SPSS, Meßniveaus, Datenmodifikationen, Multivariate ... · Multivariate Analysemethoden im Überblick ... Strukturprüfende Verfahren ... und statistische Maße lassen sich auf die

®

SPSS, Meßniveaus, Datenmodifikationen,Multivariate Analysemethoden im Überblick

27.04.2012

Sabrina Inez [email protected] für Berufsbildung,AB 2.2: „Qualifikation, berufliche Integration und Erwerbstätigkeit“

Lehrveranstaltung „Empirische Forschung und Politikberatung“Universität Bonn, SS 2012

Click t

o buy NOW!

PDF-XChange

www.docu-track.com Clic

k to buy N

OW!PDF-XChange

www.docu-track.com

mailto:[email protected]

http://www.docu-track.com/buy/


®

Inhalt

Daten und Skalen– Messung– Skalen– Variablentypen

Multivariate Analysemethoden im ÜberblickStrukturprüfende VerfahrenStrukturentdeckende VerfahrenLiteraturhinweise zu multivariaten AnalysemethodenPrüfungsfragen zu multivariaten AnalysemethodenEinführung in SPSSLiteraturhinweise zu SPSS

BIBB, Weller, AB. 2.2

Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Daten und Skalen

Messung• Messen ist die systematische Zuordnung einer Menge

von Zahlen oder Symbolen zu den Ausprägungen einerVariablen. Dabei gelten die Prinzipien der Eindeutigkeitund der Ausschließlichkeit, d. h. die Zuordnung (odergenauer: die Abbildung) soll so erfolgen, dass dieRelationen unter den Zahlenwerten den Relationen unterden Objekten entsprechen (Friedrichs, 1973).

• Empirisches und numerisches Relativ• Messung bestimmt Qualität der Daten• Daten als Grundlage multivariater Analysen


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Daten und Skalen

• „Eine „Skala ist eine homomorpheAbbildung einesempirischen Relativs in ein numerisches Relativ“(Schnell/Hill/Esser, 1999).

• Man unterscheidet Skalen mit unterschiedlichemSkalenniveau:1. Nominalskala2. Ordinalskala3. Intervallskala4. Ratioskala

• Je höher das Skalenniveau, desto größer derInformationsgehalt und desto mehr Rechenoperationenund statistische Maße lassen sich auf die Datenanwenden


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Daten und Skalen

Nominalskala

• Primitivste Grundlage des Messens• Klassifizierungen qualitativer Eigenschaftsausprägungen• Beispiele:- Geschlecht (männlich/ weiblich)- Farbe (rot- grün- blau …)- Werbemedium (TV – Zeitung – Plakattafel…)


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Daten und Skalen

Ordinalskala

• Nächsthöheres Messniveau• Erlaubt Aufstellung einer Rangordnung mit Hilfe von

Rangwerten (d.h. ordinalen Zahlen), es kann aber keineAussage über die Abstände zwischen den Objektengemacht werdenBeispiele:- Produkt A wird Produkt B vorgezogen- Herr M. ist tüchtiger als Herr B.


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Daten und Skalen

Intervallskala

• Wiederum nächsthöheres Messniveau• Gleichgroße Skalenabschnitte• Beispiel: Celsius- Skala zur Temperaturmessung


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Daten und Skalen

Ratio(Verhältnis)skala

• Höchstes Messniveau• Es liegt ein natürlicher Nullpunkt vor

Beispiele:- Physikalische Merkmale (Länge, Gewicht, Geschwindigkeit)- Viele ökonomische Merkmale (Einkommen, Kosten, Preis)

• Bei verhältnisskalierten Daten besitzen Differenz undQuotient bzw. das Verhältnis der DatenInformationsgehalt


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®BIBB, Weller, AB. 2.2

Daten und SkalenClick t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Daten und Skalen


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Variablentypen

• Dichotome Variable: Merkmal mit nur zweiAusprägungen

• Polytome Variable: Variable mit mehr als 2Ausprägungen

• Dummy Variable: binäre Variable mit denAusprägungen 0 und 1


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Variablentypen

• Grundsätzliche Arten von Variablen(auswertungstechnisch):

