1 SPSS Praktikum am 16.01 - TU Dresden · PDF fileIntervall Gleichheit Ränge Abstand 1. Gleichheit und Ungleichheit 2. Rangfolge 3. Gleichheit des Verhältnisses von Differenzen Verhältnis

Einführung in die Datenanalyse mit SPSS

Seite: 1

1 SPSS Praktikum am 16.01.2007 Beispiel: Merkmalsträger = die befragte Person Alter in Jahren Geschlecht: 1 = weiblich 2 = männlich Wohnort: 1 = Leipzig 2 = Hannover 3 = Bad Schandau … Parteipräferenz: 1 = SPD 2 = CDU 3 = FDP Person Alter Geschlecht Wohnort Parteipräferenz 1 23 weiblich Leipzig SPD 2 26 männlich Hannover CDU 3 männlich Bad Schandau FDP 4 35 weiblich Hannover SPD


Seite: 2

1.1 Grundsätzliche Struktur der Datenmenge Datenmengen müssen für die Bearbeitung mit Statistikprogrammen in Form einer rechteckigen Datenmatrix aufgebaut sein. Im Regelfall stellen die Spalten die Variablen dar und Zeilen repräsentieren die einzelnen Fälle (Personen, Objekte, Spells).

1.1.1 Nach der Messung ID Var1 Var2 Var3 Var4 1 23 1 1 1 2 26 2 2 2 3 -1 2 3 3 4 35 1 2 1


Seite: 3

2 Variablenklassifikation

2.1 Nominalniveau • Es kann nur verglichen werden, ob Werte dieser Variable

übereinstimmen oder nicht. • Die Zuweisung von numerischen Werten erfolgt willkürlich. • Es ist das niedrigste Skalenniveau mit den wenigsten

Analysemöglichkeiten. • Alle Beobachtungen müssen eindeutig einer Klasse zugeordnet werden

(und nur einer) Die Zuordnung erfolgt nach folgenden Kriterien:

1. Was ist das Gemeinsame aller Elemente einer Klasse? 2. Worin unterschieden sich die Klassen voneinander?

2.2 Ordinalniveau • Hier kann bereits zwischen größer und kleiner unterschieden werden. • Ein sinnvolles Ordnen der Beobachtungen ist möglich. • Man kann die Messwerte der Variablen mittels <, = oder > in Beziehung

setzen • Zahlencharakter von Ordinalskalen: Rangplätze , Folge der Rangplätze

ergibt Rangreihe

2.3 Intervallniveau • Die Werte der Skala können in größer oder kleiner eingeteilt werden

aber zusätzlich ist die Differenz aussagekräftig. • Differenzen (Intervalle) zwischen zwei beliebigen aufeinander folgenden

Werten der Skala sind immer gleich groß. Wenn A, B, C, D vier aufeinander folgende Skalenwerte sind gilt: B-A = D-C.

2.4 Verhältnisniveau • Zusätzlich existiert bei dieser Skala ein Nullpunkt. • Allerdings wird dieses Skalenniveau bei sozialwissenschaftlichen

Fragestellungen selten vorausgesetzt. Es gibt kaum statistische Verfahren, die dieses Skalenniveau voraussetzen.


Seite: 4

Welches Skalenniveau besitzen die folgenden Variablen:

• Staatsangehörigkeit • Telefonnummer • Intelligenzquotient • Schulabschluss • Einkommen (Abgefragt in einer Liste mit 0 bis unter 500 Euro, 500 Euro

bis unter 1000 Euro, 1000 Euro bis unter 2000 Euro, 2000 Euro bis unter 3000 Euro, 3000 Euro und mehr)

• Geschlecht • Alter • Hobbys • Krankenkasse • Schuhgröße • Politische Einstellung (1 = „links“ bis 10 = „rechts“) • Berufliche Zufriedenheit ( 1 = „sehr zufrieden“ bis 5 = „überhaupt nicht

zufrieden“)


Seite: 5

Skalenniveau Feste Eigenschaften

Mögliche empirische Aussagen

Nominal Gleichheit 1. Gleichheit und Ungleichheit

Ordinal Gleichheit Ränge

1. Gleichheit und Ungleichheit 2. Rangfolge

Intervall Gleichheit Ränge Abstand

1. Gleichheit und Ungleichheit 2. Rangfolge 3. Gleichheit des Verhältnisses von Differenzen

Verhältnis

Gleichheit Ränge Abstand Nullpunkt

1. Gleichheit und Ungleichheit 2. Rangfolge 3. Gleichheit des Verhältnisses von Differenzen 4. Vergleich von Quotienten

! Skalen sind nur abwärts transformierbar! ! Es gibt kaum statistische Verfahren, die eine Verhältnisskala voraussetzen!


