SPSS Hausübung mit LaTeX (Präsentation)

Hausübung 1 Hausübung 2 Hausübung 3 Hausübung 4

Elementare Datenanalyse mit EDVHausübungen mit LATEX

Peter Flucher

Sommersemester 2011

Elementare Datenanalyse mit EDV


Häufigkeitsauszählungen, Kreuztabelle

1 Hausübung 1HäufigkeitsauszählungenKreuztabelle

2 Hausübung 2

3 Hausübung 3

4 Hausübung 4



Häufigkeitsauszählungen

Verschaffen Sie sich einen Überblick durchHäufigkeitsverteilung!

AufgabestellungVerschaffen Sie sich einen Überblick über die Verteilungen derVariablen f8a-f8d, indem Sie Häufigkeitsverteilungen, zentrale Lage-und Streuungsmaße berechnen.




Maße für ordinal skalierte Daten

Da die Variablen ordinal skaliert sind die erlaubten zentralenLagemaße der Modus und der Median. Die erlaubten Steuungsmaßesind Minimum, Maximum und die sich daraus ergebendeSpannweite.FREQUENCIES VARIABLES =f8a f8b f8c f8d

/ STATISTICS =RANGE MINIMUM MAXIMUM MEDIAN MODE/ORDER= ANALYSIS .




zentrale Lage- und Steuungsmaße

Zustimmung: wenigArbeit, Männer eherRecht auf Arbeit alsFrauen

Zustimmung: wenigArbeit, Jüngere eherRecht auf Arbeit alsÄltere

Zustimmung: wenigArbeit, Inländer eherRecht auf Arbeit alsAusländer

Zustimmung: wenigArbeit, Gesunde eherRecht auf Arbeit alsBehinderte

Gültig 993 993 992 985Fehlend 5 5 6 13Median 5 3 2 3Modus 5 3 1 5Spannweite 4 4 4 4Minimum 1 1 1 1Maximum 5 5 5 5




Rangreihen bilden

AufgabestellungBilden Sie danach eine Rangreihe der Items nach dem Prozentsatzder Zustimmung - fassen Sie dabei die Kategorien „stimme sehr zu“und „stimme eher zu“ jeweils zusammen.




Wert 1 und 2 zusammenfassen

Variable erstellen, die die Zustimmung zusammenfasst. (ZweiAusprägungen: Zustimmung und keine Zustimmung)Häufikeitsauszählung.

RECODE f8a f8b f8c f8d ( MISSING = SYSMIS ) (1 thru2=1) (ELSE =2) INTO f8a_zust f8b_zust f8c_zustf8d_zust .

EXECUTE .

FREQUENCIES VARIABLES = f8a_zust f8b_zustf8c_zust f8d_zust

/ORDER= ANALYSIS . /* VARIABLE . */




Jugendliche sind Ausländerfeindlich

Variable Rang Zustimmungf8c_zust 1. 54,3%f8b_zust 2. 30,6%f8d_zust 3. 24,6%f8a_zust 4. 16,7%

InterpretationMehr als die hälfte der Personen, die die Frage beantwortet habensind der Meinung Inländer sollen bei der Jobvergabe bevorzugtwerden. Bei dem letzten Rang, der Frage nach der Bevorteilung vonMännern vermute ich eine Gleichverteilung von Männern undFrauen in der Umfrage.




Verteilung der von „Geschlecht“

Eine Häufigkeitsauzählung des Geschlechts (f68)ergibt eineGleichverteilung.FREQUENCIES VARIABLES =f68

/ORDER= ANALYSIS .

männlich 50,5%weiblich 49,5%



Kreuztabelle

Kreuztabelle

1 Hausübung 1HäufigkeitsauszählungenKreuztabelle

2 Hausübung 2

3 Hausübung 3

4 Hausübung 4



Kreuztabelle

Skalenniveau

AufgabestellungUntersuchen Sie, ob Personen mit und ohne Matura (bildung 2)bestimmte Aussagen (Varialben f1a (Arbeit), f1e (Politik) sowief1f (Religion)) anders beantworten.

