SPSS Hausübungen mit LaTeX

Inhaltsverzeichnis1. Hausübung 1 1

1.1. Häufigkeitsauszählungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2. Kreuztabelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2. Hausübung 2 42.1. Variablen rekodieren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42.2. Korrelationsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3. Hausübung 3 73.1. Vorüberlegungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.2. Esoterik – Geschlecht . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83.3. Esoterik – Bildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93.4. Esoterik – Ortsgröße . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

4. Hausübung 4 94.1. Typenbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94.2. Skala: „Politisches Interesse“ . . . . . . . . . . . . . . . . . . . . . . . . . 104.3. Mit Skala testen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114.4. Zählindex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

A. Anhang 12A.1. SPSS-Syntax komplet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12A.2. LATEX-Syntax . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

1. Hausübung 1

1.1. HäufigkeitsauszählungenVerschaffen Sie sich einen Überblick über die Verteilungen der Variablen f8a-f8d,

indem Sie Häufigkeitsverteilungen, zentrale Lage- und Streuungsmaße berechnen.

Da die Variablen ordinal skaliert sind die erlaubten zentralen Lagemaße der Modusund der Median. Die erlaubten Steuungsmaße sind Minimum, Maximum und die sichdaraus ergebende Spannweite.FREQUENCIES VARIABLES =f8a f8b f8c f8d

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

Zustimmung:wenig Arbeit,Männer eherRecht aufArbeit alsFrauen

Zustimmung:wenig Arbeit,Jüngere eherRecht aufArbeit alsÄltere

Zustimmung:wenig Arbeit,Inländer eherRecht aufArbeit alsAusländer

Zustimmung:wenig Arbeit,Gesunde eherRecht aufArbeit 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

Tabelle 1: zentrale Lage- und Steuungsmaße

Bilden Sie danach eine Rangreihe der Items nach dem Prozentsatz der Zustim-mung - fassen Sie dabei die Kategorien „stimme sehr zu“ und „stimme eher zu“jeweils zusammen.

• Variable erstellen, die die Zustimmung zusammenfasst. (Zwei Ausprägungen: Zu-stimmung und keine Zustimmung)

• Häufikeitsauszählung.

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

EXECUTE .

FREQUENCIES VARIABLES = f8a_zust f8b_zust f8c_zust f8d_zust/ORDER= ANALYSIS . /* VARIABLE . */

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

Tabelle 2: Rangreihe der Items nach dem Prozentsatz der Zustimmung

InterpretationMehr als die hälfte der Personen, die die Frage beantwortet haben sind der MeinungInländer sollen bei der Jobvergabe bevorzugt werden. Über ein viertel sind der MeinungGesunde sollen Behinderten bzw. Jüngere Älteren bei der Jobvergabe bevorzugt werden.Bei den ersten drei Rängen ist der Großteil der Befragten durch Zustimmung bevorteilt.

2

(Junge, gesunde InländerInnen) Bei dem letzten Rang, der Frage nach der Bevorteilungvon Männern vermute ich eine Gleichverteilung von Männern und Frauen in der Umfrage.

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

/ORDER= ANALYSIS .

männlich 50,5%weiblich 49,5%

Tabelle 3: Verteilung der von „Geschlecht“

1.2. Kreuztabelle

Untersuchen Sie, ob Personen mit und ohne Matura (bildung 2) bestimmteAussagen (Varialben f1a (Arbeit), f1e (Politik) sowie f1f (Religion)) andersbeantworten.

Die Abhängige Variabel sagt aus ob eine Person eine Matura hat. Es handelt sich umeine nominal skalierte Variabel mit zwei Ausprägungen, also eine dichotome Variable.Die anderen, unabhängigen Variablen sind ordinal skaliert. (Die Werte „5“ und „6“ sindals fehlender Wert definiert. Wäre das nicht so wären die Variablen nominal skaliert.)Um die Abhängigkeit der Variablen zu überprüfen erstelle ich eine Kreuztabelle und

lasse mir den χ2-Test ausführen und den Kontingenzkoeffizienten (Cramer-V) mitausgeben.Der χ2-Test überprüft ob ein Zusammenhang besteht. Der Kontingenzkoeffizient ist beinominalen Daten zulässig und gibt die Stärke des Zusammenhangs der Daten an.CROSSTABS

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

Anhand der Kreuztabelle kann man sehen, dass „Politik“ noch am stärksten abhängigvon 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

Tabelle 4: Zusammenhangmaße

InterpretationDer χ2-Test ist bei einem Signifikanz-Niveau von 5% bei Arbeit und bei Politik unterdem Kritischen Wert, also wir können von einer Abhängigkeit ausgehen. Der Cramer-Vist unter 0,2. Das heißt der Zusammenhang ist schwach.

3

2. Hausübung 2

2.1. Variablen rekodierenUntersuchen Sie mittels Kreuztabellenanalyse (inkl. zulässiger Assoziationsma-

ße), ob sich die Einstellung der Jugendlichen zu Politik (f1e) nach und Geschlecht(f68), Alter (f69) und Wohnortgröße (f82) unterscheidet.

Geschlecht – Ineresse an PolitikDas Geschlecht ist nominal skaliert, aber da es nur zwei Ausprägungen gibt, darf es

wie metrische Daten behandelt werden. Die Einstellung zu Politik ist ordinal skaliert.Ich verwende den χ2-Test um festzustellen ob es überhaupt eine Abhängigkeit zwischenden Variablen gibt. Weiters lasse ich mir den Cramer-V ausgeben um die Stärke desZusammenhangs anzuzeigen und den Kendall-Tau-C und den Spearman ob eine Tendenzin eine Richtung feststellbar ist.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

Tabelle 5: Geschlecht – Interesse an Politik

InterpretationEs besteht ein Zusammenhang. Der Zusammenhang ist gering. Man kann nicht sagen,dass Frauen oder Männer mehr interesse für Politik haben.

Führen Sie diese Berechnungen einerseits mit den ursprünglichen Variablen,andererseits auch mit rekodierten Variablen durch.

Es erscheint mir keine rekodierung Sinnvoll.

Alter – Interesse an PolitikAlter ist metrisch skaliert. Es beinhält Daten von 14–24. Da mein geringstes Niveau

diesmal wieder ordinal ist gehe ich wie oben vor.

4

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

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

Tabelle 6: Alter – Interesse an Politik

InterpretationEs besteht ein Zusammenhang. Der Zusammenhang ist gering. Eine geringe Tendenz istfestzustellen. (Umso älter umso mehr Interesse)

Mich interesiert nun dei Gruppe der „Neu-Wähler“, also der 16–17 Jährigen. Ich kodieredie Variable Alter in eine ordinale Variable mit drei 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 .

