Marktforschungsdaten mit SPSS für Windows Auswertung von Marktforschungsdaten mit SPSS für Windows WINDER Thomas 369 46 26-11 t.winder@marketmind.at Porzellangasse 32, 1090 Wien

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

Lehrveranstaltung SPSS Ziel der Lehrveranstaltung: Learning by Doing gemeinsam die Grundlagen erarbeiten selbst Erfahrungen machen (Beispiele selbst bearbeiten) mit SPSS arbeiten und dabei das Programm kennenlernen

Lehrveranstaltung SPSS unterstützende Medien: Angewandte Statistik mit SPSS (Hatzinger 2004) Skriptum (Otter 2001 bzw. Winder 2002) von Dr. Otter übernommen Hilfsfunktion in SPSS SPSS-Manuals SPSS-Hompage ( www.spss.de oder www.spss.com )

Lehrveranstaltung SPSS weiterführende Literatur: Lehrbuch der Statistik (Bortz 1977, S. 139 – 154) Formulierung und Überprüfung von Hypothesen Statistik für Wirtschaftswissenschafter (Bleymüller et al. 1994) T-Test (S. 107 – 117) Chi2-Test (S. 130 – 132) Multivariate Analysemethoden (Backhaus et al. 2000, S. 70 - 79) Einfaktorielle Varianzanalyse

Lehrveranstaltung SPSS Beurteilung Anwesenheit Wake Ups (Wiederholungen) drei Wake Ups zu Beginn der Stunde, die in die Beurteilung einfließen zumindest bei zwei Wake Ups positiv teilnehmen Ergebnis der beiden besseren Wake Ups wird berücksichtigt

Lehrveranstaltung SPSS Geschichtlicher Rückblick: 1968: Entwicklung der Ausgangssoftware an der Stanford University für den internen Gebrauch durch: Norman H. Nie C. Hadlai (Tex) Hull Dale H. Bent Weiterentwicklung an der University of Chicago (durch Nie und Hull) SPSS: Statistical Package for the Social Sciences 1970 publizierte McGraw-Hill die ersten SPSS user's manuals 1975 wurde die SPSS Inc. gegründet Verwendung auf Großrechnersystemen (GE, DEC, NASA, ...) 1984: erstes Statistik Package für PC DOS 1992: erste Statistik Software für Microsoft Windows 2002: OLAP (online analytical processing)

Lehrveranstaltung SPSS Überblick - Statistik Software: ca. 160 Software Programme derzeit am Markt (siehe http://www.uni-koeln.de/themen/statistik/software/liste.html) wichtigste Konkurrenzprogramme: SAS Systat R bzw. S-Plus (ursprünglich interaktive Programmiersprache S für statistische und grafische Anwendungen von AT&T; seit 1993 ist die Urversion unter dem Namen R als open source project verfügbar und wird kontinuierlich von mehr als 500 Personen weiterentwickelt - als Zentrum gilt die Universität Wien)

Lehrveranstaltung SPSS SPSS Schulungsprogramm 2006: SPSS Crash Kurs 1 1.190,- SPSS Crash Kurs 2 790,- Einführung in die SPSS-Syntax 790,- Grundkurs Statistik mit SPSS 790,- Regressions- und Varianzanalyse 790,- Segmentieren und Klassifizieren 1.190,- Zufriedenheitsanalyse und Marktforschung 1.190,- SPSS GmbH Software Rosenheimer Straße 30 81669 München http://www.spss.com/de/training

Lehrveranstaltung SPSS SPSS für Windows: Version 16.0 Diplomanden – evtl. Benützung über das Institut Studenten – direkt bei SPSS sind Studentenversionen erhältlich

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

Datenstruktur Variablen Fälle (=Apn)

alle Informationen über die entsprechende SPSS-Datendatei Info über Datendatei alle Informationen über die entsprechende SPSS-Datendatei

Öffnen von Dateien relevante SPSS-Dateitypen: *.sav ... SPSS Datendatei *.spv ... SPSS Ausgabedatei (*.spo) *.sps ... SPSS Syntaxdatei

Überblick I Datenbereinigung: Auffinden von Eingabefehlern in der Datenmatrix

Überblick II Datenbereinigung: Auswahl von spezifischen Fällen (mit Fehlern) deskriptive Datenanalyse: Auswahl von Subsamples (z.B.: alle befragten Frauen, Personen älter als 20 Jahre, ...)

Überblick III deskriptive Datenanalyse: gleichzeitige Analyse von mehreren Subsamples

Überblick IV Datenbereinigung: Erstellen von neuen Variablen bzw. Ersetzen von Werten bestehender Variablen

Überblick V Datenbereinigung: Erstellen von neuen Variablen bzw. Ersetzen von Werten bestehender Variablen auf Basis von mathematisch/statistischen Funktionen

Überblick VI Datenbereinigung: Suchen von Fehlern  Häufigkeiten Kontrolle der Quoten  Kreuztabellen deskriptive Datenanalyse: Standardauswertungen  Häufigkeiten Standardauswertungen  Deskriptive Statistiken Chi2-Test  Kreuztabellen

Überblick VII Mittelwertvergleiche: Analyse von signifikanten Unterschieden  T-Test bei einer Stichprobe T-Test bei unabhängigen Stichproben T-Test bei gepaarten/abhängigen Stichproben

Überblick VIII Varianzanalyse: Analyse der Wirkungen von verschiedenen Faktoren auf eine abhängige Variable

Überblick IX deskriptive Datenanalyse: Analyse von mehreren zusammengehörigen Variablen in einem Arbeitsschritt (z.B.: Zuordnung von Imageitems auf eine Marke)

Überblick X Datendefinition: Variablenansicht zur Definition der verschiedenen Variablen

Überblick XI Datendefinition: Definition des Variablentyps, v.a.:  Numerisch  String

Überblick XII Datendefinition: Benennen der (numerischen) Codes anhand von sogenannten Wertelabels

Überblick XIII Datendefinition: Definition der fehlenden Werte (Missings)