Die Abhängige Variabel sagt aus ob eine Person eine Matura hat. Eshandelt sich um eine nominal skalierte Variabel mit zweiAusprägungen, also eine dichotome Variable. Die anderen,unabhängigen Variablen sind ordinal skaliert. (Die Werte „5“ und„6“ sind als fehlender Wert definiert. Wäre das nicht so wären dieVariablen nominal skaliert.)



Kreuztabelle

Kreuztabelle mit Kontingenzkoeffizient

Um die Abhängigkeit der Variablen zu überprüfen erstelle ich eineKreuztabelle und lasse mir den χ2-Test ausführen und denKontingenzkoeffizienten (Cramer-V) mitausgeben.CROSSTABS

/ TABLES = bildung2 BY f1a f1e f1f/ FORMAT = AVALUE TABLES/ STATISTICS =PHI CHISQ/CELLS=COUNT ROW/COUNT ROUND CELL.



Kreuztabelle

Politik am am abhängigsten

Anhand der Kreuztabelle kann man sehen, dass „Politik“ noch amstärksten abhängig von der Matura ist.

Variable χ2-Test Cramer-VWichtige Bereiche im Leben: Arbeit 0,024 0,105Wichtige Bereiche im Leben: Politik 0,000 0,171Wichtige Bereiche im Leben: Religion 0,084 0,88



Kreuztabelle

Schwacher Zusammenhang feststellbar

InterpretationDer χ2-Test ist bei einem Signifikanz-Niveau von 5% bei Arbeit undbei Politik unter dem Kritischen Wert, also wir können von einerAbhängigkeit ausgehen. Der Cramer-V ist unter 0,2. Das heißt derZusammenhang ist schwach.



Rekodieren, Korrelation

1 Hausübung 1

2 Hausübung 2Variablen rekodierenKorrelationsanalyse

3 Hausübung 3

4 Hausübung 4



Variablen rekodieren

Verschaffen Sie sich einen Überblick durchHäufigkeitsverteilung!

AufgabestellungUntersuchen Sie mittels Kreuztabellenanalyse (inkl. zulässigerAssoziationsmaße), ob sich die Einstellung der Jugendlichen zuPolitik (f1e) nach und Geschlecht (f68), Alter (f69) undWohnortgröße (f82) unterscheidet.




Geschlecht – Ineresse an Politik

Das Geschlecht ist nominal skaliert, aber da es nur zweiAusprägungen gibt, darf es wie metrische Daten behandelt werden.Die Einstellung zu Politik ist ordinal skaliert. Ich verwende denχ2-Test um festzustellen ob es überhaupt eine Abhängigkeitzwischen den Variablen gibt. Weiters lasse ich mir den Cramer-Vausgeben um die Stärke des Zusammenhangs anzuzeigen und denKendall-Tau-C und den Spearman ob eine Tendenz in eine Richtungfeststellbar ist.




zentrale Lage- und Steuungsmaße

CROSSTABS/ TABLES =f68 BY f1e/ FORMAT = AVALUE TABLES/ STATISTICS =CHISQ PHI CORR CTAU/CELLS=COUNT ROW/COUNT ROUND CELL/ BARCHART .

χ2-Test 0,004Cramer-V 0,117Spearman 0,07




Geringer Zusammenhang

InterpretationEs besteht ein Zusammenhang. Der Zusammenhang ist gering. Mankann nicht sagen, dass Frauen oder Männer mehr interesse fürPolitik haben.

AufgabestellungFühren Sie diese Berechnungen einerseits mit den ursprünglichenVariablen, andererseits auch mit rekodierten Variablen durch.

Es erscheint mir keine rekodierung Sinnvoll.




Alter – Interesse an Politik

Alter ist metrisch skaliert. Es beinhält Daten von 14–24. Da meingeringstes Niveau diesmal wieder ordinal ist gehe ich wie oben vor.CROSSTABS

/ TABLES =f69 BY f1e/ FORMAT = AVALUE TABLES/ STATISTICS =CHISQ PHI CORR CTAU/CELLS=COUNT ROW/COUNT ROUND CELL/ BARCHART .