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%

Tabelle 7: Altersgruppen – Interesse an Politik

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

5

Wohnortgröße – Interesse an PolitikDie 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 .

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

Tabelle 8: Alter – Interesse an Politik

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

Begründen Sie die Kategorien, die Sie im Zuge der Rekodierungen bildenund interpretieren Sie jeweils die Ergebnisse. Dokumentieren Sie dabei auchUnterschiede, die sich durch die Verwendung der umkodierten im Vergleich zuden ursprünglichen Variablen ergeben.

Da ich die Kategorien der Wohnortsgröße nicht ganz nachvollziehen kann, kodiere ichso um, dass die Variable dann annähernd gleichverteilt ist. Dafür mache ich zuerst eineHäufigkeitsauszählung mit Histogram.FREQUENCIES VARIABLES =f82

/ HISTOGRAM/ORDER= ANALYSIS .

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 .

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

/ HISTOGRAM/ORDER= ANALYSIS .

CROSSTABS/ TABLES = f82_uk BY f1e/ FORMAT = AVALUE TABLES

6

/ STATISTICS =CHISQ PHI CORR CTAU/CELLS=COUNT ROW/COUNT ROUND CELL/ BARCHART .

χ2-Test ist mit 0,495 nicht Signifikant. Das heißt wir können bei gleichmäßig verteiltenKategorien nicht mehr von einem Zusammenhang ausgehen. Die anderen Werte bestätigendas. Das bestätigt für mich die Problematik bei der Kategorienbildung.

2.2. KorrelationsanalyseUntersuchen Sie den Zusammenhang zwischen Einstellung zu Politik (f1e) und

Geschlecht (f68) bzw. Vertrauen in das Parlament (f61f), politische Parteien(f61l) und die Polizei (f61e) mittels Korrelationsanalyse.

Die Variablen Interesse an Politik und Geschlecht wurde schon weiter oben in Zusam-menhang gesetzt.

Vertrauen in . . .Ich gehe davon aus das es starke Korrelationen zwischen Vertrauen in Partein und

Vertrauen in das Parlament gibt.Das Skalenniveau unsere Variablen ist ordinal. Die richtige Messgröße für die Korrelation

ist daher der Spearman-Rankorrelationskoeffizient.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

Tabelle 9: Korrelationen - Vertrauen in . . .

3. Hausübung 3

3.1. VorüberlegungenBerechnen und interpretieren Sie den korrekten Test um zu prüfen, ob Unter-

schiede hinsichtlich der Erfahrungen mit esoterischen Praktiken nach Geschlecht,Bildung und Ortsgröße bestehen.

esoterische Erfahrungen nominal (ordinalisierbar)

7

Geschlecht nominal, darf wegen dichotomie als metrisch behandelt werden.

Bildung nominal

Ortsgröße ordinal

Entscheiden Sie sich für den adäquaten Test und begründen Sie diese Entschei-dung.

Da die abhängigen Variablen alle nominal sind ist der anzuwendende Test der χ2-Test. Die Stärke der Abhängigkeit wird standardisiert mit dem Cramer-V ausgegeben.(Der Signifikanz-Parameter des χ2-Test wird mit dem Cramer-V mit ausgegeben) Beisignifikanten Abhängigkeiten empfielt sich eine ordinalisierung und eine Überprüfungeiner Korrelation. Dafür eignet sich der Spearman-Korrelationskoeffizient.

3.2. Esoterik – Geschlecht

CROSSTABS/ TABLES =f43a f43b f43c f43d f43e f43f f43g BY f68/ FORMAT = AVALUE TABLES/ STATISTICS =PHI/CELLS=COUNT ROW/COUNT ROUND CELL.

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

Jedes Wertepaar ist hochsignifikant von einander abhängig. Bei Talisman zu Geschlechtist die Abhängigkeit am höchsten. Um eine Korrelation zu überprüfen kodiere ich„Talisman“ (und gleich auch alle anderen) zu einer ordinal Skalierten Variable um.Danach lasse ich mir zusätzlich den Spearman ausgeben.RECODE f43a f43b f43c f43d f43e f43f f43g (1=1) (2=2) (3=3) (4

thru 5=4) (ELSE= SYSMIS ) INTO f43a_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

8

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

3.3. Esoterik – Bildung

RECODE f73 (8=3) (9=4) (1 thru 4=1) (5 thru 7=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.

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 den anderen Werte-paaren gibt es keine signifikante Abhängigkeit. Sprich: Man kann nicht sagen, dass dasTragen von Talismännern mit der Bildung zusammen hängt.

3.4. Esoterik – OrtsgrößeEs wird wie oben vorgegangen. Bei Yoga, Talisman, Tischerlrücken und Tarot gibt essignifikante Abhängigkeiten. Sie sind alle sehr gering. Korrelationen mit den ordinalisiertenVariablen sind nicht signifikant.

4. Hausübung 4

4.1. TypenbildungBilden Sie folgenden Typ (und lassen Sie sich anschließend eine Häufigkeits-

auszählung ausgeben): politisches Interesse ja/nein und Geschlecht.

Die Typenbildung erfolgt nach dem Schema: Wenn X ist a oder b und Y ist c dannbilde einen Typen mit dem Wert d.

9

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 .

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

/ FORMAT = NOTABLE/ORDER= ANALYSIS .

4.2. Skala: „Politisches Interesse“Wählen Sie 5-8 Items aus dem Datensatz aus, die Ihrer Ansicht nach dazu

geeignet sind, das politische Interesse der befragten Personen adäquat abzubilden.

f1e Wichtige Bereiche im Leben: Politik

f31c Zustimmung: Welt verantwortl. mitzugestalten

f31g Zustimmung: feste poltische Überzeugung

f56 Politikinteresse

f57 Sprechen Sie mit Freunden über Politik?

f58 Häufigkeit Konsum von polit. Nachrichten?

Achten 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 entsprechende Umkodierungen.

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 .

10

Führen Sie anschließend eine Reliabilitätsanalyse durch, um zu prüfen, ob dieItems für die Skalenbildung geeignet sind. Schließen Sie wenn nötig Items, dieder Qualität der Gesamtskala schaden, schrittweise aus.

RELIABILITY/ VARIABLES = f1eSkala f58Skala f57Skala f56Skala f31gSkala

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

Ich entscheide mich alle Variablen in der Skala zu lassen. So verliere ich weniger Fälleund das ist mir wichtiger als einen hohen Wert.

Bilden Sie eine Skala mittels „COMPUTE“.