Überblick XIV Datendefinition: Definition des Skalenniveaus:  Nominal  Ordinal  Intervall  Ratio Metrisch

unbedingt aktivieren, um Befehlssyntax im Ausgabefenster zu erhalten Optionen unbedingt aktivieren, um Befehlssyntax im Ausgabefenster zu erhalten

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Erstellen eines Codeplanes (face to face – Interviews) Beispiel aus dem Skriptum Beispiel aus der Praxis (SWISS) Exkurs: Dateneingabe Erstellen einer Datendefinition in SPSS (face to face – Interviews)

Erstellen eines Codeplanes Fragebogennummer je nach Anzahl der vorgesehenen Fragebögen (im Zweifel lieber mehr Stellen) fehlende Stellen vor der eigentlichen Zahl mit Blank oder 0 ergänzen – macht keinen Unterschied und wird von SPSS nicht angezeigt

Erstellen eines Codeplanes Skalenfragen in der Regel nur eine Stelle notwendig für jede Skalenfrage Ausnahmen: mehr als 9 (wenn 10 nicht als 0 eingegeben und anschließend umkodiert wird) bzw. 10 Skalenstufen Ausweichkategorie („Weiß nicht“, ...) mit 99 kodiert (nur sinnvoll, wenn 9 oder mehr Skalenstufen; ansonsten Ausweichkategorie mit 9 kodieren !!!) Beispiel: Wie gut hat Dir der Werbespot gefallen? Bitte sag mir anhand der 5-stufigen Skala von 1="hat mir sehr gut gefallen" bis 5="hat mir überhaupt nicht gefallen", wie gut Dir der Werbespot insgesamt gefallen hat.  hat mir sehr gut gefallen 1 2 3 4 5 hat mir überhaupt nicht gefallen

Erstellen eines Codeplanes offene Fragen (numerisch) je nach Anzahl der erwarteten Antworten (in der Regel sind zwei oder max. drei Stellen erforderlich) parallel werden Listen angelegt (am einfachsten in Word oder Excel): 1 = London 2 = Zürich 3 = Wien 4 = ... Beispiel: Gibt es Elemente, die Dir bei diesem Spot besonders gut gefallen haben? 1. _________________________________________________________ 2. _________________________________________________________ 3. _________________________________________________________

Erstellen eines Codeplanes offene Fragen (string) je nach benötigten Anschlägen/Buchstaben (nicht empfehlenswert, evtl. bei allgemeingültigen Codes, wie bei Länderbezeichnungen oder Flughafencodes: AUT, GER, ...; LHR, VIE, ...) Listen sind trotzdem notwendig zum Nachschlagen, zur einheitlichen Verwendung, zur korrekten Dateneingabe, ... Syntax zum Einlesen der entsprechenden Variable: data list file = "c:\ergebnis1.txt" record = 1/ fn 1-5, q1_1 6, q1_2 7, ... q42 30-32 (a).

Erstellen eines Codeplanes geschlossene Fragen (Entweder/Oder; Ja/Nein) nur eine Stelle notwendig für jede geschlossene Frage Achtung: es können mehrere geschlossene Fragen kombiniert oder verschachtelt werden es gibt ganze Fragebatterien mit dichotomen (Ja/Nein) Antworten  für jede Frage/Antwort eine Stelle vorsehen Beispiel 1: getrennte Fragestellung; jeweils nur eine Antwort möglich  für jede Frage eine Stelle vorsehen Hast Du einen Internetzugang? Ja 1 Nein 2 Und wie häufig nutzt Du das Internet? täglich 1 mehrmals pro Woche 2 mehrmals im Monat 3 seltener 4

Erstellen eines Codeplanes geschlossene Fragen (Entweder/Oder; Ja/Nein) Beispiel 2a: kombinierte Fragestellung; nur eine einzige Antwort möglich Hast Du einen Internetzugang und wenn „Ja“, wie häufig nutzt Du das Internet? Ja, täglich 1 Ja, mehrmals pro Woche 2 Ja mehrmals im Monat 3 Ja, aber selten 4 Nein 5

Erstellen eines Codeplanes geschlossene Fragen (Entweder/Oder; Ja/Nein) Beispiel 2b: kombinierte Fragestellung; zwei Antworten notwendig  Frage teilen und zwei Stellen vorsehen Hast Du einen Internetzugang und wenn „Ja“, wie häufig nutzt Du das Internet? Ja 1 täglich 1 mehrmals pro Woche 2 mehrmals im Monat 3 seltener 4 Nein 2

Erstellen eines Codeplanes geschlossene Fragen (Entweder/Oder; Ja/Nein) Beispiel 3: Fragebatterien mit dichotomen (Ja/Nein) Antworten  für jede Frage eine Stelle vorsehen (nicht eine Frage, sondern 5 x 4 = 20 Fragen) Ich lese Ihnen nun nacheinander eine Reihe von Eigenschaften vor. Bitte sagen Sie mir jeweils, ob diese auf die Marke ... passt oder nicht. A1 One T-Mobile tele.ring sympathisch 1 1 1 1 elitär 1 1 1 1 modern 1 1 1 1 dynamisch 1 1 1 1 erfolgreich 1 1 1 1

Erstellen eines Codeplanes geschlossene Fragen (Mehrfachantworten) für jedes Item/Antwortmöglichkeit ist eine Stelle notwendig jedes Item entspricht einer eigenen Variablen und ist mit Ja oder Nein zu kodieren Beispiel 1:(vgl. Beispiel 3) Ich lese Ihnen nun eine Reihe von Eigenschaften vor. Bitte sagen Sie mir welche von diesen auf die Marke A1 passt. A1 sympathisch 1 elitär 1 modern 1 dynamisch 1 erfolgreich 1

Erstellen eines Codeplanes geschlossene Fragen (Mehrfachantworten) Beispiel 2: Wo bzw. in welchem Zusammenhang ist Dir schon einmal Werbung von SPARK7.COM begegnet? Radio 1 Events 1 Kino 1 Veranstaltungsort 1 Inserate (Tageszeitungen) 1 Inserate (Magazine) 1 Werbebanner (Internet) 1 sonstiges 1

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Anwendung der Datendefinition (face to face - Interviews) direktes Einlesen von Excel-Daten (CATI - Interviews) Exkurs: Befragungsmasken für Telefoninterviews

