Einführung in Statistik und SPSS

1. Einführung in Statistik und SPSS LVA Human Factors (SS 04) 23.03.2004 Mag. Katharina Mallich

2. Grundlegendes • SPSS: Statistical Package for the Social Sciences • Programm zur statistischen Datenanalyse • hier verwendet: SPSS 10 (deutsch) • Einloggen an den Uni-PCs (z.B. im NIG) • Berechnungen auch im Excel möglich • Literatur: • Ponocny-Seliger, E. & Ponocny, I. (2001). Statistik for You. Skriptum erhältlich im NIG-Shop. • Bühl, A. & Zöfel, P. (2000). SPSS. Einführung in die moderne Datenanalyse unter Windows. München: Addison-Wesley. Einführung in Statistik und SPSS

3. Anlegen eines Datenfiles Leere Datenmaske: Spalten (= Variablen) und Zeilen (= Untersuchungspersonen) Einführung in Statistik und SPSS

4. Anlegen eines Datenfiles • für jede Variable muss ein Name und ein Typ definiert werden • Name: Doppelklicken auf „var“ (man gelangt zur Variablenansicht) und unter Name den Variablennamen eingeben, z.B. „fb_nr“ (max. 8 Zeichen, keine Sonderzeichen) • Typ: handelt es sich um Zahlen („numerisch“), Wörter („string“) oder anderes? Einführung in Statistik und SPSS

5. Datenmaske: Variablenansicht Einführung in Statistik und SPSS

6. Datenmaske: Variablenansicht • Wertelabels:z.B. Schulbildung • Variablenlabel:Benennung der Variablen, z.B. Name „fb_nr“  Variablenlabel „Fragebogennummer“ • Dezimalstellen, Spaltenformat, ... • Daten eingeben (z.B. auf einer Skala von 1 bis 5) Einführung in Statistik und SPSS

7. Datenmaske: Datenansicht Gruppe: z.B. 1 = Nutzung von sms 2 = keine Nutzung von sms Einführung in Statistik und SPSS

8. Speichern • Datenfile speichern unter „Datei“  „Speichern unter“:daten.sav • Berechungen speichern unter:output01.spo • Syntax wird gespeichert unter:syntax01.sps Einführung in Statistik und SPSS

9. Erste Berechnungen und Hinweise Datenmodifikation: • Berechnen einer neuen Variablez.B. Mittelwert einer SkalaSPSS: unter „Transformieren“  „Berechnen“ anklicken, neue Zielvariable benennen, s.u. • Umkodierenvon Variablen:SPSS: „Trans-formieren“ „Umkodieren“ „in andereVariablen“ Einführung in Statistik und SPSS

10. Datenansicht Einführung in Statistik und SPSS

11. Datenselektion: Fälle auswählenwenn z.B. Unterschiede in der „Performance“ der Gesamtstichprobe auftreten und man wissen will, ob die Unterschiede auch „nur“ in der männlichen oder weiblichen Stichprobe vorhanden sind.SPSS:„Daten“ „Fälle auswählen“ „Falls Bedingungzutrifft“  „Falls“... „weiter“  „ok“ Erste Berechnungen und Hinweise Einführung in Statistik und SPSS

12. Datenselektion: Fälle auswählen Ausgewählt wurde „Geschlecht (sex) = 1 (männlich). Nun erfolgen sämtliche Berechnungen nur für die Männer. Will man wieder mit der Gesamtstichprobe rechnen: SPSS: „Daten“ „Fälle auswählen“ „Alle Fälle“  „ok“ Erste Berechnungen und Hinweise Einführung in Statistik und SPSS

13. Skalenniveau Nominalskala: bestehendenNamen werden Messwerte zugeordnet, keine Rangfolge, nicht vergleichbar, z.B. Geschlecht (männlich = 1, weiblich = 2), Schulbildung, ... Ordinal-/ Rangskala: Information über eine Rangordnung ist gegeben, d.h. je größer ein Wert desto ausgeprägter die Eigenschaft, z.B. Rauchverhalten (1 = Nicht-Raucher, 2 = mäßiger Raucher, 3 = starker Raucher), Windstärke, ... Intervallskala: neben Ranginformation auch Informationen über Messwertdifferenzen, gleiche numerische Differenzen bedeuten gleiche inhaltliche Differenzen, z.B. Reaktionszeiten, Testscores, Temperatur, ... Verhältnisskala: die Messwerte erlauben Verhältnisangaben (A ist doppelt so groß wie B), z.B. Längenangaben, Gewicht, ... Voraussetzungen f. d. Anwendung statistischer Tests Einführung in Statistik und SPSS