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

EXECUTE .

Berechnen Sie den Mittelwert der Skala und interpretieren Sie das Ergebnis.

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

InterpretationDer Mittelwert von 3,2 bei möglichen Werten von 1–5 dass der Mittelwert der Skala nahedem Mittelwert der möglichen Ausprägungen ist.

4.3. Mit Skala testenPrüfen Sie, ob sich das politische Interesse (gemeint ist hier die von Ihnen

gebildete Skala!) nach Geschlecht und bildung2 unterscheidet, indem Sie einengeeigneten (parametrischen oder nichtparametrischen) Test auswählen.

Beide unabhängigen Variablen sind dichotom und dürfen also wie metrisch behandeltwerden. Auch eine Skala darf wie metrisch behandelt werden. Weiters darf in allenFällen (God knows why) von einer Normalverteilung ausgegangen werden. Also sind alleKriterien gegeben um den Pearson-Korrelationkoeffizenten verwenden zu dürfen.CORRELATIONS

/ VARIABLES = SkalaPolInt bildung2 f68 f69 /* mit Alter zur Überprüfung */

/PRINT= TWOTAIL NOSIG/ MISSING = PAIRWISE .

11

Es gibt einen negativen Zusammenhang (Pearson: –0,284) zwischen der Variablenpolitisches Interesse und Matura.

Interpretieren Sie das Ergebnis.

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

4.4. ZählindexBilden Sie aus nachfolgenden Items einen Zählindex um die Religiosität 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?

Alle Variablen haben vier Ausprägungen: „ja“, „nein“, „weiß nicht“ und „k.A.“. Ichzähle die „ja“.COUNT SkalaZRel =f38a f38b f38c f40a f40c f40d (1).EXECUTE .

Interpretieren Sie das Ergebnis!

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

A. AnhangA.1. SPSS-Syntax komplet

12

Listing 1: hue1.sps

DATASET ACTIVATE DatenSet1 .

FREQUENCIES VARIABLES =f8a f8b f8c f8d/ STATISTICS =RANGE MINIMUM MAXIMUM MEDIAN MODE/ORDER= ANALYSIS .

*** Neue Variable mit zwei Werten erstellen .***1= Zustimmung ; 2= keine Zustimmung .

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

EXECUTE .

FREQUENCIES VARIABLES = f8a_zust f8b_zust f8c_zust f8d_zust/ORDER= ANALYSIS . /* VARIABLE . */

FREQUENCIES VARIABLES =f68/ORDER= ANALYSIS .

*** Beispiel 2.

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

Listing 2: hue2.sps**HÜ 2

** Geschlecht .


13

*** Alter


RECODE f69 (14 thru 15=1) (15 thru 16=2) (17 thru 24=3) INTOf69_uk .

EXECUTE .

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

*** Wohnort .


FREQUENCIES VARIABLES =f82/ HISTOGRAM/ORDER= ANALYSIS .

RECODE f82 (1=1) (2=2) (3 thru 5= 3)(6 thru 8=4) INTO f82_uk .EXECUTE .

FREQUENCIES VARIABLES = f82_uk/ HISTOGRAM/ORDER= ANALYSIS .

CROSSTABS/ TABLES = f82_uk BY f1e/ FORMAT = AVALUE TABLES/ STATISTICS =CHISQ PHI CORR CTAU

14

/CELLS=COUNT ROW/COUNT ROUND CELL/ BARCHART .

**** Beispiel 2.

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

Listing 3: hue3.sps

DATASET ACTIVATE DatenSet1 .

*** Esoterik by Geschlecht .

CROSSTABS/ TABLES =f43a f43b f43c f43d f43e f43f f43g BY f68/ FORMAT = AVALUE TABLES/ STATISTICS =PHI/CELLS=COUNT ROW/COUNT ROUND CELL.

* Esoterik Ordinalisieren .RECODE f43a f43b f43c f43d f43e f43f f43g (1=1) (2=2) (3=3) (4


EXECUTE .


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

*** Esoterik by Bildung rekodiert .RECODE f73 (8=3) (9=4) (1 thru 4=1) (5 thru 7=2) INTO f73_uk .EXECUTE .

CROSSTABS

15

/ TABLES =f43a f43b f43c f43d f43e f43f f43g BY f73_uk/ FORMAT = AVALUE TABLES/ STATISTICS =PHI/CELLS=COUNT ROW/COUNT ROUND CELL.

**** Esoterik by Ortsgr öße.

CROSSTABS/ TABLES =f43a f43b f43c f43d f43e f43f f43g BY f82

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

* Esoterik Ordinalisieren .RECODE f43a f43b f43c f43d f43e f43f f43g (1=1) (2=2) (3=3) (4


EXECUTE .


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

Listing 4: hue4.sps** Typbildung

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 .

FREQUENCIES VARIABLES =Typ/ FORMAT = NOTABLE/ORDER= ANALYSIS .

**Skala.

RECODE f1e (1=1) (2=2) (3=4) (4=5) (5=3) (ELSE= SYSMIS ) INTOf1eSkala .

RECODE f31c f31g (1=1) (2=2) (4=5) (3=4) (5=3) (ELSE= SYSMIS ) INTOf31cSkala f31gSkala .

16

RECODE f56 (1=1) (2=2) (3=3) (4=5) (5=3) (ELSE= SYSMIS ) INTOf56Skala .

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 .

RELIABILITY/ VARIABLES = f1eSkala f58Skala f57Skala f56Skala f31gSkala

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

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

EXECUTE .

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

****

CORRELATIONS/ VARIABLES = SkalaPolInt bildung2 f68 f69 /* mit Alter zur Ü

berprüfung *//PRINT= TWOTAIL NOSIG/ MISSING = PAIRWISE .

*** Zä hlindex

COUNT SkalaZRel =f38a f38b f38c f40a f40c f40d (1).EXECUTE .