Einlesen von Daten Befehlssyntax I Auf die meisten SPSS-Befehle können Sie über die Menüs und Dialogfelder zugreifen. Einige Befehle und Optionen sind aber nur in der SPSS-Befehlssprache verfügbar (z.B.: data list). Mit der Befehlssprache verfügen Sie außerdem über die Möglichkeit, Jobs in einer Syntaxdatei zu speichern. Sie können eine Analyse dann zu einem späteren Zeitpunkt wiederholen oder diese automatisch mit dem Produktionsmodus ausführen lassen. Eine Syntaxdatei ist eine einfache Textdatei, die SPSS-Befehle enthält. Es ist möglich, ein Syntaxfenster zu öffnen und Befehle einzugeben, oder mit einer der folgenden Funktionen zu arbeiten: Übernehmen der Befehlssyntax aus Dialogfeldern mit der Schaltfläche "Einfügen„ Kopieren der Syntax aus dem Ausgabe-Log

Einlesen von Daten Befehlssyntax II Beachten Sie beim Bearbeiten und Verfassen einer Befehlssyntax die folgenden Regeln: Jeder Befehl muss in einer neuen Zeile beginnen und mit einem Punkt (.) enden. Die meisten Unterbefehle werden durch Schrägstriche (/) voneinander getrennt. Der Schrägstrich vor dem ersten Unterbefehl ist in der Regel optional. Variablennamen müssen vollständig ausgeschrieben werden. Text in Apostrophen oder Anführungszeichen muss sich in einer Zeile befinden. Zeilen mit Befehlssyntax dürfen nicht länger als 80 Zeichen sein. Zum Kennzeichnen der Dezimalstellen muss der Punkt (.) verwendet werden, auch wenn die regionalen Einstellungen für Windows anders sind. Bei der SPSS-Befehlssyntax wird nicht zwischen Groß- und Kleinschreibung unterschieden. Für viele Befehle können Abkürzungen aus mindestens drei Zeichen verwendet werden. Sie können beliebig viele Zeilen zur Angabe eines einzelnen Befehls verwenden.

Einlesen von Daten Befehlssyntax III An fast jedem Punkt, an dem ein Leerzeichen zulässig ist, können Sie beliebig viele Leerzeilen oder Zeilenumbrüche einfügen, beispielsweise bei Schrägstrichen, runden Klammern, arithmetischen Operatoren oder zwischen Variablennamen. So ist beispielsweise sowohl FREQUENCIES VARIABLES=JOBCAT GENDER /PERCENTILES=25 50 75 /BARCHART als auch freq var=jobcat gender /percent=25 50 75 /bar zulässig. Mit beiden Formen wird das gleiche Ergebnis erzielt.

Einlesen von Daten Data List Befehl Liest die Daten aus einem beliebigen Dateiformat ein und vergibt Variablennamen. DATA LIST [FILE=file] [{FIXED}] [RECORDS={1}] [SKIP={n}] [{TABLE }] {n} {NOTABLE} {FREE } [{("delimiter",“delimiter“,..., TAB)}] {LIST } /{1 } varname {col location [(format)]} [varname ...] {rec #} {(FORTRAN-like format) } [/{2 } ...] [/ ...] {rec #} Beispiel: data list file = "a:\ergebnis_b.txt" record = 1/ fb 1-3, f1 4, f1_1 5, f2 6-7, f3_1 8, f3_2 9, f3_3 10, f4 11, f5 12-13, f6 14 (a). Execute.

Einlesen von Daten Stellenangabe in der Datendatei Data List Befehl Liest die Daten aus einem beliebigen Dateiformat ein und vergibt Variablennamen. DATA LIST [FILE=file] [{FIXED}] [RECORDS={1}] [SKIP={n}] [{TABLE }] {n} {NOTABLE} {FREE } [{("delimiter",“delimiter“,..., TAB)}] {LIST } /{1 } varname {col location [(format)]} [varname ...] {rec #} {(FORTRAN-like format) } [/{2 } ...] [/ ...] {rec #} Beispiel: data list file = "a:\ergebnis_b.txt" record = 1/ fb 1-3, f1 4, f1_1 5, f2 6-7, f3_1 8, f3_2 9, f3_3 10, f4 11, f5 12-13, f6 14 (a). Execute. Stellenangabe in der Datendatei Zahl der Zeilen in der Datendatei Dateiname mit exaktem Pfad (a) ... notwendig um eine Stringvariable zu definieren Variablenname

Einlesen von Daten Data List Befehl + Variable/Value Labels data list file = "a:\ergebnis_b.txt" record = 1/ fb 1-3, f1 4, f1_1 5, f2 6-7, f3_1 8, f3_2 9, f3_3 10, f4 11, f5 12-13, f6 14 (a). variable labels fb "Fragebogennummer“/ f1 „Durchführung". value labels f1 1 "intern" 2 "extern"/ f4 1 "äußerst wichtig" 2 "wichtig" 3 "durchschnittlich" 4 "weniger wichtig" 5 "überhaupt nicht wichtig". Execute.

Einlesen von Daten Fehlermeldungen I: data list file = "c:\ergebnis_a.txt" record = 1/ fb 1-2, f1 3, f2 4, f2_1 5, f2_2 6, f2_3 7, f2_4 8, f3_1 9, f3_2 10, f4 11-12, f5 13, f6 14-15. >Error # 31 in column 18. Text: c:\ergebnis_a.txt >File not found. >This command not executed. Fehlerquelle: falscher Pfad: falsches Laufwerk (a/c/e/....) falsche Dateiextension (doc, xls, ...) falscher Dateiname fehlende Anführungszeichen ...

