210 likes | 338 Views
SoSe 06, Statistik mit SPSS 29-06-06. Überblick Mehrfeldertabellen. Mehrfeldertabelle und Zusammenhangsmaße für nominale Daten Mehrfeldertabelle und Zusammenhangsmaße für ordinale Daten Metrische Daten in der Kreuztabelle. 1. Mehrfeldertabellen, nominale Daten.
E N D
SoSe 06, Statistik mit SPSS 29-06-06
Überblick Mehrfeldertabellen • Mehrfeldertabelle und Zusammenhangsmaße für nominale Daten • Mehrfeldertabelle und Zusammenhangsmaße für ordinale Daten • Metrische Daten in der Kreuztabelle
1. Mehrfeldertabellen, nominale Daten ********Beispiel 1: Kreuztabelle: recall x konfession. ***Rekodierung. recode s03 (1=1) (2,3=2) (6=0) into konfession. val lab konfession 1 'katholisch' 2 'evangelisch' 0 'konfessionslos'. var lab konfession 'Konfessionszugehörigkeit'. fre konfession recall. cro recall by konfession /cells col.
Zusammenhangsmaße für nominale Daten • Zwei Arten von Zusammenhangsmaßen für nominale sind in SPSS verfügbar: • Symmetrische Maße: Phi, Cramer‘s V und Kontigenzkoeffizient (basieren auf dem Chisq – Konzept) • Richtungsmaße: Lambda, Unsicherheitskoeffizient und Goodman und Kruskals Tau (basieren auf dem Konzept der proportionalen Fehlerreduktion)
Zusammenhangsmaße für nominale Daten ********Beispiel 1: Kreuztabelle: recall x konfession. cro recall by konfession /cells col /stat phi lambda cc uc. Berechnet folgende Zusammenhangsmaße: Phi, Cramer‘s V (phi) Lambda, Tau (lambda) Kontingenzkoeffizient (cc) Unsicherheitskoeffizient (uc)
Symmetrische Maße Symmetrisches Zusammenhangsmaß, Interpretation von Cramer‘s V erfolgt analog zu Phi, d.h. Cramers‘ V = 2,18 = mittlerer Zusammenhang Bei einer Irrtumwahrscheinlichkeit von <= 5% (p<=0,05) wird die Nullhypothese abgelehnt
Richtungsmaße Interpretation von Lambda: Bei Kenntnis der Konfessionszugehörigkeit lässt sich die Wahlabsicht mit einer um 6,9% geringeren Fehlerquote vorhersagen als ohne Kenntnis der Konfessionszugehörigkeit
Besispiel 2: Kreuztabelle recall x geschlecht ****Beispiel 2: Kreuztabelle mit nominalen Daten: recall x geschlecht. cro recall by geschlecht /cells col sresid /stat chiq. Standardisierte Residuen Berechnet dem Chiquadrat-Test
recall x geschlecht, Standardisierte Residuen Standardisierte Residuen: <= -2 bzw. >= +2. Die standardisierten Residuen für die CDU- Wahl deuten auf über-zufällige Abweichungen von bei Unabhängigkeit erwarteten Werten hin.
2. Mehrfeldertabellen für ordinale Daten ****Beispiel 3: Kreuztabelle mit ordinalen Daten: Schulbildung x Politisches Interesse. ****Rekodierung. fre s05. recode s05 (2,3=1) (4=2) (5,6=3) into schule. var lab schule 'Schulbildung, dreistufig'. val lab schule 1 'wenig Schulbildung' 2 'mittlere Schulbildung' 3 'hohe Schulbildung'. fre schule f005. cro f005 by schule /cells col.
Zusammenhangsmaße für ordinale Daten • Folgende Zusammenhangsmaßen für ordinale sind in SPSS verfügbar: • Symmetrische Maße: Gamma, Tau B, Tau C • Richtungsmaß: Somers‘ d
Zusammenhangsmaße für ordinale Daten ****Beispiel 3: Kreuztabelle mit ordinalen Daten: Schulbildung x Politisches Interesse. Berechnet folgende Zusammen- hangsmaße: Gamma (gamma) Somer‘s D (d) btau (btau) cro f005 by schule /cells col /stat gamma d btau.
Richtungsmaße Interpretation: Es besteht eine positive Beziehung, d.h. je höher die Schulbildung ist, desto stärker ist das politische Interesse. Die Koeffizienten sind bei einer Irrtumswahrscheinlichkeit von 5% signifikant.
3. Kreuztabelle und Korrelationskoeffizient für metrische Daten ****Beispiel 4: Kreuztabelle mit metrischen Daten: Sympathie Merkel x Links- Rechts-Selbsteinstufung. Berechnet Spearman‘s Rankorrelation (eig. für ordinale Daten) und Pearson‘s r. cro f030 by f029_1 /cells col /stat corr.
Sympathie Merkel x Links-Rechts-Selbsteinstufung Bei vielen Ausprägungen der Variablen wird die Kreuztabelle schnell unübersichtlich.
Symmetrische Maße Interpretation: Es besteht eine mittelstarke negative Beziehung, d.h. je rechter die ideologische Selbsteinstufung, desto negativer die Bewertung von Schröder (bzw. umgekehrt). Die Koeffizienten sind bei einer Irrtumswahrscheinlichkeit von 5% signifikant.
Symmetrische Maße • Faustregeln für Korrelationen bei sozialwiss. Datenanalysen • <= 0,05 zu vernachlässigen • > 0,05 und < 0,2 gering • > 0,2 und < 0,5 mittel • > 0,5 und < 0,7 hoch >= 0,7 sehr hoch • Werte gelten für den positiven und negativen Bereich