A.2. LATEX-Syntax

Listing 5: main.article.tex\ documentclass { scrartcl }\ usepackage { beamerarticle }\ setjobnamebeamerversion {main. beamer }\input{main.tex}

Listing 6: main.beamer.tex\ documentclass { beamer }\ usetheme { Luebeck }

17

%\ usecolortheme { beaver }%\ usepackage { beamerthemeshadow }\input{main.tex}

Listing 7: main.tex\ usepackage { listings }

% %%%%%%%%%% Schriften %%%%%%%%%%%%\ usepackage [T1]{ fontenc }\ usepackage [utf8x]{ inputenc } %utf8x %latin1\ usepackage { lmodern }%\ usepackage [sc , osf ]{ mathpazo }%\ linespread {1.05}

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Mikrotypografische Feinheiten :\ usepackage { microtype }% Andere Einstellungen siehe microtype - Handbuch% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%\ usetheme { Szeged }

\ usepackage [english , ngerman ]{ babel} % Sprachpaket : deutsch\ usepackage [babel , german = quotes ]{ csquotes } %Pakte für "text ":

einstellungen von babel

% UMGEBUNG %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%\ newenvironment { angabe }

{ %\begin{ angabe }\only <article >{

\begin{ quotation }\begin{ sffamily }

}\only <beamer >{

\begin{ exampleblock }{ Aufgabestellung }}

}{ %\end{ angabe }

\only <article >{\end{ sffamily }\end{ quotation }

}\only <beamer >{

\end{ exampleblock }}

}

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%\ newenvironment { interpretation }

18

{ %\begin{ interpretation }\begin{block }{ Interpretation }}{ %\end{ interpretation }\end{block}}

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%\ newcommand {\ beamertitle }[1]{\ only <beamer >{\ frametitle {#1}}}

\ PrerenderUnicode {ä}

\input{spss.tex}\input{ variablen .tex}

\begin{ document }\ titlepage\only <article >\ tableofcontents%%\ input{ einleitung }%\part{Hausü bungen }\input{hue 1. tex}\input{hue 2. tex}\input{hue 3. tex}\input{hue 4. tex}

\ appendix\frame <beamer >{ Danke .}\input{ anhang .tex}

\end{ document }

Listing 8: hue1.tex\ section {Hausübung 1}

\begin{frame}<beamer >{Hä ufigkeitsausz ählungen , Kreuztabelle }\ tableofcontents [ currentsection , hideothersubsections ]

\end{frame}

\ subsection {Hä ufigkeitsausz ä hlungen }

\begin{frame}\ beamertitle { Verschaffen Sie sich einen Ü berblick durch

Hä ufigkeitsverteilung !}\begin{ angabe }

Verschaffen Sie sich einen Ü berblick über dieVerteilungen der Variablen f8a-f8d, indem SieHä ufigkeitsverteilungen , zentrale Lage - undStreuungsma ße berechnen .

\end{ angabe }\end{frame}

19

\begin{frame }[ fragile ]\ beamertitle {Maße für ordinal skalierte Daten}Da die Variablen \emph{ ordinal } skaliert sind die

erlaubten zentralen Lagema ße der \emph{Modus} und der\emph{ Median }. Die erlaubten Steuungsma ße sind\emph{ Minimum }, \emph{ Maximum } und die sich darausergebende \emph{ Spannweite }.

\ lstinputlisting [frame=single ,firstline =5,lastline =7]{ hue 1. sps}

\end{frame}

\begin{frame}\ beamertitle { zentrale Lage - und Steuungsma ße}\begin{ center }

\only < presentation >\ tiny\only <article >\ small\begin{ tabular }{l|p{2cm}p{2cm}p{2cm}p{2cm}}

& Zustimmung : wenig Arbeit , Männer eherRecht auf Arbeit als Frauen &Zustimmung : wenig Arbeit , Jüngere eherRecht auf Arbeit als Ältere &Zustimmung : wenig Arbeit , Inländereher Recht auf Arbeit als Ausländer &Zustimmung : wenig Arbeit , Gesunde eherRecht auf Arbeit als Behinderte \\

\hline \hlineGültig & 993 & 993 & 992 & 985 \\Fehlend & 5 & 5 & 6 & 13 \\\hlineMedian & 5 & 3 & 2 & 3 \\Modus & 5 & 3 & 1 & 5 \\Spannweite & 4 & 4 & 4 & 4 \\Minimum & 1 & 1 & 1 & 1 \\Maximum & 5 & 5 & 5 & 5 \\

\end{ tabular }\only <article >{\ captionof {table }{ zentrale Lage -

und Steuungsma ße}}\label{tab :}

\end{ center }\end{frame}

\begin{frame}\ beamertitle { Rangreihen bilden }\begin{ angabe }

20

Bilden Sie danach eine Rangreihe der Items nachdem Prozentsatz der Zustimmung - fassen Siedabei die Kategorien \ enquote { stimme sehr zu}und \ enquote { stimme eher zu} jeweils zusammen .


\begin{frame }[ fragile ]\ beamertitle {Wert 1 und 2 zusammenfassen }\begin{ itemize }

\item Variable erstellen , die die Zustimmungzusammenfasst . (Zwei Ausprä gungen : Zustimmungund keine Zustimmung )

\item Hä ufikeitsausz ählung.\end{ itemize }


\end{frame}

\begin{frame}\ beamertitle { Jugendliche sind Auslä nderfeindlich }\begin{ center }

\begin{ tabular }{ lrr}Variable & Rang & Zustimmung \\ \hline\ texttt {f8c\_ zust} & 1. & 54 ,3\% \\\ texttt {f8b\_ zust} & 2. & 30 ,6\% \\\ texttt {f8d\_ zust} & 3. & 24 ,6\% \\\ texttt {f8a\_ zust} & 4. & 16 ,7\% \\

\end{ tabular }\only <article >{\ captionof {table }{ Rangreihe der

Items nach dem Prozentsatz der Zustimmung }}\label{tab :}

\end{ center }\begin{ interpretation }

Mehr als die hälfte der Personen , die die Fragebeantwortet haben sind der Meinung Inländersollen bei der Jobvergabe bevorzugt werden .

\only <article >{Über ein viertel sind der MeinungGesunde sollen Behinderten bzw. Jüngere Älteren bei der Jobvergabe bevorzugt werden .Bei den ersten drei Rängen ist der Großteilder Befragten durch Zustimmung bevorteilt .(Junge , gesunde Inlä nderInnen )} Bei demletzten Rang , der Frage nach der Bevorteilung

21

von Männern vermute ich eine Gleichverteilungvon Männern und Frauen in der Umfrage .

\end{ interpretation }\end{frame}

\begin{frame }[ fragile ]\ beamertitle { Verteilung der von \ enquote { Geschlecht }}}Eine Hä ufigkeitsauz ählung des Geschlechts

(\ texttt {f68}) ergibt eine Gleichverteilung .


\begin{ center }\begin{ tabular }{ll}

mä nnlich & 50 ,5\% \\weiblich & 49 ,5\% \\

\end{ tabular }\only <article >{\ captionof {table }{ Verteilung der

von \ enquote { Geschlecht }}}\label{tab :}


\ subsection { Kreuztabelle }

\begin{frame}<beamer >{ Kreuztabelle }\ tableofcontents [ currentsection , currentsubsection ,

hideothersubsections ]\end{frame}

\begin{frame}\begin{ angabe }

Untersuchen Sie , ob Personen mit und ohne Matura(\ texttt { bildung 2}) bestimmte Aussagen( Varialben \ texttt {f1a} ( Arbeit ), \ texttt {f1e}( Politik ) sowie \ texttt {f1f} ( Religion ))anders beantworten .