Einlesen von Daten Fehlermeldungen II: >Warning # 522 >An unexpected end of file has been found in the middle of reading a case. >The partial case will be ignored. Check your input for a possible missing >record. Fehlerquelle: Zahl der definierten Zeilen (records) nicht korrekt

Einlesen von Daten Fehlermeldungen III: data list file = "a:\ergebnis_a.txt" record = 1/ fb 1 2, f1 3, f2 4, f2_1 5, f2_2 6, f2_3 7, f2_4 8, f3_1 9, f3_2 10, f4 11-12, f5 13, f6 14-15. Data List will read 1 records from a:\ergebnis_a.txt Variable Rec Start End Format FB 1 1 1 F1.0 >Error # 4111 in column 6. Text: 2 >Unrecognized text appears on the DATA LIST command where only a slash ('/') >or a variable list was permitted. >This command not executed. Fehlerquelle: fb 1 2 anstatt fb 1-2

Einlesen von Daten Fehlermeldungen IV: >Error # 4143 in column 17. Text: 4 >Column format was used on the DATA LIST command, but the number of columns >specified is not evenly divisible by the number of variables specified. >This command not executed. Fehlerquelle: keine Stelle der definierten Variable zugewiesen Stelle vergessen Abstand zwischen Variablendefinition und Stelle vergessen

Einlesen von Daten Fehlermeldungen V: keine Daten im Datenfenster – nur Variablendefinition Fehlerquelle: execute nicht ausgeführt

Einlesen von Daten Excel Dateien Excel Datei im Format 4.0 abspeichern (bis zur Version 12.0) Wählen Sie die folgenden Befehle aus dem Menü aus: Datei Öffnen Variablennamen können direkt übernommen werden - erste Zeile in Excel Vorsicht, wenn nicht alle Zellen der ersten Zeile ausgefüllt sind  Hilfszeile einfügen zur Variablendefinition (wird entsprechend dem Inhalt der ersten Zelle automatisch von SPSS vorgenommen) Zahlen für numerische Variablen Buchstaben für String-Variablen Zahl der Einträge bestimmt die Breite der Variable  nach dem Einlesen Hilfszeile in SPSS löschen

Einlesen von Daten Definition von Variablen Namen müssen mit einem Buchstaben beginnen. Für die übrigen Zeichen können beliebige Buchstaben oder Ziffern, Punkte sowie die Symbole @, #, und _ verwendet werden. Das letzte Zeichen eines Variablennamens darf kein Punkt sein. Es empfiehlt sich, keine Variablennamen zu verwenden, die mit einem Unterstrich enden. Dadurch vermeiden Sie Konflikte mit Variablen, die von Prozeduren angelegt werden. Die Namen dürfen nicht länger als acht Zeichen sein (bis zur Version 12.0). Leer- und Sonderzeichen, wie beispielsweise !, ?, ’ und *, dürfen nicht verwendet werden. Variablennamen müssen eindeutig sein. Doppelt vorkommende Namen sind nicht zulässig. Bei Variablennamen wird nicht zwischen Groß- und Kleinschreibung unterschieden.

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung Häufigkeiten (frequencies)  Suchen von Fehlern Kreuztabellen (crosstabs)  Kontrolle der Quoten Fälle auswählen (select cases + list)  Korrektur einzelner Fehler Umkodieren von Variablen in dieselbe Variable (recode) z.B.: einzelne Fehler beheben in andere Variable (recode into) z.B.: Skalen umdrehen Berechnen (compute)  Erstellen neuer Variablen

Datenbereinigung Häufigkeiten (frequencies) Die Prozedur "Häufigkeiten" stellt Statistiken und grafische Darstellungen für die Beschreibung vieler Variablentypen zur Verfügung. Für einen ersten Blick auf Ihre Daten ist die Prozedur "Häufigkeiten" ein geeigneter Ausgangspunkt. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Deskriptive Statistiken Häufigkeiten Wählen Sie mindestens eine kategoriale oder quantitative Variable aus. Die folgenden Optionen sind verfügbar: Deskriptive Statistiken für quantitative Variablen erhalten Sie, indem Sie auf Statistik klicken. Balkendiagramme, Kreisdiagramme oder Histogramme erhalten Sie, indem Sie auf Diagramme klicken. Sie können die Reihenfolge der angezeigten Ergebnisse ändern, indem Sie auf Format klicken.

Datenbereinigung Kreuztabellen (crosstabs) Mit der Prozedur "Kreuztabellen" erzeugen Sie Zweifach- und Mehrfach-Tabellen. Es stehen eine Vielzahl von Tests und Zusammenhangsmaßen für Zweifach-Tabellen zur Verfügung. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Deskriptive Statistiken Kreuztabellen Wählen Sie eine oder mehrere Zeilenvariablen und eine oder mehrere Spaltenvariablen aus. Die folgenden Optionen sind verfügbar: Tests und Zusammenhangsmaße der Zweifach-Tabellen oder Untertabellen erhalten, indem Sie auf Statistiken klicken. Informationen zu den beobachteten und erwarteten Häufigkeiten, Prozenten und Residuen erhalten, indem Sie auf Zellen klicken. Die Reihenfolge der Kategorien festlegen, indem Sie auf Format klicken

Datenbereinigung Auffinden von bestimmten Variablen im Datensatz Wählen Sie die folgenden Befehle aus den Menüs aus: Extras Variablen (gewünschte Variable anklicken) Gehe zu Auffinden von bestimmten Werten in einer Variable Bearbeiten Suchen (gewünschten Wert eingeben) Vorwärts suchen

Datenbereinigung Fälle auswählen (select cases) I Im Dialogfeld "Fälle auswählen" stehen Ihnen mehrere Methoden zum Auswählen einer Untergruppe von Fällen zur Verfügung. Diese Methoden basieren auf Kriterien, die unter anderem Variablen und komplexe Ausdrücke zulassen. Sie können auch eine Zufallsstichprobe aus den Fällen auswählen. Die Kriterien zum Festlegen der Untergruppen können folgende Elemente enthalten: Variablenwerte und -bereiche, Datums- und Zeitbereiche, Fallnummern (Zeilennummern), Arithmetische Ausdrücke, Logische Ausdrücke, Funktionen. Wählen Sie die folgenden Befehle aus den Menüs aus: Daten Fälle auswählen

Datenbereinigung Fälle auswählen (select cases) II Fälle, welche die Auswahlkriterien nicht erfüllen, können Sie filtern oder löschen. Gefilterte Fälle verbleiben in der Datendatei, werden aber von der Analyse ausgeschlossen. Mit "Fälle auswählen" wird eine Filtervariable FILTER_$ zum Anzeigen des Filterstatus erstellt. Ausgewählten Fällen wird der Wert 1 zugewiesen, gefilterten Fällen der Wert 0. Gefilterte Fälle werden außerdem im Daten-Editor durch einen Schrägstrich in der Zeilennummer gekennzeichnet. Aktivieren Sie das Optionsfeld Alle Fälle, um den Filter auszuschalten und alle Fälle in die Analyse aufzunehmen. Gelöschte Fälle werden aus der Datendatei entfernt und können nicht wiederhergestellt werden, wenn Sie die Datendatei nach dem Löschen der Fälle speichern.