• numerische Variablen (Zahlen / Codes)• String Variable (Text)• alphanumerische Variable (Mischung aus Text und

Zahlen)Grundsätzliche Arten von Fragen(instrumententechnisch):• geschlossene Fragen• offene Fragen• geschlossene Fragen mit offener Kategorie• Fragen mit Mehrfachnennungen


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Multivariate Analysemethoden im Überblick

Strukturprüfende Verfahren: Ziel ist Überprüfung vonZusammenhängen zwischen Variablen. Anwenderbesitzt auf theor. Überlegungen basierende Vorstellungüber Zusammenhänge

Inhalt des Seminars:• Regressionsanalyse (multiple, logistische)Weitere Verfahren:- Nicht- lineare Regressionsanalyse- Zeitreihenanalyse- Diskriminanzanalyse- Kontingenzanalyse- Conjoint- Analyse zur Analyse von Präferenzstrukturen


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Multivariate Analysemethoden im Überblick

Strukturentdeckende Verfahren: Ziel ist Entdeckung vonZusammenhängen zwischen Variablen oder Objekten.Anwender hat zu Beginn keine Vorstellungen überBeziehungszusammenhänge

Inhalt des Seminars:• Faktorenanalyse• ClusteranalysenWeitere Verfahren:

-Multidimensionale Skalierung-Korrespondenzanalyse-Neuronale Netze


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Strukturen- prüfende VerfahrenRegressionsanalyse

• Dient der Beschreibung und Erklärung vonZusammenhängen sowie der Durchführung vonPrognosen- Ursachenanalyse: Wie stark ist Einfluss von UV auf AV?- Wirkungsprognosen: Wie verändert sich AV bei Änderung von UV?- Zeitreihenanalysen: Wie verändert sich die AV im Zeitablauf?

• Analyse von Kausalbeziehungen zwischen einermetrisch abhängigen Variablen und- einer unabhängige Variable (binäre Regression –monokausale Beziehung)-oder mehreren unabhängige Variablen (multipleRegression) mit metrischem oder nominalenSkalenniveau (mit n-1 Dummy-Variablen)


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Strukturen- prüfende Verfahren

Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Strukturen- prüfende Verfahren

Logistische Regression• Bei einer logistischen Regression ist die abhängige

Variable kategorial mit nominalem Skalenniveau– Binär logistische Regression dichotome (binäre,zweiwertige) Ausprägung der AV– Multinomiale logistische Regression bei mehr als zweiAusprägungen der AV

• Wahrscheinlichkeit der Zugehörigkeit zu einer Gruppe inAbhängigkeit von einer oder mehreren unabhängigenVariablen (nominal od. metrisch)Y = 1 => „Ereignis y tritt ein“.Y = 0 => „Ereignis y tritt nicht ein“.


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Strukturen-prüfende Verfahren

Logistische Regression

• nicht-lineares Analyseverfahren, da zur Schätzung derEintrittswahrscheinlichkeiten der Kategorien der AV aufdie (s-förmige) logistische Funktion zurückgegriffen wird.• Linking-Funktion


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Zeitreihenanalyse

Dient der Beschreibung und Erklärung der zeitlichenEntwicklung einer Variablen sowie deren Prognose

Beispiel:Analyse und Prognose der zeitlichen Entwicklung desAbsatzvolumens eines Produktes oder eines Marktes


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Varianzanalyse

Besondere Bedeutung für die Analyse von Experimenten.UV nominales, AV metrisches Skalenniveau

Beispiel:Wirkung alternativer Verpackungsgestaltungen auf dieAbsatzmenge eines Produktes


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Diskriminanzanalyse

AV nominal, UV metrischVerfahren zur Analyse von Gruppenunterschieden

Beispiel:Unterscheidung der Wähler der verschiedenen Parteienhinsichtlich soziodemografischer oder psychografischerMerkmale


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Kontingenzanalyse

Analyse von Beziehungen zwischen nominalenVariablen

Beispiel:Zusammenhang zwischen Rauchen undLungenerkrankung


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Conjoint- Analyse

Messung der Präferenzen von Probanden bzgl. AlternativerObjekte (Stimuli) auf ordinalem Skalenniveau

Beispiel:Ableitung der Nutzenbeiträge alternativer Materialien,Formen und Farben von Produkten zur Gesamtpräferenz


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Strukturentdeckende Verfahren

Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Faktorenanalyse• Findet v.a. dann Anwendung, wenn eine Vielzahl an

Variablen zu einem Themenbereich erhoben wurde undder Anwendung an eine Reduktion bzw. Bündelung derVariablen interessiert ist

• Sind erhobenen Merkmale auf wenige zentrale Faktorenzurück zu führen?