\end{ angabe }

\ beamertitle { Skalenniveau }Die Abhängige Variabel sagt aus ob eine Person eine

Matura hat. Es handelt sich um eine \emph{ nominal }skalierte Variabel mit zwei Ausprägungen , also eine\emph{ dichotome } Variable . Die anderen ,

22

\emph{unabhä ngigen } Variablen sind \emph{ ordinal }skaliert . (Die Werte \ enquote {5} und \ enquote {6} sindals fehlender Wert definiert . Wäre das nicht so wärendie Variablen nominal skaliert .)

\end{frame}

\begin{frame }[ fragile ]\ beamertitle { Kreuztabelle mit Kontingenzkoeffizient }Um die Abhä ngigkeit der Variablen zu überprüfen erstelle

ich eine Kreuztabelle und lasse mir den$\ chi ^{2}$ - Test ausführen und denKontingenzkoeffizienten (Cramer -V) mitausgeben .

\only <article >{ Der $\ chi ^{2}$ - Test überprüft ob einZusammenhang besteht . Der Kontingenzkoeffizient istbei nominalen Daten zulässig und gibt die Stärke desZusammenhangs der Daten an.}


\end{frame}

\begin{frame}\ beamertitle { Politik am am abhä ngigsten }Anhand der Kreuztabelle kann man sehen , dass

\ enquote { Politik } noch am stä rksten abhängig von derMatura ist.

\begin{ center }\begin{ tabular }{ lrr}

Variable & $\ chi ^{2}$ - Test & Cramer -V \\\hlineWichtige Bereiche im Leben: Arbeit &

0 ,024 & 0 ,105 \\Wichtige Bereiche im Leben: Politik &

0 ,000 & 0 ,171 \\Wichtige Bereiche im Leben: Religion &

0 ,084 & 0,88 \\\end{ tabular }\only <article >{\ captionof {table }{ Zusammenhangma ße}}\label{tab :}


\begin{frame}\ beamertitle { Schwacher Zusammenhang feststellbar }\begin{ interpretation }

Der $\ chi ^{2}$ - Test ist bei einemSignifikanz - Niveau von 5\% bei Arbeit und bei

23

Politik unter dem Kritischen Wert , also wirkönnen von einer Abhä ngigkeit ausgehen . DerCramer -V ist unter 0,2. Das heißt derZusammenhang ist schwach .

\end{ interpretation }

\end{frame}


\begin{frame}<beamer >{ Rekodieren , Korrelation }\ tableofcontents [ currentsection , hideothersubsections ]

\end{frame}

\ subsection { Variablen rekodieren }

\begin{frame}\ beamertitle { Verschaffen Sie sich einen Ü berblick durch

Hä ufigkeitsverteilung !}\begin{ angabe }

Untersuchen Sie mittels Kreuztabellenanalyse(inkl. zulä ssiger Assoziationsma ße), ob sichdie Einstellung der Jugendlichen zu Politik(\ texttt {f1e}) nach und Geschlecht(\ texttt {f68}) , Alter (\ texttt {f69}) undWohnortgr öße (\ texttt {f82}) unterscheidet .


\begin{frame}\ frametitle { Geschlecht -- Ineresse an Politik }Das Geschlecht ist \emph{ nominal } skaliert , aber da es

nur zwei Ausprä gungen gibt , darf es wie metrischeDaten behandelt werden . Die Einstellung zu Politik ist\emph{ ordinal } skaliert . Ich verwende den$\ chi ^{2}$ - Test um festzustellen ob es ü berhaupt eineAbhä ngigkeit zwischen den Variablen gibt. Weiterslasse ich mir den Cramer -V ausgeben um die Stärke desZusammenhangs anzuzeigen und den Kendall -Tau -C und denSpearman ob eine Tendenz in eine Richtung feststellbarist.

\end{frame}

\begin{frame }[ fragile ]\ beamertitle { zentrale Lage - und Steuungsma ße}\ lstinputlisting [

frame=single ,firstline =6,

24

lastline =12]{ hue 2. sps}

\begin{ center }\begin{ tabular }{lr}

$\ chi ^{2}$ - Test & 0 ,004 \\Cramer -V & 0 ,117 \\Spearman & 0,07 \\

\end{ tabular }\only <article >{\ captionof {table }{ Geschlecht --

Interesse an Politik }}\label{tab :}


\begin{frame}\ beamertitle { Geringer Zusammenhang }\begin{ interpretation }

Es besteht ein Zusammenhang . Der Zusammenhang istgering . Man kann nicht sagen , dass Frauen oderMänner mehr interesse für Politik haben.

\end{ interpretation }\begin{ angabe }Führen Sie diese Berechnungen einerseits mit den

ursprü nglichen Variablen , andererseits auch mitrekodierten Variablen durch.

\end{ angabe }Es erscheint mir keine rekodierung Sinnvoll .

\end{frame}

\begin{frame }[ fragile ]\ frametitle {Alter -- Interesse an Politik }Alter ist \emph{ metrisch } skaliert . Es beinhält Daten von

14 - -24. Da mein geringstes Niveau diesmal wieder\emph{ ordinal } ist gehe ich wie oben vor.


\end{frame}

\begin{frame}\ beamertitle { Korrelation feststellbar }\begin{ center }

\begin{ tabular }{lr}$\ chi ^{2}$ - Test & 0 ,000 \\Cramer -V & 0 ,163 \\Spearman & --0,216 \\

25

\end{ tabular }\only <article >{\ captionof {table }{ Alter --



Es besteht ein Zusammenhang . Der Zusammenhang istgering . Eine geringe Tendenz istfestzustellen . (Umso älter umso mehr Interesse )


\begin{frame }[ fragile ]Mich interesiert nun dei Gruppe der \ enquote {Neu -Wähler},

also der 16--17 Jä hrigen . Ich kodiere die VariableAlter in eine ordinale Variable mit drei Ausprä gungenum.