Datenbereinigung list – Befehl Available only through syntax. Ermöglicht Variablen anzusehen, für die gerade ausgewählten Cases (mittels select cases: siehe Variable FILTER_$). LIST [[VARIABLES=]{ALL** }] {varlist} [/FORMAT=[{WRAP**}] [{UNNUMBERED**}]] {SINGLE} {NUMBERED } [/CASES=[FROM {1**}][TO {eof**}][BY {1**}]] {n } {n } {n } Available only through syntax. Beispiel: List nr kat_beur. (listet die Fragebogennummer und die Werte in der Variable „kat_beur“ auf)

Datenbereinigung Umkodieren von Variablen (in dieselbe Variable) I Die Werte vorhandener Variablen werden erneut zugewiesen oder Bereiche vorhandener Werte in neuen Werten zusammengefasst. So können Sie zum Beispiel Löhne in Kategorien von Lohnbereichen zusammenfassen. Sie können numerische und String-Variablen umkodieren. Wenn Sie mehrere Variablen auswählen, müssen diese vom gleichen Typ sein. Sie können numerische und String-Variablen nicht gemeinsam umkodieren. Wählen Sie die folgenden Befehle aus den Menüs aus: Transformieren Umkodieren In dieselbe Variablen Wählen Sie die Variablen aus, die Sie umkodieren möchten. Wenn Sie mehrere Variablen auswählen, müssen diese vom gleichen Typ (numerische oder String-Variablen) sein. Klicken Sie auf Alte und neue Werte, und geben Sie an, wie die Werte umkodiert werden sollen

Datenbereinigung Umkodieren von Variablen II In diesem Dialogfeld können Sie Werte zum Umkodieren definieren. Alle angegebenen Werte müssen vom gleichen Datentyp (numerisch oder String) wie die im Hauptdialogfeld ausgewählte Variable sein. Alter Wert: Sie können einzelne Werte, Wertebereiche und fehlende Werte umkodieren. Für String-Variablen können keine systemdefinierten fehlenden Werte und Bereiche ausgewählt werden, da keines der beiden Konzepte auf String-Variablen zutrifft. Bei Bereichen sind die Endwerte eingeschlossen. Neuer Wert: Der einzelne Wert, in den jeder alte Wert oder Wertebereich umkodiert wird. Sie können einen Wert eingeben oder den systemdefiniert fehlenden Wert zuweisen. Alt->Neu: Die Liste mit den Festlegungen, die zum Umkodieren von Variablen benötigt werden. Sie können Angaben hinzufügen, ändern und aus der Liste entfernen.

Datenbereinigung Umkodieren von Variablen (in andere Variable) Die Werte vorhandener Variablen werden neu zugewiesen oder Bereiche vorhandener Variablen zu neuen Werten für eine neue Variable zusammengefasst. So können Sie zum Beispiel Löhne zu einer neuen Variablen mit Lohnbereichen zusammenfassen. Sie können numerische und String-Variablen umkodieren. Sie können numerische Variablen in String-Variablen umkodieren und umgekehrt. Wenn Sie mehrere Variablen auswählen, müssen diese vom gleichen Typ sein. Sie können nicht numerische und String-Variablen gemeinsam umkodieren. Wählen Sie die folgenden Befehle aus den Menüs aus: Transformieren Umkodieren In andere Variablen Geben Sie für jede neue Variable einen Namen an, und klicken Sie auf Ändern. Klicken Sie auf Alte und neue Werte, und geben Sie an, wie die Werte umkodiert werden sollen

Datenbereinigung Berechnen von Variablen Mit der Prozedur "Variable berechnen" werden Werte für Variablen auf der Grundlage von numerischen Transformationen anderer Variablen berechnet. Sie können Werte für numerische oder String-Variablen berechnen. Sie können neue Variablen erstellen oder die Werte vorhandener Variablen ersetzen. Bei neuen Variablen können Sie außerdem Variablentyp und -label angeben. Auf der Grundlage von logischen Bedingungen können Sie Werte für ausgewählte Teilmengen von Daten berechnen lassen. Sie können über 70 systemeigene Funktionen verwenden, darunter arithmetische Funktionen, Statistikfunktionen, Verteilungsfunktionen und String-Funktionen. Wählen Sie die folgenden Befehle aus den Menüs aus: Transformieren Berechnen Geben Sie den Namen einer einzelnen Zielvariablen ein. Dies kann eine vorhandene Variable oder eine neue Variable sein, die in die Arbeitsdatei aufgenommen werden soll.