• Beispiel:- Verdichtung der technischen Eigenschaften vonKraftfahrzeugen auf wenige Dimensionen wie Größe,Leistung und Gewicht


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Clusteranalyse• Es wird eine Bündelung von Objekten angestrebt• Ziel: Objekte so zu Gruppen (Clustern)

zusammenfassen, dass Objekte in einer Gruppemöglichst ähnlich und die Gruppen untereinandermöglichst unähnlich sind

• Beispiel:- Bildung von Persönlichkeitstypen auf Basis derpsychologischen Merkmale von Personen- Bildung von Marktsegmenten aus Basisnachfragerelevanter Merkmale von Käufern


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Neuronale NetzeKlassifikation von Objekten, Prognosen von Zuständenoder Probleme der Gruppenbildung. Bildung künstlicherneuronaler Netze, die in der Lage sind komplexe Musterin vorhandenen Daten erkennen.

Beispiel: Untersuchung von Aktienkursen und möglichenEinflussfaktoren zwecks Prognose vonKursentwicklungen


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


Multidimensionale SkalierungPositionierung von Objekten im Wahrnehmungsraum.Anwendung v.a. wenn Forscher keine Kenntnisse überEigenschaften für subjektive Beurteilung von Objektenhat (z.B. Produktmarken, Einstellung zu Politikern)

Beispiel: Positionierung von konkurrierendenProduktmarken im Wahrnehmungsraum derKonsumenten


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®


KorrespondenzanalyseVisualisierung komplexer Daten (v.a. nominal skalierteVariablen).Ermöglicht Zeilen und Spalten einerZweidimensionalen Kreuztabelle graphisch in einemgemeinsamen Raum

Beispiel: Darstellung von Produktmarken undProduktmerkmalen in einem gemeinsamen Raum


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Multivariate Analysemethoden - Zusammenfassung

• Achtung! Gedankenloser Einsatz multivariater Verfahrenkann leicht zu Fehlinterpretationen führen, da einstatistischer Zusammenhang keine hinreichendeBedingung für einen kausalen Zusammenhang bildet.

• Empfehlung: Einsatz strukturen- prüfender Verfahren zurempirischen Überprüfung von Hypothesen


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Literaturhinweise

• Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.(2008): „Multivariate Analysemethoden. EineAnwendungsorientierte Einführung“. Berlin/Heidelberg:Springer, S. 5-48

• Friedrichs, J. (1973): „Methoden empirischerSozialforschung“. Reinbek bei Hamburg : Rowohlt.

• Schnell, R.; Hill, P. B.; Esser, E. (1999): „Methoden derempirischen Sozialforschung“. München [u.a.] :Oldenbourg.

• Wolf, C. (2010): „Handbuch der sozialwissenschaftlichenDatenanalyse“. Wiesbaden: VS Verlag fürSozialwissenschaften.


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Prüfungsfragen zu multivariaten Analysemethoden

Herr Kraut von der Fortschrittspartei behauptet, dass ca. 20 Jahre nach der Wiedervereinigung eineAngleichung der ost-und westdeutschen Stundenlöhne stattgefunden hat. Diese Aussage erbostFrau Marx von der Sozialen Bewegung: „Herr Kraut sollte einmal einen Statistikkurs belegen,dann könne er erkennen, dass Ostdeutsche in der Bezahlung weiterhin benachteiligt werden.“Daraufhin erfolgte umgehend der Konter von Herr Kraut: „Frau Marx sollte sich nicht vom erstenEindruck der Statistiken blenden lassen, sofern ein Lohnunterschied bestehe, sei dies daraufzurückzuführen, dass im Osten viel mehr Frauen erwerbstätig sind und diese systematisch in denLöhnen benachteiligt werden. Außerdem müsse man bei einer Betrachtung der Stundenlöhneauch den Bildungsabschluss der Erwerbsperson und die jeweilige Branche beachten“.