Korrelation feststellbar

χ2-Test 0,000Cramer-V 0,163Spearman –0,216

InterpretationEs besteht ein Zusammenhang. Der Zusammenhang ist gering. Einegeringe Tendenz ist festzustellen. (Umso älter umso mehr Interesse)




Mich interesiert nun dei Gruppe der „Neu-Wähler“, also der 16–17Jährigen. Ich kodiere die Variable Alter in eine ordinale Variable mitdrei Ausprägungen um.RECODE f69 (14 thru 15=1) (15 thru 16=2) (17

thru 24=3) INTO f69_uk .EXECUTE .

CROSSTABS/ TABLES = f69_uk BY f1e/ FORMAT = AVALUE TABLES/ STATISTICS =CHISQ PHI CORR CTAU/CELLS=COUNT ROW/COUNT ROUND CELL/ BARCHART .




Wählen ab 16?

1 2 3 4∑

14–15 Jahre 8.3% 11.9% 43.7% 35.9% 100%15–16 Jahre 3.2% 15.2% 45.6% 35.9% 100%17–24 Jahre 7.7% 25.2% 49.1% 17.9% 100%

InterpretationDie „neuen Wähler“ sind offenbar nicht sehr an Politik interessiert.




Wohnortgröße – Interesse an Politik

Die Wohnortgröße ist ordinal skaliert und hat acht Ausprägungen.Ich verfahre wie bei den zwei anderen Bespielen.CROSSTABS

/ TABLES =f82 BY f1e/ FORMAT = AVALUE TABLES/ STATISTICS =CHISQ PHI CORR CTAU/CELLS=COUNT ROW/COUNT ROUND CELL/ BARCHART .




geringer Zusammenhang

χ2-Test 0,035Cramer-V 0,110Spearman 0,002

InterpretationEs besteht wieder ein Zusammenhang und er ist sehr, sehr gering.




Kategorien begründen

AufgabestellungBegründen Sie die Kategorien, die Sie im Zuge der Rekodierungenbilden und interpretieren Sie jeweils die Ergebnisse. DokumentierenSie dabei auch Unterschiede, die sich durch die Verwendung derumkodierten im Vergleich zu den ursprünglichen Variablen ergeben.




Wohnortgrößen überprüfen

Da ich die Kategorien der Wohnortsgröße nicht ganz nachvollziehenkann, kodiere ich so um, dass die Variable dann annäherndgleichverteilt ist. Dafür mache ich zuerst eine Häufigkeitsauszählungmit Histogram.FREQUENCIES VARIABLES =f82

/ HISTOGRAM/ORDER= ANALYSIS .




Wohnortgrößen umkodieren

Anhand der Häufigkeiten erstelle ich meine neue Variable.RECODE f82 (1=1) (2=2) (3 thru 5= 3)(6 thru 8=4)

INTO f82_uk .EXECUTE .




Häufigkeiten und Korrelationen

Jetzt gehe ich wieder wie oben vor.FREQUENCIES VARIABLES = f82_uk

/ HISTOGRAM/ORDER= ANALYSIS .

CROSSTABS/ TABLES = f82_uk BY f1e/ FORMAT = AVALUE TABLES/ STATISTICS =CHISQ PHI CORR CTAU/CELLS=COUNT ROW/COUNT ROUND CELL/ BARCHART .




Nicht Signifikant

χ2-Test ist mit 0,495 nicht Signifikant. Das heißt wir können beigleichmäßig verteilten Kategorien nicht mehr von einemZusammenhang ausgehen. Die anderen Werte bestätigen das. Dasbestätigt für mich die Problematik bei der Kategorienbildung.



Korrelationsanalyse

Korrelationsanalyse

AufgabestellungUntersuchen Sie den Zusammenhang zwischen Einstellung zu Politik(f1e) und Geschlecht (f68) bzw. Vertrauen in das Parlament (f61f),politische Parteien (f61l) und die Polizei (f61e) mittelsKorrelationsanalyse.

Die Variablen Interesse an Politik und Geschlecht wurde schonweiter oben in Zusammenhang gesetzt.



Korrelationsanalyse

Vertrauen in . . .

Ich gehe davon aus das es starke Korrelationen zwischen Vertrauenin Partein und Vertrauen in das Parlament gibt.Das Skalenniveau unsere Variablen ist ordinal. Die richtigeMessgröße für die Korrelation ist daher derSpearman-Rankorrelationskoeffizient.