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

deskriptive Datenanalyse Mehrfachantworten (Multiple Response) I Mit der Prozedur "Mehrfachantworten: Sets definieren" können Sie elementare Variablen in Sets aus dichotomen Variablen und Sets aus kategorialen Variablen gruppieren. Sie können bis zu 20 Mehrfachantworten-Sets definieren. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Mehrfachantworten Sets definieren Wählen Sie mindestens zwei Variablen aus. Um ein Set aus dichotomen Variablen zu erstellen, geben Sie für "Gezählter Wert" die betreffende Zahl ein. Sie müssen jedem Mehrfachantworten-Set einen eindeutigen Namen zuweisen, der aus bis zu sieben Zeichen bestehen darf (Klicken Sie anschließend auf Hinzufügen). SPSS stellt dem von Ihnen zugewiesenen Namen automatisch das Dollarzeichen ($) als Präfix voran. Sie können ein Set entfernen bzw. ändern, indem Sie es in der Liste der Mehrfachantworten-Sets markieren und anschließend auf Entfernen bzw. Ändern klicken.

deskriptive Datenanalyse Mehrfachantworten (Multiple Response) II Mit der Prozedur "Mehrfachantworten: Häufigkeiten" erstellen Sie Häufigkeitstabellen für Mehrfachantworten-Sets. Zuvor müssen Sie mindestens ein Mehrfachantworten-Set definieren. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Mehrfachantworten Häufigkeiten

deskriptive Datenanalyse

deskriptive Datenanalyse

deskriptive Datenanalyse Die Zahl der fehlende Fälle kann von jener bei üblicher Berechnung abweichen ausgewähltes Set ($rq) gezählter Wert 1 = „trifft zu“

deskriptive Datenanalyse Mehrfachantworten (Multiple Response) IV In der Standardeinstellung gilt ein Fall in einem Set aus dichotomen Variablen als fehlend, wenn keine der Variablen des Falls den gezählten Wert enthält. Fälle mit fehlenden Werten für nur einige, aber nicht alle der Variablen werden in die Tabellen der Gruppe aufgenommen, wenn mindestens eine Variable den gezählten Wert enthält.

deskriptive Datenanalyse Verändern von SPSS-Printouts: vertikale Darstellung von (Mittel-)Werten Praktisch für das direkte Kopieren der (Mittel-)Werte in ein Grafikprogramm (z.B.: zur Erstellung von Imageprofilen, ...) Doppelklicken auf die entsprechende Statistik-Tabelle im Ausgabefenster Wählen Sie die folgenden Befehle aus den Menüs aus: Pivot Zeilen und Spalten vertauschen

deskriptive Datenanalyse Berechnen von mehreren Mittelwerten Praktisch für das direkte Kopieren der (Mittel-)Werte in ein Grafikprogramm (z.B.: zur Erstellung von Imageprofilen, ...). Folgenge Optionen sind möglich: Deskriptive Statistik Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Deskriptive Statistiken Deskriptive Statistiken Einfache Tabellen Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Tabellen Einfache Tabellen (Statistik  Mittelwert, Format anpassen)

deskriptive Datenanalyse Datei aufteilen: Mit "Datei aufteilen" im Menüpunkt Daten wird die Datendatei in separate Gruppen für die Analyse aufgeteilt, und zwar nach dem Wert einer oder mehrerer Gruppenvariablen. Wenn Sie mehrere Gruppenvariablen auswählen, werden die Fälle nach jeder Variablen innerhalb von Kategorien der vorhergehenden Variablen in der Liste "Gruppen basierend auf" geordnet. Achtung: Fälle in der Datei werden umsortiert! Beispiel: GESCHL als erste Sortiervariable auswählen und MINDER als zweite, wird beim Sortieren innerhalb der Geschlechtskategorien nach Minderheit sortiert. Gruppen vergleichen: Die Gruppen der aufgeteilten Datei werden zu Vergleichszwecken zusammen angezeigt. Bei Pivot-Tabellen wird eine einzelne Pivot-Tabelle angelegt. Ausgabe nach Gruppen aufteilen: Die Ergebnisse jeder Prozedur werden für jede Gruppe einer aufgeteilten Datei separat angezeigt.

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

Mittelwertvergleiche (T-Test) Varianten: T-Test bei einer Stichprobe: Die Prozedur "T-Test bei einer Stichprobe" prüft, ob der Mittelwert einer einzelnen Variablen von einer angegebenen Konstanten abweicht. Beispiel: Ein Forscher könnte testen, ob der durchschnittliche IQ-Wert einer Gruppe von Studenten von 100 abweicht. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Mittelwerte vergleichen T-Test bei einer Stichprobe Wählen Sie eine oder mehrere Variablen aus, die mit demselben angenommenen Wert verglichen werden sollen. Geben Sie einen numerischen Testwert ein, mit dem jeder Stichprobenmittelwert verglichen werden soll.

Mittelwertvergleiche (T-Test) Varianten: T-Test bei unabhängigen Stichproben (independent samples): I Im T-Test bei unabhängigen Stichproben werden die Mittelwerte von zwei unabhängigen Fallgruppen verglichen. Im Idealfall sollten die Subjekte (AP) bei diesem Test zufällig einer der zwei Gruppen zugeordnet werden, so dass Unterschiede bei den Antworten durch keine sonstigen Faktoren beeinflusst werden. Beispiel: Werbewirkungsmessung bei zwei Anzeigensujets. In der Praxis ist dies oft nicht der Fall, wenn Sie z.B. die Durchschnittseinkommen von Männern und Frauen vergleichen. Die jeweiligen Personen sind nicht zufällig auf die Gruppen verteilt. Daher müssen Sie sicherstellen, dass signifikante Differenzen der Mittelwerte nicht durch anderen Faktoren verborgen oder verstärkt werden. Unterschiede im Durchschnittseinkommen können z.B. durch den Bildungsstand beeinflusst werden.

Mittelwertvergleiche (T-Test) Varianten: T-Test bei unabhängigen Stichproben (independent samples): II Im T-Test bei unabhängigen Stichproben werden die Mittelwerte von zwei unabhängigen Fallgruppen verglichen. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Mittelwerte vergleichen T-Test bei unabhängigen Stichproben Wählen Sie mindestens eine quantitative Testvariable (deren Mittelwertunterschiede auf Signifikanz geprüft werden sollen). Für jede Variable wird ein separater T-Test berechnet. Wählen Sie eine einzelne Gruppenvariable aus (anhand der die Stichprobe in unabhängige Subsamples geteilt wird; z.B.: sex ), und klicken Sie auf Gruppen def., um zwei Codes für die zu vergleichenden Gruppen anzugeben (z.B.: männlich = 1, weiblich = 2).

Mittelwertvergleiche (T-Test) Varianten: T-Test bei unabhängigen Stichproben (independent samples): III Im T-Test bei unabhängigen Stichproben werden die Mittelwerte von zwei unabhängigen Fallgruppen verglichen. Interpretation der SPSS-Printouts: Mittelwertvergleich: Fühlen sich Frauen signifikant stärker als Europäer?