•Beziehen Sie anhand dieses Outputs Stellung zu den von Herrn Kraut und von Frau Maryaufgeworfenen Fragen. Beantworten Sie dabei folgende Fragen:

•Wer hat Recht in seinen Aussagen?•Wie aussagekräftig sind die verwendeten Modelle?•Welche Variablen haben einen signifikanten Einfluss auf den Stundenlohn?•Welche Variablen haben den stärksten Einfluss auf den Stundenlohn?•Gibt es signifikante Lohnunterschiede in den Branchen und wenn ja, wie lassen sich diese

interpretieren?•Sind Lohnunterschiede allein auf den beruflichen Abschluss und das Geschlecht zurückzuführen?•Wenn die Branche nicht beachtet wird, wie hoch ist dann der Stundenlohn einer Frau ohne

Berufserfahrung in Westdeutschland mit Hochschulabschluss? Und wie hoch wäre derStundenlohn, wenn diese Frau in Ostdeutschland arbeiten würde?


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Prüfungsfragen zu multivariaten AnalysemethodenDas Bruttoinlandsprodukt von Deutschland steigt nicht mehr so stark an wie in den Jahren vor

der Wende. Die Gründe hierfür liegen auf der Hand: „Die Deutschen sind zu oft krank“weiß der Minister, nur über die Ursachen der häufigen Fehlzeiten wird noch spekuliert. Sowird dem Minister einerseits geraten, dass die häufigen Fehlzeiten auf die Überalterungunserer Gesellschaft zurückzuführen seien, schließlich ist man mit steigendem Alterkrankheitsanfälliger. Gegenüber diesem Problem sei er also machtlos. Andererseits führendie Gewerkschaften die häufigen Fehlzeiten auf die schlechten Arbeitsbedingungen,insbesondere in der Industrie, zurück. Wohingegen der umstrittene Herr Provokant spitzformuliert: „Der Osten ist schuld, aufgrund ihrer Geschichte seien die Ostdeutschen faulerund würden deswegen häufiger „blau machen“.“ Frau Schwarz ist der Auffassung, dass dieHäufigen Fehlzeiten ein Männerproblem seien, schließlich seien Frauen nicht so wehleidigwie Männer. Der Minister, stets um Konsens bemüht, ist verzweifelt und beauftragt deshalbSie eine binäre logistische Regression durchzuführen. Diese führt zu folgendem PASW-18-Ergebnis:

•Was würden Sie dem Minister raten? Gehen Sie bei Ihrer Analyse insbesondere auf folgendePunkte ein:

•Lassen sich angesichts des gewählten Modells bzw. anhand der gewählten Variablensignifikante Aussagen über die Ursachen von Krankschreibungen treffen? Anhand welcherStatistiken können Sie die Güte des Modells beurteilen?

•Welche Gründe sind in diesem gewählten Modell (vollständiges Modell) ausschlaggebend füreine Krankschreibung und wie sind sie –unabhängig von der Güte des Modells -zuinterpretieren?


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Einführung in SPSS


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Einführung in SPSS

• „SPSS“ Akronym für „Statistical Package for the SocialSciences“

• Anwendungsbereich wurde im Laufe der Zeit erweitertund erstreckt sich heute auf nahezu alle Bereiche derDatenanalyse


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Die Daten• Datenanalyse mit SPSS setzt voraus, dass Daten in

Form einer Matrix angeordnet werden• Spalten der Matrix Variablen (z.B. Eigenschaften,

Merkmale, Dimensionen…)• Zeilen der Matrix Beobachtungen/ Fälle (cases)

(Personen, Objekte, Zeitpunkte)


