Tutorium zur Datenanalyse mit SPSS Im Rahmen des Propädeutikums Abteilung: Allgemeine Psychologie II Tutorin: Susanne Schwager

Gliederung 1. Organisatorisches 2. Erläuterung des Beispiel-Paradigmas 3. Datenanalyse Schritt 1: E-Merge Schritt 2: E-Data-Aid Schritt 3: Vorbereitung der Daten in SPSS Schritt 4: Analysen in SPSS

1. Organisatorisches Termine: 5.1.,12.1. und 19.1. von 14-16 Uhr Probleme? Materialien: wo Fragen/ Anregungen/ Wünsche zum Tutorium: susi.schwager@googlemail.com

1. Organisatorisches Bei den Beispieldatensätzen handelt es sich um noch nicht veröffentlichte Daten und eine Weitergabe an Dritte ist nicht erlaubt!

2. Erläuterung des Beispiel-Paradigmas Auswirkung von Gewinn-/ Verlust-Framing auf die Leistungen in einer evaluativen Aufgabe 2 Gruppen: Gain- und Loss-Frame GAIN LOSS Reaktionszeitaufgabe Risiko 5€ oder nichts gewinnen Sichere Alternative 2,5€ gewinnen Nichts oder 5€ verlieren Sichere Alternative 2,5€ Verlieren (und 2,5€ behalten)

2. Erläuterung des Beispiel-Paradigmas Typischer Framing-Effekt: Im Gain-Frame wählen Vpn die sichere Alternative Im Loss-Frame wählen Vpn die unsichere Alternative Neue Fragestellung: unterscheiden sich Vpn in Verhalten in evaluativen Reaktionsaufgabe Erwartung FRAME Valenz des Targets GAIN Positiv LOSS Negativ

2. Erläuterung des Beispiel-Paradigmas Design Anzahl der Faktoren? 2: Frame(2-stufig) & Valenz Target (2-stufig) Art der Faktoren? Target = Within-subject, Frame = between-Subject Abhängige Variablen? Reaktionszeiten und Fehlerraten Gewünschter Effekt? Interaktion zwischen Frame und Target-Valenz

3. Datenanalyse - Schritt 1: E-Merge 1. Sammeln aller E-Prime-Daten in einem Ordner 2. Auswahl dieses Ordners in E-Merge Select Unmerged Merge (Standard Merge) Siehe Merge Log, wie viele gemergt wurden und ob alles erfolgreich war

3. Datenanalyse - Schritt 2: E-Data-Aid Ziel: Daten lesbar für SPSS machen und unwichtige Informationen herausfiltern Infos filtern mit Arrange-Columns Teilnehmer selsbt erst mal Datei durchsehen lassen und schauen lassen, welche Variablen wichtig und unwichtig sein könnten

3. Datenanalyse - Schritt 2: E-Data-Aid Bedeutung und Wichtigkeit einzelner Variablen ergeben sich aus Experiment Einige typische Variablen-Namen (Beispiele): Stimulus Onset Time (Zeit seit Beginn des Experiments) Stimulus RT Time (Reaktionszeit seit Beginn des Experiments) … .ACC (1= richtige Antwort in dem Trial) … . CRESP (welche war die richtige Antwort) … . RESP (welche Antwort wurde gegeben) Oftmals unwichtig: Variablen, die Konstanten sind, wie Session… Rausschmeißen Experiment Name, Session, Display Refresh Rate, Random Seed, Session Date, Session Time,…Duration Error, …OnsetDely, …OnsetTime, …CRESP, …RESP

3. Datenanalyse - Schritt 2: E-Data-Aid Exportieren der Daten nach SPSS File  Export Einlesen in SPSS Datei  Textdaten lesen Datei weist kein vordefiniertes Format aus Variablen mit Trennzeichen Erste Zeile enthält Variablennamen Erster Fall in zweiter Zeile Jede Zeile = ein Fall Alle Fälle importieren Kein Texterkennungszeichen, durch Tabulator getrennt Syntax einfügen lassen

3. Datenanalyse: Schritt 3 und 4 Siehe Syntax Beispiel Boxplot

Was tun, wenn‘s nicht signifikant ist… Verschiedene Tukeys oder andere RT-Grenzwerte probieren Statt Mittelwert Median zum Aggregieren verwenden Versuchspersonen / Stimuli entfernen (nach Ausreißern, VL-Bemerkungen…) Effekt in Fehlervariablen analysieren Effekt im Verlauf des Experiments betrachten Effekt in Subpopulationen untersuchen Mehr Versuchspersonen …