Mittelwertvergleiche (T-Test) Varianten: T-Test bei unabhängigen Stichproben (independent samples): III Im T-Test bei unabhängigen Stichproben werden die Mittelwerte von zwei unabhängigen Fallgruppen verglichen. Interpretation der SPSS-Printouts: Kontrolle des Levene-Tests: Dieser überprüft die die Gleichheit der Varianzen in den beiden Gruppen (Frauen vs. Männer). Nullhypothese ist wie immer, dass sich die beiden Gruppen (bzgl. ihrer Varianzen) nicht unterscheiden. Die Nullhypothese darf nur verworfen werden, wenn sich beim Test ein signifikantes Resultat ergibt: ≤ 0,01 hoch signifikant ≤ 0,05 signifikant ≤ 0,1 tendenziell Je nachdem, welches Ergebnis der Levene-Test ergibt, wird entweder der T-Test für homogene Varianzen oder für inhomogene Varianzen herangezogen. Es gilt wiederum, dass die Nullhypothese nur verworfen werden darf, wenn sich beim Test ein signifikantes Resultat ergibt.

Mittelwertvergleiche (T-Test) Varianten: T-Test bei unabhängigen Stichproben (independent samples): IV p-Wert des Levene-Test

Mittelwertvergleiche (T-Test) Varianten: T-Test bei unabhängigen Stichproben (independent samples): IV p-Wert des Levene-Test

Mittelwertvergleiche (T-Test) Varianten: T-Test bei unabhängigen Stichproben (independent samples): IV p-Wert des Levene-Test p-Wert des T-Test

Mittelwertvergleiche (T-Test) Varianten: T-Test bei gepaarten Stichproben (paired samples): I Mit der Prozedur "T-Test bei gepaarten Stichproben" werden die Mittelwerte zweier Variablen für eine einzelne Gruppe verglichen. Bei diesem Test werden für jeden Fall die Differenzen zwischen den Werten der zwei Variablen berechnet und überprüft, ob der Durchschnitt von 0 abweicht. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Mittelwerte vergleichen T-Test bei gepaarten Stichproben Wählen Sie wie folgt ein Variablenpaar aus: Klicken Sie auf beide Variablen. Die erste Variable wird im Gruppenfeld "Aktuelle Auswahl" als VARIABLE 1, die zweite als VARIABLE 2 angezeigt. Nachdem Sie ein Variablenpaar ausgewählt haben, klicken Sie auf die Pfeilschaltfläche, um das Paar in die Liste "Gepaarte Variablen" zu verschieben. Sie können mehrere Variablenpaare auswählen.

Mittelwertvergleiche (T-Test) Varianten: T-Test bei gepaarten Stichproben (paired samples): II Mit der Prozedur "T-Test bei gepaarten Stichproben" werden die Mittelwerte zweier Variablen für eine einzelne Gruppe verglichen. Bei diesem Test werden für jeden Fall die Differenzen zwischen den Werten der zwei Variablen berechnet und überprüft, ob der Durchschnitt von 0 abweicht. Interpretation der SPSS-Printouts: Mittelwertvergleich: Zahlt es sich bei Haushaltsgeräten signifikant stärker aus, Geld auszugeben?

Mittelwertvergleiche (T-Test) positive Korrelation (max. Wert = 1): Antworten positiv gekoppelt (z.B.: es zahlt sich sowohl bei HH-Geräten als auch bei TV-Geräten aus mehr Geld auszugeben) negative Korrelation (max. Wert = -1): Antworten negativ gekoppelt (z.B.: es zahlt sich zwar bei HH-Geräten aus, aber nicht bei TV-Geräten mehr Geld auszugeben) Korrelation = 0 es gibt keinen linearen Zusammenhang zwischen den beiden Variablen Varianten: T-Test bei gepaarten Stichproben (paired samples): III Mit der Prozedur "T-Test bei gepaarten Stichproben" werden die Mittelwerte zweier Variablen für eine einzelne Gruppe verglichen. Bei diesem Test werden für jeden Fall die Differenzen zwischen den Werten der zwei Variablen berechnet und überprüft, ob der Durchschnitt von 0 abweicht. Interpretation der SPSS-Printouts:

Mittelwertvergleiche (T-Test) Varianten: T-Test bei gepaarten Stichproben (paired samples): IV p-Wert des T-Test

Mittelwertvergleiche (T-Test) Varianten: T-Test bei einer Stichprobe: T-Test bei unabhängigen Stichproben (independent samples): T-Test bei gepaarten Stichproben (paired samples): x y

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Für Tabellen mit zwei Zeilen und zwei Spalten wählen Sie Chi-Quadrat aus, um folgende Tests zu berechnen: Pearson-Chi-Quadrat Likelihood-Quotienten-Chi-Quadrat exakten Test nach Fisher (nur bei 2x2 und erwartete Häufigkeit < 5) korrigierte Chi-Quadrat nach Yates (Kontinuitätskorrektur) Für Tabellen mit einer beliebigen Anzahl von Zeilen und Spalten wählen Sie Chi-Quadrat aus, um folgende Tests zu berechnen: Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Deskriptive Statistiken Kreuztabellen Statistiken Chi-Quadrat

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Interpretation: wenn Signifikanz > 0,05 H0: Es gibt keinen Zusammenhang zwischen den beiden Variablen (z.B.: Einschätzung der Erhöhung der Markenvielfalt durch den EU-Beitritt und dem Wohnsitz) wenn Signifikanz ≤ 0,05 H1: Es gibt einen Zusammenhang zwischen den beiden Variablen (z.B.: Einschätzung der Erhöhung der Markenvielfalt durch den EU-Beitritt und dem Wohnsitz)

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Beispiel 1: Markenvielfalt und Wohnsitz ohne Missings (siehe Skriptum S. 34 bzw. uebungsdaten.sav; Achtung bei eubrand wird 3=„weiß nicht“ nicht als Missing behandelt)

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test)

Berechnung der erwarteten Häufigkeiten Erwartete Häufigkeit: E = Zeilensumme * Spaltensumme / N Frauen Männer Raucher 50 Nichtraucher 50 50 50 100