2.4.1 Lokalisationsparameter (Lagemaße) Lagemaße = Maße der zentralen Tendenz

• stehen für den typischen Wert einer Verteilung • man versucht die Verteilung in einem Merkmal/ einer Variable durch

diese Maßzahl zu charakterisieren a) Modus Der Modus ist der am häufigsten vorkommende Wert einer Verteilung.

• Kann mehrere Modi geben (in mehrgipfligen Verteilungen) • geringer Informationsgehalt • nicht sinnvoll, falls es sehr viele Ausprägungen gibt und die Häufigkeiten

klein sind und wenn viele andere Werte fast gleich häufig vorkommen b) Median Der Median kennzeichnet den Wert der Verteilung, bis zum dem 50 % aller Beobachtungen vorliegen. Berechnung: Zuerst müssen alle Werte der Größe nach sortiert werden. Anschließend wird der Wert in der Mitte aller Beobachtungen abgezählt. bei einer geraden Anzahl von Fällen ist der Median das arithmetische Mittel der beiden "mittleren" Fälle.

bei ungerader Fallzahl : 2

1~

+= nxx

bei gerader Fallzahl: ~xx xn n

=+ +

22

2

2

Eigenschaften: • Gegenüber Extremwerte (Ausreißern) ist der Median robust • Kann ab Ordinalniveau verwendet werden.

c) Mittelwert Das arithmetische Mittel ist der Durchschnitt aller Fälle. Die Summe aller Abweichungen vom arithmetischen Mittel ist gleich Null Jeder Wert geht in die Verteilung ein.

∑=

=n

iix

nx

1

1

Seite: 6


Seite: 7

Welche Lagemaße sind für nominalskalierte Daten nicht sinnvoll?


Skalenniveau Darstellung der Häufigkeiten Nominal Modus Ordinal Modus

Median Intervall & Modus

Median Verhältnis

Mittelwert

Seite: 8


2.4.2 Dispersionsparameter (Streuungsmaße) a) Variationsbreite (Spannweite) Abstand zwischen dem kleinsten und dem größten erfassten Wert der Verteilung R x x= −max min b) Varianz durchschnittliche quadrierte Abweichung aller Werte vom arithmetischen Mittel

sn

x xii

n2 2

1

11

=−

−=∑ ( )

c) Standardabweichung Wurzel aus der Varianz s X= var Vorteil der Standardabweichung, besitzt die Einheit der erhobenen Variable

Seite: 9


Seite: 10

Welches Streuungsmaße sind für metrisch skalierte Daten sinnvoll?


Skalenniveau Darstellung Nominal & Ordinal Häufigkeitsverteilung Intervall & Spannweite

Varianz Verhältnis

Standardabweichung

Seite: 11


Seite: 12

3 SPSS Einführung

3.1 Benutzeroberfläche (S. 27) • „Windows“-nah • Fensterorientiert (mehrere Fenster gleichzeitig möglich) • Menüführung

3.2 Die zentralen Fenster • Daten-Editor (*.sav) • SPSS-Viewer (*.spo) • Syntax-Editor (*.sps)

3.3 Eigene Datei anlegen

Einkommen Bildung Alter Geschlecht 48000 12 54 männlich … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … 21000 12 38 weiblich

Lösung mit der SPSS Syntax im Syntax-Editor: data list list /Einkommen (F8) Bildung (f2) Alter (f2) Geschlecht (A15). begin data. 48000 12 54 männlich 26000 12 28 weiblich 26000 7 56 weiblich 48000 14 47 männlich 13000 14 23 weiblich


Seite: 13

34000 12 60 weiblich 18000 11 36 weiblich 24000 16 34 männlich 81000 16 61 männlich 21000 12 38 weiblich end data.