Korrelationsanalyse

Korrelation - Vertrauen in . . .

NONPAR CORR/ VARIABLES =f61e f61f f61l/PRINT= SPEARMAN TWOTAIL NOSIG/ MISSING = PAIRWISE .

Polizei Parlament ParteienPolizei 1 0,457 0,244Parlament 0,457 1 0,512Parteien 0,244 0,512 1



Korrelationen und Rekodieren

1 Hausübung 1

2 Hausübung 2

3 Hausübung 3VorüberlegungenEsoterik – GeschlechtEsoterik – BildungEsoterik – Ortsgröße

4 Hausübung 4Elementare Datenanalyse mit EDV


Vorüberlegungen

Vorüberlegungen

AufgabestellungBerechnen und interpretieren Sie den korrekten Test um zu prüfen,ob Unterschiede hinsichtlich der Erfahrungen mit esoterischenPraktiken nach Geschlecht, Bildung und Ortsgröße bestehen.



Vorüberlegungen

Skalenniveaus

esoterische Erfahrungen nominal (ordinalisierbar)Geschlecht nominal, darf wegen dichotomie als metrisch

behandelt werden.Bildung nominal

Ortsgröße ordinal



Vorüberlegungen

Testauswahl

AufgabestellungEntscheiden Sie sich für den adäquaten Test und begründen Siediese Entscheidung.

Da die abhängigen Variablen alle nominal sind ist der anzuwendendeTest der χ2-Test. Die Stärke der Abhängigkeit wird standardisiertmit dem Cramer-V ausgegeben. (Der Signifikanz-Parameter desχ2-Test wird mit dem Cramer-V mit ausgegeben) Bei signifikantenAbhängigkeiten empfielt sich eine ordinalisierung und eineÜberprüfung einer Korrelation. Dafür eignet sich derSpearman-Korrelationskoeffizient.



Esoterik – Geschlecht


CROSSTABS/ TABLES =f43a f43b f43c f43d f43e f43f f43g BY

f68/ FORMAT = AVALUE TABLES/ STATISTICS =PHI/CELLS=COUNT ROW/COUNT ROUND CELL.




Talisman ist am stärksten Abhängig

χ2-Test Cramer-VYoga 0,000 0,206Medidation 0,000 0,255Talisman 0,000 0,374Tischerlrücken 0,000 0,179Mondphasen 0,000 0,316alt. Medizin 0,000 0,262Tarot, etc. 0,000 0,201




Daten sind abhängig

Jedes Wertepaar ist hochsignifikant von einander abhängig. BeiTalisman zu Geschlecht ist die Abhängigkeit am höchsten. Um eineKorrelation zu überprüfen kodiere ich „Talisman“ (und gleich auchalle anderen) zu einer ordinal Skalierten Variable um. Danach lasseich mir zusätzlich den Spearman ausgeben.




Ordinalisieren für Spearman

RECODE f43a f43b f43c f43d f43e f43f f43g (1=1)(2=2) (3=3) (4 thru 5=4) (ELSE= SYSMIS ) INTOf43a_ukf43b_uk f43c_uk f43d_uk f43e_uk f43f_uk

f43g_uk .EXECUTE .

CROSSTABS/ TABLES = f43a_uk f43b_uk f43c_uk f43d_uk

f43e_uk f43f_uk f43g_uk BY f68/ FORMAT = AVALUE TABLES/ STATISTICS =PHI CORR




Mädchen benutzen Talismänner öfter

Der Zusammenhang hat ein klein wenig abgenommen (Cramer: von0,374 auf 0,368) und es ist einer mäßige negative Korrelation(Spearman: –0,354) festzustellen. Das heißt: es besteht eineTendenz, dass Mädchen öfter Talismänner benutzen als Buben.



Esoterik – Bildung

Umkodieren

RECODE f73 (8=3) (9=4) (1 thru 4=1) (5 thru7=2) INTO f73_uk .

EXECUTE .