Berechnung der erwarteten Häufigkeiten Erwartete Häufigkeit: E = Zeilensumme * Spaltensumme / N Frauen Männer Raucher 50 Nichtraucher 50 50 50 100 rauchende Frauen = 50 * 50 / 100 = 25

Berechnung der erwarteten Häufigkeiten Erwartete Häufigkeit: E = Zeilensumme * Spaltensumme / N Frauen Männer Raucher 50 Nichtraucher 50 50 50 100 Raucher 25 25 50 Nichtraucher 25 25 50

Berechnung des Chi2-Werts Vergleich der erwarteten mit den beobachteten Häufigkeiten (über alle Felder r x k Felder):

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) p-Wert > 0,05  nicht signifikant

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) p-Wert > 0,05  nicht signifikant unbedingt die einzelnen Zellenbelegung beachten Achtung: Zellen mit einer Häufigkeit kleiner als 5 dürfen nicht interpretiert werden!

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Beispiel 2: Markenvielfalt und Wohnsitz mit Missings

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test)

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) p-Wert > 0,05  tendenziell p-Wert > 0,05  tendenziell signifikant

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) p-Wert < 0,05  signifikant (1-seitig)

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Chi2-Test: siehe auch Anhang des Skriptums (Auszug aus Bortz 1977) zweiseitige Hypothesen: es gibt einen (positiven oder negativen) Zusammenhang H1: Es gibt einen Zusammenhang zwischen den beiden Variablen (z.B.: Einschätzung der Erhöhung der Markenvielfalt durch den EU-Beitritt und dem Wohnsitz) einseitige Hypothesen: es gibt einen positiven Zusammenhang H1: Die Variable X hat einen positiven Zusammenhang mit der Variablen Y (z.B.: Die positive Einschätzung der Markenvielfalt hängt ab vom städtischen Wohnsitz) Einseitige Hypothesen (präzise vorhergesagte Untersuchungsbefunde) können aufgrund geringerer Differenzen bestätigt werden als zweiseitige Hypothesen (weniger präzise Untersuchungsbefunde). Gilt auch für den T-Test: Sig. 1-seitig = Sig. 2-seitig / 2

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test)

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) p-Wert < 0,05 signifikanter Zusammenhang Achtung: Vergleich zwischen tatsächlicher Anzahl und erwarteter Anzahl ist ausschlaggebend nicht der Vergleich der tatsächlichen Anzahl in den beiden Gruppen!

Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Chi2-Test (Bsp. 2):

signifikanter Zusammenhang Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Chi2-Test (Bsp. 2): p-Wert < 0,05 signifikanter Zusammenhang (Städter kaufen weniger oft Autos als Bewohner von ländlichen Gebieten, machen sich jedoch mehr Gedanken bzw. keines von beiden „weder noch“ als diese.) Achtung: Vergleich zwischen tatsächlicher Anzahl und erwarteter Anzahl ist ausschlaggebend nicht der Vergleich der tatsächlichen Anzahl in den beiden Gruppen!

Inhalte der Lehrveranstaltung SPSS allgemeine Einführung in SPSS Datendefinition Einlesen von Daten Datenbereinigung deskriptive Datenanalyse Mittelwertvergleiche (T-Test) Zusammenhang zweier nominalskalierter Variablen (Chi2-Test) Mittelwertvergleiche (Varianzanalyse) Auswertung der Daten aus der Marktforschungsübung

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: Mit der Prozedur "GLM - Univariat" können Sie Varianzanalysen für eine abhängige Variable mit einem oder mehreren Faktoren und/oder Variablen durchführen. Die Faktorvariablen unterteilen die Grundgesamtheit in Gruppen. Sie können die Wechselwirkungen zwischen Faktoren und die Effekte einzelner Faktoren untersuchen, von denen einige zufällig sein können. Beispiel: Daten von Marathonläufern - die abhängige Variable ist die Zeit, die jeder Läufer für die Strecke benötigt. Andere berücksichtigte Faktoren sind beispielsweise das Wetter (kalt, angenehm oder heiß), die Anzahl der bereits absolvierten Marathons und das Geschlecht. Ein mögliches Ergebnis wäre, dass das Geschlecht ein signifikanter Effekt und die Wechselwirkung von Geschlecht und Wetter signifikant ist. Wählen Sie die folgenden Befehle aus den Menüs aus: Analysieren Allgemeines lineares Modell Univariat

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: abhängige Variable wählen (z.B.: Mineralwasser wichtige Entscheidung) feste Faktoren wählen (z.B.: Ausbildung, Wohnsitz) Optionen  deskriptive Statistik (fakultativ)  Homogenitätstest Diagramme (fakultativ)  jeden Faktor einzeln (jeweils als horizontale Achse wählen und hinzufügen)  beide in einem Chart (erste Variable als horizontale Achse und die zweite Variable als separate Linie; anschließend hinzufügen) Post Hoc  Scheffé Test (wenn ein Faktor mehr als zwei Kategorien besitzt – um herauszufinden welche Kategorien sich signifikant unterscheiden; z.B.: Bildung)

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests:

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: tlw. sehr kleine Subsamples  evtl. Probleme bei der Homogenität der Varianzen oder Normalverteilung der abhängigen Variablen in allen Gruppen

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests:

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: Für Personen ohne Matura ist die Entscheidung wichtiger Für Personen am Land ist die Entscheidung wichtiger

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: Wohnsitzeffekt ist bei Volksschülern stärker

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: p-Wert > 0,05  nicht signifikant  Varianzen sind homogen (wichtig, da die Varianzhomogenität eine Prämisse für die Verwendung der Varianzanalyse ist – ansonsten unbedingt die Normalverteilung prüfen!)

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests:

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: p-Wert < 0,05  (hoch) signifikanter Effekt

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: p-Wert > 0,05  kein signifikanter Effekt

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: p-Wert > 0,05  kein signifikanter Effekt

Mittelwertvergleiche (Varianzanalyse) Varianzanalyse – Verallgemeinerung des T-Tests: p-Wert < 0,05  signifikanter Unterschied