3.4 Datei speichern unter Speichern Sie die Datei auf der Festplatte.

Menü: Daten Speichern unter

3.5 Erster Start Öffnen der Datei : data.sav

Menü: Daten Öffnen Daten


Seite: 14

4 Datenselektion Auswahl von spezifischen Subgruppen über eine Filterfunktion

Menü Daten Fälle auswählen

1. Berechnen Sie das durchschnittliche Alter. 2. Filtern Sie nach dem Schultypus B und berechnen Sie das

durchschnittliche Alter. 3. Vergleichen Sie beide Werte.

5 Aufteilen der Datei in Subgruppen Vergleich von spezifischen Subgruppen über eine Filterfunktion

Menü Daten Datei aufteilen

1. Filter entfernen. 2. Teilen Sie die Datei in Subgruppen nach Schultyp auf. 3. Berechnen Sie das durchschnittliche Alter.


Seite: 15

6 Datentransformation

6.1 Umkodieren ! Das Umkodieren sollte immer in eine neue Variable erfolgen!

Menü Transformieren Umkodieren

1. Erzeugen Sie eine Variable schule_n, die ein 5 enthält, wenn der

Schultyp =A ist, eine 11 für den Schultyp B und eine –99 für den Schultyp C.

2. Überprüfen Sie die Korrektheit der Transformationen.


Seite: 16

6.2 Berechnung neuer Variablen ! Überprüfen Sie jede neu erstellte Variable!

Menü Transformieren Berechnen

1. Erzeugen Sie eine neue Variable mit dem Namen notedeutsch, die der Ursprungsvariable deutsch entspricht (a Copy und Paste, b) Transformieren Berechnen c) Compute).

2. Berechnen Sie die Mittelwerte der Englisch- Deutsch- und

Mathematiknote einzeln (über frequencies). 3. Berechnen Sie den Notendurchschnitt nur für den Schultyp B über

die 3 Fächer zusammen und speichern Sie das Ergebnis in einer neuen Variabe mit dem Namen noten_d ( Falls).

6.3 Umkodieren von String nach numerisch

Menü Transformieren Automatisch Umkodieren

1. Transformieren Sie die momentane Stringvariable Geschlecht in

eine numerische Variable. 2. Überprüfen Sie die Transformation.


Seite: 17

6.4 Umkodieren von numerisch nach kategorial

Menü Transformieren Bereichseinteiler

3. Transformieren Sie die die Variable iq in eine neue Variable iq_gr

mit vier ähnlich großen Gruppen. 4. Überprüfen Sie die Transformation.


Seite: 18

7 Praxis

1. Was ist die durchschnittliche Mathematiknote für Mädchen mit einem überdurchschnittlichen IQ?

2. Sind die in diesem Datensatz enthaltenen Jungen oder die Mädchen im Durchschnitt älter?

3. Welcher Schultyp ist am häufigsten enthalten und wie sind die Durchschnittsnoten im Fach Englisch pro Schultyp?

4. Wie groß sind die Gruppen, wenn Sie die Variable iq in 6 Gruppen aufteilen?


Seite: 19

Lösung mit dem Syntax-Editor: 1. Aufgabe freq iq. * 114,8. USE ALL. COMPUTE filter_$=(geschl='w' and iq >114). VARIABLE LABEL filter_$ "geschl='w' (FILTER)". VALUE LABELS filter_$ 0 'Nicht ausgewählt' 1 'Ausgewählt'. FORMAT filter_$ (f1.0). FILTER BY filter_$. EXECUTE . FREQUENCIES VARIABLES=mathe /STATISTICS=MEAN /ORDER= ANALYSIS . 2. Aufgabe SPLIT FILE OFF. SORT CASES BY geschl . SPLIT FILE LAYERED BY geschl . FREQUENCIES VARIABLES=alter /STATISTICS=MEAN /ORDER= ANALYSIS . 3. Aufgabe FREQUENCIES VARIABLES=schultyp /ORDER= ANALYSIS . SORT CASES BY schultyp . SPLIT FILE SEPARATE BY schultyp . FREQUENCIES VARIABLES=englisch /FORMAT=NOTABLE /STATISTICS=MEAN /ORDER= ANALYSIS .