CROSSTABS/ TABLES =f43a f43b f43c f43d f43e f43f f43g BY

f73_uk/ FORMAT = AVALUE TABLES/ STATISTICS =PHI/CELLS=COUNT ROW/COUNT ROUND CELL.




Abhängigkeit bei „Yoga“ und „Medidation“

χ2-Test Cramer-VYoga 0,017 0,106Medidation 0,001 0,121Talisman 0,893Tischerlrücken 0,718Mondphasen 0,414alt. Medizin 0,113Tarot, etc. 0,128

Es gibt eine geringe Abhängigkeit bei Yoga und Medidation. Bei denanderen Wertepaaren gibt es keine signifikante Abhängigkeit. Sprich:Man kann nicht sagen, dass das Tragen von Talismännern mit derBildung zusammen hängt.



Esoterik – Ortsgröße

Esoterik – Ortsgröße

Es wird wie oben vorgegangen. Bei Yoga, Talisman, Tischerlrückenund Tarot gibt es signifikante Abhängigkeiten. Sie sind alle sehrgering. Korrelationen mit den ordinalisierten Variablen sind nichtsignifikant.



Typ, Skala, Index

1 Hausübung 1

2 Hausübung 2

3 Hausübung 3

4 Hausübung 4TypenbildungSkala: „Politisches Interesse“Mit Skala testenZählindex



Typenbildung

Typ mit politischem Interesse und Geschlecht

AufgabestellungBilden Sie folgenden Typ (und lassen Sie sich anschließend eineHäufigkeitsauszählung ausgeben): politisches Interesse ja/nein undGeschlecht.



Typenbildung

IF OR AND =

Die Typenbildung erfolgt nach dem Schema: Wenn X ist a oder bund Y ist c dann bilde einen Typen mit dem Wert d.IF (( f1e = 1 OR f1e = 2) AND f68 = 1 ) Typ =1.IF (( f1e = 1 OR f1e = 2) AND f68 = 2 ) Typ =2.IF (( f1e = 3 OR f1e = 4) AND f68 = 1 ) Typ =3.IF (( f1e = 3 OR f1e = 4) AND f68 = 2 ) Typ =4.EXECUTE .



Typenbildung

Typ überprüfen

Zur Sichheit machen wir noch eine Häufigkeitsauszählung.FREQUENCIES VARIABLES =Typ

/ FORMAT = NOTABLE/ORDER= ANALYSIS .



Skala: „Politisches Interesse“

Variablen finden

AufgabestellungWählen Sie 5-8 Items aus dem Datensatz aus, die Ihrer Ansicht nachdazu geeignet sind, das politische Interesse der befragten Personenadäquat abzubilden.

f1e Wichtige Bereiche im Leben: Politikf31c Zustimmung: Welt verantwortl. mitzugestaltenf31g Zustimmung: feste poltische Überzeugungf56 Politikinteressef57 Sprechen Sie mit Freunden über Politik?f58 Häufigkeit Konsum von polit. Nachrichten?




Items: Richtung, Ausprägungen

AufgabestellungAchten Sie darauf, dass

die Items in die gleiche Richtung gepolt sind.die Spannweiten der Items vergleichbar sind.

Ist dies nicht der Fall, korrigieren Sie dies durch entsprechendeUmkodierungen.





Ich kodiere die Variablen um.RECODE f1e (1=1) (2=2) (3=4) (4=5) (5=3)

(ELSE= SYSMIS ) INTO f1eSkala .RECODE f31c f31g (1=1) (2=2) (4=5) (3=4) (5=3)

(ELSE= SYSMIS ) INTO f31cSkala f31gSkala .RECODE f56 (1=1) (2=2) (3=3) (4=5) (5=3)

(ELSE= SYSMIS ) INTO f56Skala .RECODE f57 (1=1) (2=2) (3=5) (4=4)

(ELSE= SYSMIS ) INTO f57Skala .RECODE f58 (1 THRU 2 =1) (3=2) (4=4) (5=5)

(6=4) (ELSE= SYSMIS ) INTO f58Skala .EXECUTE .




Reliabilitätsanalyse

AufgabestellungFühren Sie anschließend eine Reliabilitätsanalyse durch, um zuprüfen, ob die Items für die Skalenbildung geeignet sind. SchließenSie wenn nötig Items, die der Qualität der Gesamtskala schaden,schrittweise aus.