14. Voraussetzungen f. d. Anwendung statistischer Tests Normalverteilung (bei intervallskalierten Variablen): macht Aussagen über die Verteilung der Messwerte, z.B. symmetrisch, links-,rechtsschief, bimodal, etc. SPSS: „Grafiken“  „Histogramm“  „Normalverteilungskurve“ bzw. Kolmogorov-Smirnof-Test: „Analysieren“  „Nichtparametrische Tests“  „K-S bei einer Stichprobe“  Testverteilung „normal“. Ergebnis: Asymptotische Signifikanz (2-seitig) muss > .05 sein. Einführung in Statistik und SPSS

15. Voraussetzungen f. d. Anwendung statistischer Tests Abhängigkeit bzw. Unabhängigkeit von Stichproben: • abhängig (gepaart):wenn jedem Wert der einen Stichprobe eindeutig und sinnvoll ein Wert einer anderen Stichprobe zugeordnet werden kann, z.B. Messung zu mehreren Zeitpunkten (Computerkenntnisse vor und nach einer Schulung) • unabhängig:wenn keine Zuordnungen möglich sind, z.B. einmalige Testung mehrerer Versuchspersonen (Vp) Einführung in Statistik und SPSS

16. Übersicht über gängige Mittelwertstests Intervallskalierte, normalverteilte Variablen Ordinalskalierte oder nicht normalverteilte intervallskalierte Variablen Einführung in Statistik und SPSS

17. Deskriptivstatistiken • dienen der beschreibenden Darstellung der Variablen • z.B. Häufigkeitstabellen, statische Kennwerte (M, SD, ...), grafische Darstellungen, Kreuztabellen (bei > 2 Variablen) • SPSS: „Analysieren“  „Deskriptive Statistiken“  „Häufigkeiten“: ... Einführung in Statistik und SPSS

18. Analytische Statistik • Signifikanztests: dienen der Untersuchung, ob signifikante Unterschiede zwischen 2 Stichproben/ Gruppen/Messzeit-punkten/ etc. bestehen. • Wann ist ein Unterschied signifikant?Wenn die Irrtumswahrscheinlichkeit p≤ .05 ist.p > .05 nicht signifikant p ≤ .05 signifikantp ≤ .01 hoch signifikant p ≤ .001 höchst signifikant • Hypothesen können ein- oder zweiseitig formuliert sein:einseitig:Junge Vpn erreichen eine höhere Performance als ältere. • zweiseitig: Es bestehen Unterschiede in der Performance zwischen jungen und alten Vpn. Einführung in Statistik und SPSS

19. Analytische Statistik - Mittelwertvergleiche VARIANZANALYSEN: • einfaktoriell: eine uV, mehrere aVs • univariat: mehrere uVs, eine aV • multivariat: mehrere uVs, mehrere aVs • mit Messwiederholungen: mehrere Messzeitpunkte ... Übungsbeispiel- Univariate Varianzanalyse: Untersucht wird der Einfluss von Alter (uV) und Geschlecht (uV) auf den Ausgangswert M1 eines Merkfähigkeitstests (aV). SPSS: „Analysieren“  „Allgemeines Lineares Modell“  „Univariat“ Einführung in Statistik und SPSS

20. Analytische Statistik - Mittelwertvergleiche Einführung in Statistik und SPSS

21. M1 eintragen als abhängige Variable, Alter und Geschlecht als uVs (Faktoren). Unter „Optionen“: Analytische Statistik - Mittelwertvergleiche Einführung in Statistik und SPSS

22. Analytische Statistik - Mittelwertvergleiche Nach dem Start der Berechnungen erscheint der Output. hier: Deskriptives. Einführung in Statistik und SPSS

23. Analytische Statistik - Mittelwertvergleiche Output: Prüfung auf Signifikanz Ergebnis: Es besteht ein höchst signifikanter Einfluss des Alters auf die Merkleistung: F2,21 = 29.80, p ≤ .001. Keinen Effekt üben Geschlecht F1,21 = .10, p = .76 und die Wechsel- wirkung Alter * Geschlecht F2,21 = .51, p = .61 auf M1 aus. Einführung in Statistik und SPSS