\end{frame}

\begin{frame}\ beamertitle {Wählen ab 16?}\begin{ center }

\begin{ tabular }{r|llll|l}& 1 & 2 & 3 & 4 & \sum \\\hline

14--15 Jahre & 8.3\% & 11.9\% & 43.7\% &35.9\% & 100\% \\

15--16 Jahre & \color{red }3.2\% & 15.2\%& 45.6\% & 35.9\% & 100\% \\

17--24 Jahre & 7.7\% & 25.2\% & 49.1\%&17.9\% & 100\% \\

\end{ tabular }\only <article >{\ captionof {table }{ Altersgruppen --



Die \ enquote {neuen Wähler} sind offenbar nichtsehr an Politik interessiert .


\begin{frame }[ fragile ]\ frametitle { Wohnortgr öße -- Interesse an Politik }Die Wohnortgr öße ist \emph{ ordinal } skaliert und hat acht

26

Ausprä gungen . Ich verfahre wie bei den zwei anderenBespielen .


\end{frame}

\begin{frame}\ beamertitle { geringer Zusammenhang }\begin{ center }

\begin{ tabular }{lr}$\ chi ^{2}$ - Test & 0 ,035 \\Cramer -V & 0 ,110 \\Spearman & 0 ,002 \\

\end{ tabular }\only <article >{\ captionof {table }{ Alter --



Es besteht wieder ein Zusammenhang und er istsehr , sehr gering .


\begin{frame}\ beamertitle { Kategorien begründen}\begin{ angabe }

Begründen Sie die Kategorien , die Sie im Zuge derRekodierungen bilden und interpretieren Siejeweils die Ergebnisse . Dokumentieren Siedabei auch Unterschiede , die sich durch dieVerwendung der umkodierten im Vergleich zu denursprü nglichen Variablen ergeben .


\begin{frame}\ beamertitle { Wohnortgr ößen überprüfen}Da ich die Kategorien der Wohnortsgr öße nicht ganz

nachvollziehen kann , kodiere ich so um , dass dieVariable dann annähernd gleichverteilt ist.

Dafür mache ich zuerst eine Hä ufigkeitsausz ählung mitHistogram .


27

\end{frame}

\begin{frame}\ beamertitle { Wohnortgr ößen umkodieren }Anhand der Hä ufigkeiten erstelle ich meine neue Variable .


\end{frame}

\begin{frame }[ fragile ]\ beamertitle {Hä ufigkeiten und Korrelationen }Jetzt gehe ich wieder wie oben vor.


\end{frame}

\begin{frame}\ beamertitle {Nicht Signifikant }

$\ chi ^{2}$ - Test ist mit 0 ,495 \emph{nichtSignifikant }. Das heißt wir können beigleichm äßig verteilten Kategorien nicht mehrvon einem Zusammenhang ausgehen . Die anderenWerte bestätigen das. Das bestätigt für michdie Problematik bei der Kategorienbildung .

\end{frame}

\ subsection { Korrelationsanalyse }

\begin{frame}\ beamertitle { Korrelationsanalyse }\begin{ angabe }

Untersuchen Sie den Zusammenhang zwischenEinstellung zu Politik (f1e) und Geschlecht(f68) bzw. Vertrauen in das Parlament (f61f),politische Parteien (f61l) und die Polizei(f61e) mittels Korrelationsanalyse .

\end{ angabe }Die Variablen \ enqote { Interesse an Politik } und

Geschlecht wurde schon weiter oben in Zusammenhanggesetzt .

\end{frame}

\begin{frame}\ frametitle { Vertrauen in \dots}

28

Ich gehe davon aus das es starke Korrelationen zwischenVertrauen in Partein und Vertrauen in das Parlamentgibt.

Das Skalenniveau unsere Variablen ist \emph{ ordinal }. Dierichtige Messgr öße für die Korrelation ist daher der\emph{ Spearman }- Rankorrelationskoeffizient .

\end{frame}

\begin{frame}\ beamertitle { Korrelation - Vertrauen in \dots}\ lstinputlisting [

frame=single ,firstline =70,lastline =73]{ hue 2. sps}

\begin{ center }\begin{ tabular }{l|lll}

& Polizei & Parlament & Parteien \\\hline

Polizei & 1 & 0 ,457 & 0 ,244 \\Parlament & 0 ,457 & 1 & 0 ,512 \\Parteien & 0 ,244 & 0 ,512 & 1 \\

\end{ tabular }\only <article >{\ captionof {table }{ Korrelationen -

Vertrauen in \dots }}\label{tab :}



\begin{frame}<beamer >{ Korrelationen und Rekodieren }\ tableofcontents [ currentsection , hideothersubsections ]

\end{frame}

\ subsection {Vorü berlegungen }

\begin{frame}\ beamertitle {Vorü berlegungen }\begin{ angabe }

Berechnen und interpretieren Sie den korrektenTest um zu prüfen , ob Unterschiedehinsichtlich der Erfahrungen mit esoterischenPraktiken nach Geschlecht , Bildung undOrtsgr öße bestehen .


29

\begin{frame}\ beamertitle { Skalenniveaus }\begin{ description }

\item[ esoterische Erfahrungen ] nominal( ordinalisierbar )

\item[ Geschlecht ]nominal , darf wegen dichotomieals metrisch behandelt werden .

\item[ Bildung ] nominal\item[ Ortsgr öße] ordinal

\end{ description }\end{frame}

\begin{frame}\ beamertitle { Testauswahl }\begin{ angabe }

Entscheiden Sie sich für den adä quaten Test undbegründen Sie diese Entscheidung .

\end{ angabe }Da die abhä ngigen Variablen alle nominal sind ist der

anzuwendende Test der $\chi[U+FFFD]$-Test. Die Stärke derAbhä ngigkeit wird standardisiert mit dem Cramer -Vausgegeben . (Der Signifikanz - Parameter des$\chi[U+FFFD]$-Test wird mit dem Cramer -V mit ausgegeben )Bei signifikanten Abhä ngigkeiten empfielt sich eineordinalisierung und eine Überprüfung einerKorrelation . Dafür eignet sich derSpearman - Korrelationskoeffizient .

\end{frame}% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

\ subsection { Esoterik -- Geschlecht }

\begin{frame }[ fragile ]\ beamertitle { Esoterik -- Geschlecht }\ lstinputlisting [


\end{frame}

\begin{frame}\ beamertitle { Talisman ist am stä rksten Abhängig}\begin{ center }

\begin{ tabular }{ lrr}& $\chi[U+FFFD]$-Test & Cramer -V \\\hline

Yoga & 0 ,000 & 0 ,206 \\Medidation & 0 ,000 & 0 ,255 \\Talisman & 0 ,000 & \color{red }0 ,374 \\

30

Tischerlr ücken & 0 ,000 & 0 ,179 \\Mondphasen & 0 ,000 & 0 ,316 \\alt. Medizin & 0 ,000 & 0 ,262 \\Tarot , etc. & 0 ,000 & 0 ,201 \\

\end{ tabular }\label{tab :}


\begin{frame}\ beamertitle {Daten sind abhängig}Jedes Wertepaar ist hochsignifikant von einander

abhängig. Bei Talisman zu Geschlecht ist dieAbhä ngigkeit am hö chsten . Um eine Korrelation zu überprüfen kodiere ich \ enquote { Talisman } (und gleichauch alle anderen ) zu einer ordinal SkaliertenVariable um. Danach lasse ich mir zusä tzlich denSpearman ausgeben .