RELIABILITY/ VARIABLES = f1eSkala f58Skala f57Skala

f56Skala f31gSkala f31cSkala/SCALE (’ALL VARIABLES ’) ALL/MODEL =ALPHA/ SUMMARY =TOTAL.




Skala berechnen

Ich entscheide mich alle Variablen in der Skala zu lassen. So verliereich weniger Fälle und das ist mir wichtiger als einen hohen Wert.

AufgabestellungBilden Sie eine Skala mittels „COMPUTE“.

COMPUTE SkalaPolInt =( f1eSkala + f31cSkala +f31gSkala + f56Skala + f57Skala + f58Skala )/ 6.

EXECUTE .




Mittelwert

AufgabestellungBerechnen Sie den Mittelwert der Skala und interpretieren Sie dasErgebnis.

FREQUENCIES VARIABLES = SkalaPolInt/ FORMAT = NOTABLE/ STATISTICS =MEAN/ORDER = ANALYSIS .




Mittelwert

InterpretationDer Mittelwert von 3,2 bei möglichen Werten von 1–5 dass derMittelwert der Skala nahe dem Mittelwert der möglichenAusprägungen ist.



Mit Skala testen

Skala nach Geschlecht und Matura testen

AufgabestellungPrüfen Sie, ob sich das politische Interesse (gemeint ist hier die vonIhnen gebildete Skala!) nach Geschlecht und bildung2 unterscheidet,indem Sie einen geeigneten (parametrischen odernichtparametrischen) Test auswählen.



Mit Skala testen

dichotom → Pearson

Beide unabhängigen Variablen sind dichotom und dürfen also wiemetrisch behandelt werden. Auch eine Skala darf wie metrischbehandelt werden. Weiters darf in allen Fällen (God knows why) voneiner Normalverteilung ausgegangen werden. Also sind alle Kriteriengegeben um den Pearson-Korrelationkoeffizenten verwenden zudürfen.



Mit Skala testen

negativer Zusammenhang

CORRELATIONS/ VARIABLES = SkalaPolInt bildung2 f68 f69 /* mit

Alter zur Überprüfung *//PRINT= TWOTAIL NOSIG/ MISSING = PAIRWISE .

Es gibt einen negativen Zusammenhang (Pearson: –0,284) zwischender Variablen politisches Interesse und Matura.



Mit Skala testen

Skala nach Geschlecht und Matura testen

AufgabestellungInterpretieren Sie das Ergebnis.

InterpretationBei Jugendlichen mit Matura steigt ist die Wahrscheinlichkeit, dassSie sich für Politik interessieren größer als bei Jugendlichen die keinMatura haben. Man darf nicht vergessen, dass hier das Alter ausdem Spiel genommen wurde. Es haben garnicht alle Jugendlichendie Möglichkeit schon maturiert zu haben. Weiters korreliert dasAlter mit der Skala auch (Pearson: 2,12). Das Ergebnis sagt nichtsoviel aus, wie es auf den ersten Blick scheint.



Zählindex

Zählindex bilden

AufgabestellungBilden Sie aus nachfolgenden Items einen Zählindex um dieReligiosität der befragten Personen zu messen:

f38a: Religiöse Feier bei Kindesgeburt wichtig?f38b: Feier bei Hochzeit wichtig?f38c: Feier bei Beerdigung wichtig?f40a: Glauben Sie an Gott?f40c: Glauben Sie an die Hölle?f40d: Glauben Sie an den Himmel?



Zählindex

„ja“ zählen

Alle Variablen haben vier Ausprägungen: „ja“, „nein“, „weiß nicht“und „k. A.“. Ich zähle die „ja“.COUNT SkalaZRel =f38a f38b f38c f40a f40c

f40d (1).EXECUTE .



Zählindex

Fast 50% ja

AufgabestellungInterpretieren Sie das Ergebnis!

InterpretationIm Durchschnitt werden fast die Häfte aller Fragen der SkalaReligiösität mit „ja“ beantrwortet.


Danke.


Documents

SPSS Hausübung mit LaTeX (Präsentation)