Seite: 20

SPLIT FILE OFF. 4. Aufgabe *Visual Bander. *iq. RECODE iq ( MISSING = COPY ) ( LO THRU 102 =1 ) ( LO THRU 108 =2 ) ( LO THRU 114 =3 ) ( LO THRU 120 =4 ) ( LO THRU 130 =5 ) ( LO THRU HI = 6 ) ( ELSE = SYSMIS ) INTO iqtest. VARIABLE LABELS iqtest 'Intelligenzquotient (In Bereiche eingeteilt)'. FORMAT iqtest (F5.0). VALUE LABELS iqtest 1 '' 2 '' 3 '' 4 '' 5 '' 6 ''. MISSING VALUES iqtest ( ). VARIABLE LEVEL iqtest ( ORDINAL ). EXECUTE. FREQUENCIES


Seite: 21

8 Syntax-Editor

8.1 Vorteile • Konservierung und späteres Nachvollziehen

Button: Einfügen

Befehlssyntax wird in den aktiven Syntax-Editor eingefügt. Ist keiner geöffnet, wird eine neue Datei geöffnet.

• bestimmte Optionen stehen nur über die Syntax zur Verfügung (z.B. Do Repeat Befehle) • Schnelles Editieren von Befehlen

8.2 Öffnen

Menü: Datei Neu Syntax

8.3 Speichern

Menü: Datei Speichern unter


Seite: 22

8.4 Grundlagen für die Programmierung

Ein Kommando besteht aus dem jeweiligen Namen und zugehörigen Spezifikationen.

*.sps

Dabei kann der Name so weit abgekürzt werden, wie Eindeutigkeit der Zuordnung besteht.

o Vollständiger Befehl für das Anzeigen der Häufigkeit:

FREQUENCIES VARIABLES=var1 /ORDER= ANALYSIS .

o Kurze Variante:

fre var1.

Zwei Elemente der Kommandosprache sind durch mindestens ein

Leerzeichen oder einen Zeilenwechsel zu trennen. Es dürfen innerhalb einer Befehlsstruktur keine Leerzeile stehen. Das

würde das Ende eines Befehls bedeuten. Man Verwendet als Ende eines Kommandos einen Punkt. Zwischen zwei Befehlen können beliebig viele Leerzeilen Stehen. Vorsicht: SPSS achtet nicht auf Groß- und Kleinschreibung. Befehle können auskommentiert werden. Optionen dafür sind: /* bbbbbbbbbbbbb .

! Auch wenn Sie keine Befehle selber schreiben, verwenden Sie für das ausführen der Befehle die Syntax! ! Wenn Sie mit der Syntax arbeiten, kommentieren Sie diese aus!


Seite: 23

9 Wichtige Funktionen ! Die Funktionen zur Transformation sind sowohl über die Menüsteuerung als auch über die Syntax zu erreichen!

Menü Transformieren Berechnen

9.1 Arithmetische Funktionen ABS( Zahl) Liefert den absoluten Wert von Zahl. EXP( Zahl) Potenziert den Wert e (≈2,718282) mit Zahl. LN( Zahl) Ergibt den natürlichen Logarithmus von Zahl. RND( Zahl) Rundet die angegebene Zahl zu einem ganzzahligen Wert. SQRT( Zahl) Ergibt den Betrag der Quadratwurzel von Zahl. SUM( Zahl, Zahl [, Zahl,...]) Gibt die Summe der angegebenen Parameter aus. TRUNC( Zahl) Schneidet Dezimalstellen von Zahl ab und liefert den verbleibenden ganzzahligen Wert.

9.2 Statistische Funktionen MAX(Wert, Wert[,...]) Gibt den größten der angegebenen Werte aus. MEAN( Zahl, Zahl[,...]) Ergibt das arithmetische Mittel der angegebenen Werte. MIN(Wert, Wert[,...]) Gibt den kleinsten Wert der angegebenen Werte aus. SD( Zahl, Zahl[, Zahl,...]) Ergibt die Standardabweichung der Parameter. VARIANCE( Zahl, Zahl [, Zahl,...]) Errechnet die Varianz der Parameter.