24. Analytische Statistik - Mittelwertvergleiche Die „geschätzten Randmittel“ helfen bei der Interpretation! • Geschlecht: keinenennenswerten Mittel-wertunterschiede, daja nicht signifikant. • Alter: Je älter dieProbanden sind, desto geringer ihre Werte bei der Merkfähigkeit. Besonders wenig Punkte erreichten die über 50-Jährigen. Das Alter spielt somit eine entscheidende Rolle bei der Merkfähigkeit! Einführung in Statistik und SPSS

25. Analytische Statistik - Mittelwertvergleiche Übungsbeispiel- univariate ANOVA mit Messwiederholungen: Untersucht wird, ob im Laufe von 4 Testzeitpunkten (uV, MH-Faktoren) Veränderungen im Merkfähigkeitstest (aV) auftreten. SPSS: „Analysieren“  „Allgemeines Lineares Modell“  „Messwiederholungen“. Es erscheint ein Fenster, in dem man die Faktoren definieren kann:  „hinzufügen“ Einführung in Statistik und SPSS

26. Analytische Statistik - Mittelwertvergleiche Die 4 MW-Variablen ins Feld „Innersubjektfaktoren“ klicken, Alter und Geschlecht zu den Zwischensubjektfaktoren (uVs). Einführung in Statistik und SPSS

27. Analytische Statistik - Mittelwertvergleiche Unter „Optionen“: Es können auch Post-Hoc- Tests (z.B. Bonferroni) durchgeführt werden. danach: Starten der Berechnungen Einführung in Statistik und SPSS

28. Analytische Statistik - Mittelwertvergleiche Output: • Deskriptive Statistiken(wie bei univariater ANOVA) sowie füralle Messzeitpunktegetrennt nach Alterund Geschlecht: • Signifikanzprüfung:siehe „multivariateTests“ (nächste Folie) Einführung in Statistik und SPSS

29. Analytische Statistik - Mittelwertvergleiche Einführung in Statistik und SPSS

30. Analytische Statistik - Mittelwertvergleiche Ergebnis:Pillai Spur betrachten  Der Faktor ZEIT hat einen höchst signifikanten Einfluss auf die Merkfähigkeit (F3,19 = 133.37, p ≤ .001). Wechselwirkungen der ZEIT mit Alter (F6,40 = 1.15, p = .36) oder Geschlecht der Vpn (F3,19 = .75, p = .54) bestehen keine. Die „Tests der Zwischensubjekt- effekte“ zeigen mögliche Haupteffekte auf (hier: wie vorhin das Alter). Einführung in Statistik und SPSS

31. Analytische Statistik - Mittelwertvergleiche Die „geschätzten Randmittel“ verdeutlichen einen Anstieg der Merkfähigkeit zu jedem der 4 Testzeitpunkte. Die besten Ergebnisse werden beim 4. Zeitpunkt erreicht. Möglicherweise findet eine Schulung statt, auf welche diese Unterschiede zurück- zuführen sind. Einführung in Statistik und SPSS

32. Analytische Statistik - Zusammenhänge Neben Mittelwertsvergleichen können auch Zusammen-hänge untersucht werden. • Korrelationen: z.B. Besteht ein Zusammenhang zwischen der PC-Nutzung und Rückenschmerzen?SPSS: „Analysieren“  „Korrelation“  „Bivariat“Die Stärke eines Zusammenhang sagt aber nichts über die Kausalität aus!! • Regressionsanalyse: soll die Art eines Zusammenhang aufdecken, es soll eine aV aus den Werten einer/ mehrerer uVs vorhergesagt werden SPSS: „Analysieren“  „Regression“  „Linear“ Einführung in Statistik und SPSS

33. Analytische Statistik - Hinweis • Bei t-Tests und Regressionsanalysen heißen die Prüfgrößen „t“ (nicht „F“ wie bei den ANOVAs). Auch hierbei muss wieder geschaut werden, ob „t“ signifikant ist („Sig.“ oder „Signifikanz“). • Neben den bisherigen Analysen gibt es noch eine Menge weiterer komplexer statistischer Verfahren wie Diskriminanz-, Faktoren- oder Clusteranalysen und verschiedene Zusatzmodule. Viel Erfolg bei Euren Auswertungen !!! Einführung in Statistik und SPSS