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Die Daten

• Der Dateneditor dient der Eingabe der zuanalysierenden Daten in SPSS

• Es können neue Datensätze erstellt oder bereitsbestehende modifiziert werden

• Zeilen entsprechen Beobachtungen/Fällen, Spalten denVariablen (Merkmalen), Zellen den jeweiligenMesswerten der entsprechenden Variablen


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Einlesen einer vorhandenen Datei

• Daten im SPSS- Format:Menüpunkt: „Datei/Öffnen/Daten“

• Daten im Excel- Format:Menüpunkt: „Datei/Öffnen/Daten“im Dialogfeld „Daten öffnen“

Dateityp Excel (*.xls) wählenVerzeichnis und Namen der Excel- Datei wählen(„Testdaten.xls“)auf „öffnen“ klicken

im Dialogfeld „Öffnen einer Excel- Datenquelle“den Bereich der Datenmatrix im Tabellenblatt eingebendie Option „Variablen aus der ersten Datenzeile lesen“anklickenauf „weiter klicken


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Einfache Statistiken und Grafiken

• Statistische Methoden, die SPSS anbietet, lassen sichüber das Menü „Analysieren“ aufrufen

• Erster Schritt einer Datenanalyse beginnt in der Regelmit der Beschreibung der zentralen Variablen:

- Häufigkeitsauszählungen (für nominale Variable)- Statistiken wie Lageparameter, Streuungsparameter,Schiefe/ Kurtosis- graphische Darstellungen der Verteilung in Formeines Balkendiagramms (für nominale Variablen) odereines Histogramms (für metrische Variablen)


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Einfache Statistiken und Grafiken

• Beschreibung von Variablen:Menüpunkt „Analysieren/ Deskriptive Statistiken/Häufigkeiten“ [evtl. Option „Häufigkeitsverteilungenanzeigen“ anklicken]

• Erstellung von Diagrammen:Menü „Diagramme“ enthält vielfältigeDiagrammfunktionenzur Erstellung eines Diagramms:

Registrierkarte „Galerie“ anklickeneine Diagrammkategorie auswähleneinen Diagrammtyp auswählen durch Doppelklickauf das Bild


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Die Kommandosprache

• Syntaxdatei setzt sich aus Datendefinition undProzeduren (Datenanalyse) zusammen

• Kommandos sind nach einfachen syntaktischen Regelnaufgebaut- sie bestehen aus:Schlüsselwort, das gleichzeitig den Namen desKommandos bildetSpezifikationen, die zusätzliche Informationen enthalten

• Kommandos lassen sich unterteilen in:Kommandos zur Datendefinition (z.B. Data list, valuelabels)Prozedurkommandos (z.B. Descriptives, Regression)Hilfskommandos (z.B. Title)


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Die Kommandosprache

• Einlesen einer bereits bestehenden Syntaxdatei überden Menüpunkt „Datei/ Öffnen/ Syntax“

• Neue Syntaxdatei öffnen über den Menüpunkt„Datei/neu/Syntax“

• Ausführen einer Syntaxdatei über den Menüpunkt„Ausführen“ (es können alle Kommandos auf einmal, nurdie markierten Kommandos oder der aktuelle Befehlausgeführt werden)

• Abspeichern erfolgt über den Menüpunkt „Datei/speichern“ oder „Datei/ Speichern unter…“


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Die wichtigsten multivariaten Methoden und entsprechende SPSS- Prozeduren


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Literaturhinweise

• Brosius, F. (2004), SPSS 12, Bonn.• Bühl, A./ Zöfel, P. (2006), SPSS 14: Einführung in die

moderne Datenanalyse, 10. Auflage, München.• Janssen, J./ Laatz, W. (2007), Statistische

Datenanalyse mit SPSS, 6. Auflage, Berlin u.a..• SPSS Inc. (2007), SPSS Base 16.0 –

Benutzerhandbuch, Chicago.


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



®

Vielen Dank für die Aufmerksamkeit


Click t

o buy NOW!

PDF-XChange


k to buy N

OW!PDF-XChange

www.docu-track.com



Documents

SPSS, Meßniveaus, Datenmodifikationen, Multivariate ... · Multivariate Analysemethoden im Überblick ... Strukturprüfende Verfahren ... und statistische Maße lassen sich auf die