9.3 Logische Funktionen ANY( Testwert, Wert [, Wert,...]) Ergibt 1, wenn Testwert mit einem der angegebenen Werte übereinstimmt, und 0, wenn dies nicht der Fall ist. MISSING( Variable) Ergibt 1 für fehlenden Wert und 0 für gültigen Wert. RANGE( Testwert, Unten, Oben[, Unten, Oben,...]) Ergibt 1, wenn Testwert innerhalb eines der angegebenen Bereiche liegt, und 0, wenn dies nicht der Fall ist. SYSMIS( Variable) Ergibt 1 für systemdefinierten fehlenden Wert und 0 für gültigen oder benutzerdefinierten fehlenden Wert.


Seite: 24

9.4 Funktionen zur Behandlung fehlender Werte MISSING( Variable) Ergibt 1 für fehlenden Wert und 0 für gültigen Wert. NMISS(Wert [, Wert,...]) Gibt die Anzahl der fehlenden Werte unter den angegebenen Parametern aus. NVALID(Wert [, Wert...]) Gibt die Anzahl der gültigen Werte unter den angegebenen Parametern aus. SYSMIS( Variable) Ergibt 1 für systemdefinierten fehlenden Wert und 0 für gültigen oder benutzerdefinierten fehlenden Wert. VALUE( Variable) Ergibt den Wert von Variable, wobei Benutzerdefinitionen über fehlende Werte aufgehoben werden.

9.5 Textfunktionen CONCAT( Text, Text [,...]) Verknüpft einzelne Texte zu einem einzigen Text. INDEX( Text, Suchtext) Liefert die erste Position, an der sich Suchtext in Text befindet. INDEX( Text, Suchtext, Anzahl) Nennt die erste Position, an der sich einer von mehreren Suchtexten befindet. LENGHT( Text) Ermittelt die Länge von Text. LOWER( Text) Wandelt Großbuchstaben von Text in Kleinbuchstaben um.


Seite: 25

9.6 Beispiele Differenz Compute newvar_1 = mathe-englisch. Exe. ABS(): ergibt den absoluten Betrag /* Compute ist der Befehl zum erzeugen einer Variable. CoMpuTe newvar_1 =-12. Exe. compute newvar_2 =ABS(newvar_1) . exe. /* Es folgt ein Befehl zum Löschen von Variablen. Delete variables newvar_1, newvar_2. Execute. ANY(): Ergibt 1 (wahr), wenn der Testwert mit irgendeinem der angegebenen Werte übereinstimmt, und 0 (falsch), wenn keine Übereinstimmung vorliegt. Sie können sowohl numerische Werte als auch Textwerte angeben. Textwerte müssen zwischen Anführungszeichen (oder Hochkommata) geschrieben werden. /* Test, ob es Schüler mit der Maximalpunktzahlen in Englisch /* gibt Compute newvar_1 =any(englisch,15). exe. /* Häufigkeit anzeigen. freq newvar_1. /* Löschen. delete variables newvar_1. /* Testen, ob Werte zwischen 14 und 15 dabei sind. Compute newvar_1 =any(mathe,15,14). exe. /* Häufigkeit anzeigen. freq newvar_1.


Seite: 26

10 Anwendung: Forschungsfragen Beantworten Sie folgende Fragen. Versuchen Sie Ihr vorgehen in der SPSS-Syntax zu konservieren.

1. Wie viele Personen haben mehr als 2 Kinder (verwenden Sie nur die Variable fj4).

2. Wie viele Frauen und Wie viele Männer sind in der Gruppe von Personen mit mehr als 2 Kindern?

3. Wie hoch ist das durchschnittliche Alter in den Fachrichtungen Physik und Biologie?

4. Gibt es Personen, die älter als 37 sind? 5. Welch Fachrichtung haben diese Personen studiert?

Senden Sie mir Ihre Antworten bis zum 22.01.07 an [email protected]. Sollten Sie sich eine Syntax angelegt haben, dann senden Sie diese bitte ebenfalls.

mailto:[email protected]

mailto:[email protected]

Documents

1 SPSS Praktikum am 16.01 - TU Dresden · PDF fileIntervall Gleichheit Ränge Abstand 1. Gleichheit und Ungleichheit 2. Rangfolge 3. Gleichheit des Verhältnisses von Differenzen Verhältnis