Grafische Darstellung von Gruppenunterschieden.

Präsentation zum Thema: "Grafische Darstellung von Gruppenunterschieden."—  Präsentation transkript:

1 Grafische Darstellung von Gruppenunterschieden

2

3

4

5

6 Kodierung von Variablen

7 Rechnerische Transformation notwendig wenn  Normalverteilung für eine Variable nicht gegeben ist Logarithmus (Achtung: für negative Werte und 0-Werte gibt es keinen Logarithmus; eine Mgl. ist die Umwandlung in positive Wert durch Addition mit dem höchsten negativen Wert+1) Dichotomisierung bzw. Zusammenfassen von Extremwerten  Zusammenfassung mehrer Variablen Z.B. Aufsummieren verschiedener Variablen (Achtung: sollten auf der selben Skala gemessen sein; evtl. anschliessend Division durch Anzahl der Variablen um ursprüngliches Skalenniveau zu erhalten-> ermöglicht Vergleichbarkeit)

8 Rechnerische Transformation  Summenbildung, Logarithmus...

9 Es wird eine neue Variable am Ende des Datensatzes eingefügt. Diese Variable gibt den Log. von V1 an. Anschliessend muss man wieder prüfen, ob die neue Variable normal- verteilt ist. Wird oft z.B. bei Gehalts- variablen verwendet

10 Re-Kodierung von Variablen  Wenn Normalverteilung nicht gegeben ist Dichotomisierung bzw. Zusammenfassung von Kategorien Z.B. Splittung der Variable in „hohes“ und „geringes“ Ausmass (z.B. v23o in „0“ = unter 1500 SFR, „1“ mehr als 1501pro Monat) Oder Splittung von Nominalvariablen in Dummys (z.B. v23e in Uni_Zürich: 1= Uni Zürich, 0= andere Uni; ETH: 1= ETH, 0= andere Uni …)

11 Dichotomisierung …

12

13 Neue Variable gibt an. ob jemand geringes bis mittlere (=0) oder hohes Wissen (=1) über Kapitalmärkte besitzt

14 Faktoranalyse

15 Faktoranalysen  Suchen nach einer inhaltlichen Struktur, um Items in Konstrukten zusammenzufassen  Nutzt hierfür das Antwortverhalten von Personen Zu Grunde liegende Überlegung: wenn Leute sich ähnlich verhalten (d.h. antworten), messen Items etwas Ähnliches  Vorteil dieser inhaltlichen Zusammenfassung Ist „objektiver“ als eine inhaltliche Zusammenfassung durch den Forscher  Achtung: Alle Variablen müssen (quasi-)metrisch bzw. dichotom sein; sollten auf einer ähnlichen Skala gemessen sein (Quasi-)metrische Variablen müssen normalverteilt sein

16 Prüfen auf Normalverteilung v16a-n Sind annähernd normalverteilt

17

18

19 .30

20 Die 14 Variablen können in 4 hypothetischen Variablen abgebildet werden. Diese 4 neuen Variablen erklären 48.3% der Gesamt- varianz der ursprünglichen 14 Variablen

21 4 Faktoren sind allerdings nicht trennscharf

22 Begrenzung auf 3 Faktoren (unter Faktoranalyse-> Option: Extraktion) Immer noch nicht sehr trennscharf

23 Aussagehalt der Faktoranalyse Risiko- bereitschaft Veränderungs- bereitschaft Nervenkitzel/ Verbote brechen Fun/Grenzen testen Ursprüngliche ItemsInhaltliche Dimensionen (Faktoren)

24 Reliablitätsanalysen

25 Reliabilitätsanalysen  Testet, ob die Items eines Faktors tatsächlich inhaltlich ein Konstrukt messen  Nutzt wiederum das Antwortverhalten von Personen  Achtung: Alle Variablen müssen (quasi-)metrisch bzw. dichotom sein; sollten auf einer ähnlichen Skala gemessen sein (Quasi-)metrische Variablen müssen normalverteilt sein Alle Items müssen in die gleiche Richtung messen (also negativ formulierte Items sind vorher zu Re-Codieren; Bsp. „Im Restaurant esse ich immer das selbe“ (misst die Risikoaversion und nicht die –freude)

26

27

28  Bis 0.6 akzeptabler Wert Die Werte sollten kleiner sein als das Alpha der gesamten Skala. Ansonsten das Item aus der Skala nehmen, da es die Skala nicht verbessert sondern verschlechter.

29 Bitte berechnet das Alpha für Items der anderen Faktoren Risikobereitschaft Veränderungs- bereitschaft Nervenkitzel/ Verbote brechen Fun/Grenzen testen α=0.614

30 Faktoren bilden  Geht unter Transformation-> berechnen und bildet die 3 Faktoren als neue Variablen  Hierfür gebt ihr dem Faktor einen Namen, z.B. Fun und addiert alle Items, die zu diesem Faktor gehören auf und dividiert anschliessen durch die Anzahl der Items Z.B. Fun = (v16i+v16g+v16b+v16h+v16l)/5

31 Korrelationen  Gehören zu deskriptiven Statistik  Liegen jeder Regression … zu Grunde  Messen den bivariaten Zusammenhang zwischen zwei Variablen  Auch für Pearson-Korrelationen (die verwenden wir am häufigsten) ist die Normalverteilung wichtig

32

33 Aufgaben  Bitte berechnet die Korrelationen zwischen den drei Dimensionen der Risikofreude risko_fun risko_verbote risko_veraender  Stellt eine dieser Korrelationen anschliessend in einem Streudiagramm dar (im Menü unter Diagramme-> Streu- und Punktediagramm -> einfaches Streudiagramm)