\end{frame}

\begin{frame }[ fragile ]\ beamertitle { Ordinalisieren für Spearman }\ lstinputlisting [


\end{frame}

\begin{frame}\ beamertitle {Mädchen benutzen Talism änner öfter}Der Zusammenhang hat ein klein wenig abgenommen ( Cramer :

von 0 ,374 auf \ textbf {0 ,368}) und es ist einer mäßigenegative Korrelation ( Spearman : \ textbf { - -0 ,354})festzustellen . Das heißt: es besteht eine Tendenz ,dass Mädchen öfter Talism änner benutzen als Buben.

\end{frame}

% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%\ subsection { Esoterik -- Bildung }

\begin{frame }[ fragile ]\ beamertitle { Umkodieren }\ lstinputlisting [


\end{frame}

\begin{frame }[ fragile ]

31

\ beamertitle { Esoterik -- Bildung }\ lstinputlisting [


\end{frame}

\begin{frame}\ beamertitle {Abhä ngigkeit bei \ enquote {Yoga} und

\ enquote { Medidation }}\begin{ center }

\begin{ tabular }{ lrr}& $\chi[U+FFFD]$-Test & Cramer -V \\

\hlineYoga & 0 ,017 & 0 ,106 \\Medidation & 0 ,001 & 0 ,121 \\Talisman & 0 ,893 & \\Tischerlr ücken & 0 ,718 & \\Mondphasen & 0 ,414 & \\alt. Medizin & 0 ,113 & \\Tarot , etc. & 0 ,128 & \\

\end{ tabular }\label{tab :}

\end{ center }

Es gibt eine geringe Abhä ngigkeit bei Yoga undMedidation . Bei den anderen Wertepaaren gibt es keinesignifikante Abhä ngigkeit . Sprich : Man kann nichtsagen , dass das Tragen von Talism ännern mit derBildung zusammen hängt.

\end{frame}

\ subsection { Esoterik -- Ortsgr öße}

\begin{frame}\ beamertitle { Esoterik -- Ortsgr öße}Es wird wie oben vorgegangen . Bei Yoga , Talisman ,

Tischerlr ücken und Tarot gibt es signifikanteAbhä ngigkeiten . Sie sind alle sehr gering .Korrelationen mit den ordinalisierten Variablen sindnicht signifikant .

\end{frame}


\begin{frame}<beamer >{Typ , Skala , Index}\ tableofcontents [ currentsection , hideothersubsections ]

\end{frame}

32

\ subsection { Typenbildung }

\begin{frame}\ beamertitle {Typ mit politischem Interesse und Geschlecht }\begin{ angabe }

Bilden Sie folgenden Typ (und lassen Sie sichanschlie ßend eine Hä ufigkeitsausz ählungausgeben ): politisches Interesse ja/nein undGeschlecht .


\begin{frame }[ fragile ]\ beamertitle {IF OR AND =}Die Typenbildung erfolgt nach dem Schema : Wenn X ist a

oder b und Y ist c dann bilde einen Typen mit dem Wertd.

\ lstinputlisting [frame=single ,firstline =3,lastline =7,]{hue 4. sps}

\end{frame}

\begin{frame }[ fragile ]\ beamertitle {Typ überprüfen}Zur Sichheit machen wir noch eine Hä ufigkeitsausz ählung.

\ lstinputlisting [frame=single ,firstline =9,lastline =11 ,]{hue 4. sps}

\end{frame}

% %%%%%%%%%%%%%%%%%%%\ subsection {Skala: \ enquote { Politisches Interesse }}

\begin{frame}\ beamertitle { Variablen finden }\begin{ angabe }

Wählen Sie 5-8 Items aus dem Datensatz aus , dieIhrer Ansicht nach dazu geeignet sind , daspolitische Interesse der befragten Personenadäquat abzubilden .

\end{ angabe }

33

\begin{ description }\item[f1e] Wichtige Bereiche im Leben: Politik\item[f31c] Zustimmung : Welt verantwortl .

mitzugestalten\item[f31g] Zustimmung : feste poltische Ü

berzeugung\item[f56] Politikinteresse\item[f57] Sprechen Sie mit Freunden über Politik ?\item[f58] Hä ufigkeit Konsum von polit.

Nachrichten ?\end{ description }

\end{frame}

\begin{frame}\ beamertitle {Items: Richtung , Ausprä gungen }\begin{ angabe }

Achten Sie darauf , dass\begin{ itemize }

\item die Items in die gleiche Richtunggepolt sind.

\item die Spannweiten der Itemsvergleichbar sind.

\end{ itemize }Ist dies nicht der Fall , korrigieren Sie dies

durch entsprechende Umkodierungen .\end{ angabe }

\end{frame}

\begin{frame }[ fragile ]\ beamertitle { Variablen rekodieren }Ich kodiere die Variablen um.


\end{frame}

\begin{frame }[ fragile ]\ beamertitle { Reliabilit ä tsanalyse }\begin{ angabe }

Führen Sie anschlie ßend eine Reliabilit ä tsanalysedurch , um zu prüfen , ob die Items für dieSkalenbildung geeignet sind. Schlie ßen Siewenn nötig Items , die der Qualit ät derGesamtskala schaden , schrittweise aus.

\end{ angabe }

34


\end{frame}

\begin{frame }[ fragile ]\ beamertitle {Skala berechnen }Ich entscheide mich alle Variablen in der Skala zu

lassen . So verliere ich weniger Fälle und das ist mirwichtiger als einen hohen Wert.

\begin{ angabe }Bilden Sie eine Skala mittels[U+FFFD]COMPUTE[U+FFFD].

\end{ angabe }


\end{frame}

\begin{frame }[ fragile ]\ beamertitle { Mittelwert }\begin{ angabe }

Berechnen Sie den Mittelwert der Skala undinterpretieren Sie das Ergebnis .

\end{ angabe }


\end{frame}

\begin{frame}\ beamertitle { Mittelwert }\begin{ interpretation }

Der Mittelwert von 3,2 bei mö glichen Werten von1--5 dass der Mittelwert der Skala nahe demMittelwert der mö glichen Ausprä gungen ist.


