laufe von 4 Testzeitpunkten (uV, MH-Faktoren) Veränderungen im Merkfähigkeitstest (aV) auftreten. SPSS: „Analysieren“  „Allgemeines Lineares Modell“  „Messwiederholungen“. Es erscheint ein Fenster, in dem man die Faktoren definieren kann:  „hinzufügen“ Einführung in Statistik und SPSS

26 Analytische Statistik - Mittelwertvergleiche
Die 4 MW-Variablen ins Feld „Innersubjektfaktoren“ klicken, Alter und Geschlecht zu den Zwischensubjektfaktoren (uVs). Einführung in Statistik und SPSS

27 Analytische Statistik - Mittelwertvergleiche
Unter „Optionen“: Es können auch Post-Hoc- Tests (z.B. Bonferroni) durchgeführt werden. danach: Starten der Berechnungen Einführung in Statistik und SPSS

28 Analytische Statistik - Mittelwertvergleiche
Output: Deskriptive Statistiken (wie bei univariater ANOVA) sowie für alle Messzeitpunkte getrennt nach Alter und Geschlecht: Signifikanzprüfung: siehe „multivariate Tests“ (nächste Folie) Einführung in Statistik und SPSS

29 Analytische Statistik - Mittelwertvergleiche
Einführung in Statistik und SPSS

30 Analytische Statistik - Mittelwertvergleiche
Ergebnis: Pillai Spur betrachten  Der Faktor ZEIT hat einen höchst signifikanten Einfluss auf die Merkfähigkeit (F3,19 = , p ≤ .001). Wechselwirkungen der ZEIT mit Alter (F6,40 = 1.15, p = .36) oder Geschlecht der Vpn (F3,19 = .75, p = .54) bestehen keine. Die „Tests der Zwischensubjekt- effekte“ zeigen mögliche Haupteffekte auf (hier: wie vorhin das Alter). Einführung in Statistik und SPSS

31 Analytische Statistik - Mittelwertvergleiche
Die „geschätzten Randmittel“ verdeutlichen einen Anstieg der Merkfähigkeit zu jedem der 4 Testzeitpunkte. Die besten Ergebnisse werden beim 4. Zeitpunkt erreicht. Möglicherweise findet eine Schulung statt, auf welche diese Unterschiede zurück- zuführen sind. Einführung in Statistik und SPSS

32 Analytische Statistik - Zusammenhänge
Neben Mittelwertsvergleichen können auch Zusammen-hänge untersucht werden. Korrelationen: z.B. Besteht ein Zusammenhang zwischen der PC-Nutzung und Rückenschmerzen? SPSS: „Analysieren“  „Korrelation“  „Bivariat“ Die Stärke eines Zusammenhang sagt aber nichts über die Kausalität aus!! Regressionsanalyse: soll die Art eines Zusammenhang aufdecken, es soll eine aV aus den Werten einer/ mehrerer uVs vorhergesagt werden SPSS: „Analysieren“  „Regression“  „Linear“ Einführung in Statistik und SPSS

33 Analytische Statistik - Hinweis
Bei t-Tests und Regressionsanalysen heißen die Prüfgrößen „t“ (nicht „F“ wie bei den ANOVAs). Auch hierbei muss wieder geschaut werden, ob „t“ signifikant ist („Sig.“ oder „Signifikanz“). Neben den bisherigen Analysen gibt es noch eine Menge weiterer komplexer statistischer Verfahren wie Diskriminanz-, Faktoren- oder Clusteranalysen und verschiedene Zusatzmodule. Viel Erfolg bei Euren Auswertungen !!! Einführung in Statistik und SPSS