% %%%%%%%%%%%%%%%%%%%\ subsection {Mit Skala testen }

35

\begin{frame}\ beamertitle {Skala nach Geschlecht und Matura testen }\begin{ angabe }

Prüfen Sie , ob sich das politische Interesse( gemeint ist hier die von Ihnen gebildeteSkala !) nach Geschlecht und bildung 2unterscheidet , indem Sie einen geeigneten( parametrischen oder nichtparametrischen ) Testauswählen.


\begin{frame}\ beamertitle { dichotom $\ rightarrow $ Pearson }Beide unabhä ngigen Variablen sind dichotom und dürfen

also wie metrisch behandelt werden . Auch eine Skaladarf wie metrisch behandelt werden . Weiters darf inallen Fällen (God knows why) von einerNormalverteilung ausgegangen werden . Also sind alleKriterien gegeben um denPearson - Korrelationkoeffizenten verwenden zu dürfen.

\end{frame}

\begin{frame }[ fragile ]\ beamertitle { negativer Zusammenhang }\ lstinputlisting [

frame=single ,firstline =38,lastline =41 ,]{hue 4. sps}

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

\end{frame}

\begin{frame}\ beamertitle {Skala nach Geschlecht und Matura testen }\begin{ angabe }

Interpretieren Sie das Ergebnis .\end{ angabe }

\begin{ interpretation }Bei Jugendlichen mit Matura steigt ist die

Wahrscheinlichkeit , dass Sie sich für Politikinteressieren größer als bei Jugendlichen diekein Matura haben. Man darf nicht vergessen ,dass hier das Alter aus dem Spiel genommenwurde. Es haben garnicht alle Jugendlichen die

36

Mö glichkeit schon maturiert zu haben. Weiterskorreliert das Alter mit der Skala auch( Pearson : 2 ,12). Das Ergebnis sagt nichtsoviel aus , wie es auf den ersten Blickscheint .


% %%%%%%%%%%%%%%%%%%%%%\ subsection {Zä hlindex }

\begin{frame}\ beamertitle {Zä hlindex bilden }\begin{ angabe }

Bilden Sie aus nachfolgenden Items einenZä hlindex um die Religiosit ät der befragtenPersonen zu messen :

\begin{ itemize }\item f38a: Religi öse Feier bei

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

\end{ itemize }\end{ angabe }

\end{frame}

\begin{frame }[ fragile ]\ beamertitle {\ enquote {ja} zählen}Alle Variablen haben vier Ausprä gungen : \ enquote {ja},

\ enquote {nein}, \ enquote {weiß nicht} und\ enquote {k.\,A.}. Ich zähle die \ enquote {ja}.


\end{frame}

\begin{frame}\ beamertitle {Fast 50\% ja}\begin{ angabe }

Interpretieren Sie das Ergebnis !\end{ angabe }

\begin{ interpretation }

37

Im Durchschnitt werden fast die Häfte allerFragen der Skala Religi ösität mit \ enquote {ja}beantrwortet .


Listing 12: anhang.tex\mode*\ section { Anhang }\ subsection {SPSS - Syntax komplet }

\ lstinputlisting [frame=single ,caption =hue 1.sps ,]{ hue 1. sps}




\ subsection {\ LaTeX - Syntax }

\ lstset { language =[ LaTeX]TeX}

\ lstinputlisting [frame=single ,caption =main. article .tex ,]{ main. article .tex}

\ lstinputlisting [frame=single ,caption =main. beamer .tex ,]{ main. beamer .tex}

\ lstinputlisting [frame=single ,caption =main.tex ,]{ main.tex}

38

\ lstinputlisting [frame=single ,caption =hue 1.tex ,]{ hue 1. tex}




\ lstinputlisting [frame=single ,caption = anhang .tex ,]{ anhang .tex}

\ lstinputlisting [frame=single ,caption = variablen .tex ,]{ variablen .tex}

\ lstinputlisting [frame=single ,caption =spss.tex ,]{ spss.tex}

Listing 13: variablen.tex\date{ Sommersemester 2011}\title{ Elementare Datenanalyse mit EDV}\ subtitle {Hausü bungen mit \LaTeX}\ author {Peter Flucher }

Listing 14: spss.tex%SPSS Definieren\ lstdefinelanguage {spss}{ morekeywords ={OR , AND , STDDEV , VARIANCE , MINIMUM , MAXIMUM , MEAN ,

MEDIAN , MODE , SKEWNESS , SESKEW , KURTOSIS , SEKURT , ANALYSIS ,VARIABLES , ELSE , INTO , thru , SCOPE , USERMISSING , ALPHA ,

39

CILEVEL ,AVALUE , TABLES , PHI , COUNT , ROW , ROUND , CELL , BY ,CHISQ , SPEARMAN , TWOTAIL , NOSIG , CTAU , PAIRWISE },

sensitive =false ,morecomment =[l]{*} ,morecomment =[s]{/*}{*/} ,morestring =[b]",}

%SPSS Einstellen\ lstset {language =spss ,breaklines ,breakatwhitespace ,basicstyle =\ small \ttfamily , % print whole listing smallkeywordstyle =\ color{red},emph ={ NONPAR , CORR , CROSSTABS , STATISTICS , DATASET , ACTIVATE ,

RECODE , EXECUTE , COMPUTE , FREQUENCIES , NPTESTS , IF ,CORRELATIONS , RELIABILITY },%hard blue

emphstyle =\ color{blue }\ bfseries ,emph ={[2] BARCHART , ORDER , ONESAMPLE , TEST , MISSING ,

CRITERIA ,TABLES , FORMAT , PRINT , CELLS , COUNT , SCALE , MODEL ,SUMMARY },%green leider ohne /

emphstyle ={[2]\ color{green }},emph ={[3] ANALYSIS , EXCLUDE , TOTAL},emphstyle ={[3]\ color{ orange }},% underlined bold black keywordsidentifierstyle =, % nothing happenscommentstyle =\ color{gray}, % white comments% morecomment =[s][\ color{green }]{/}{\ },stringstyle =\ ttfamily , % typewriter type for stringsshowstringspaces =false% no special string spaces}% settings for listings package\ lstset { extendedchars =true , [...]}% enables UTF -8 in source code:\ lstset { literate ={ä}{{\"a}}1 {ö}{{\"o}}1 {ü}{{\"u}}1 {Ä}{{\"A}}1

{Ö}{{\"O}}1 {Ü}{{\"U}}1 {ß}{\ ss }1}

40

Documents

SPSS Hausübungen mit LaTeX