Janssen / Laatz Statistische Datenanalyse mit SPSS für Windows

Eine anwendungsorientierte Einführung in das Basissystem und das Modul Exakte Tests
5., neu bearbeitete und erweiterte Auflage 2005
ISBN: 978-3-540-28093-4
Verlag: Springer Berlin Heidelberg
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 758 Seiten

Reihe: Life Science and Basic Disciplines (German Language)

Die 5. Auflage basiert auf Programmversion 13. Aus Besprechungen zu den Vorauflagen:
'Im Gegensatz zur Masse der SPSS-Bücher ist dieses Werk erfreulich verständlich und anwendungsorientiert geschrieben ... Viele Screenshots und gute Beispiele erleichtern sowohl die Anwendung von SPSS als auch das Verständnis der einzelnen Verfahren ... Sowohl für Praktiker als auch anwendungsorientierte Wissenschaftler und Studenten vorbehaltlos zu empfehlen. Im Doppelpack mit den Multivariaten von Backhaus et. al. in Breite und Tiefe nicht zu toppen.' amazon.de 'Wer ... eine größere Datenmenge statistisch auswerten will ..., kann bei SPSS auf ein mächtiges und vielseitiges Programmpaket vertrauen. (...) Die richtige Einstiegshilfe bieten Janssen und Laatz an. (...) Anhand der im Internet bereitgestellten Datensätze kann der Leser die Beispiele an seinem eigenen Rechner nachvollziehen. (...) Dies ist ein kompetenter Ratgeber, der einem den Weg für ein effizientes Arbeiten mit SPSS ebnet!' Studium - Buchmagazin für Studenten

Autoren/Hrsg.

Janssen, Jürgen

Laatz, Wilfried

Inhaltsverzeichnis

1;Vorwort zur fünften Auflage;5
2;Inhaltsverzeichnis;7
3;1 Installieren von SPSS;16
3.1;1.1 Anforderungen an die Hard- und Software;16
3.2;1.2 Die Installation durchführen;16
3.3;1.3 Weitere Hinweise;17
4;2 Schneller Einstieg in SPSS;20
4.1;2.1 Die Oberfläche von SPSS für Windows;21
4.2;2.2 Einführen in die Benutzung von Menüs und Symbolleisten;24
4.3;2.3 Daten im Dateneditorfenster eingeben und definieren;32
4.4;2.4 Daten bereinigen;43
4.5;2.5 Einfache statistische Auswertungen;48
4.6;2.6 Index bilden, Daten transformieren;59
4.7;2.7 Gewichten;62
5;3 Definieren und Modifizieren einer Datendatei;64
5.1;3.1 Definieren von Variablen;64
5.2;3.2 Variablendefinitionen ändern, kopieren und übernehmen;73
5.3;3.3 Eingeben von Daten;80
5.4;3.4 Editieren der Datenmatrix;81
5.5;3.5 Dublettensuche (Doppelte Fälle ermitteln);84
5.6;3.6 Einstellungen für den Dateneditor;87
5.7;3.7 Drucken, Speichern, Öffnen, Schließen einer Datendatei;88
6;4 Arbeiten im Ausgabe- und Syntaxfenster;92
6.1;4.1 Arbeiten mit dem Viewer;92
6.2;4.2 Arbeiten im Syntaxfenster;100
7;5 Transformieren von Daten;106
7.1;5.1 Berechnen neuer Variablen;106
7.2;5.2 Verwenden von Bedingungsausdrücken;125
7.3;5.3 Umkodieren von Werten;127
7.4;5.4 Klassifizieren und Kategorisieren von Daten (Bereichseinteiler);130
7.5;5.5 Zählen des Auftretens bestimmter Werte;135
7.6;5.6 Transformieren in Rangwerte;137
7.7;5.7 Automatisches Umkodieren;142
7.8;5.8 Transformieren von Datums- und Uhrzeitvariablen;143
7.9;5.9 Transformieren von Zeitreihendaten;148
7.10;5.10 Offene Transformationen;157
8;6 Daten mit anderen Programmen austauschen;158
8.1;6.1 Übernehmen von Daten aus Fremddateien;159
8.2;6.2 Daten in externe Formate ausgeben;178
9;7 Transformieren von Dateien;182
9.1;7.1 Daten sortieren, transponieren und umstrukturieren;182
9.2;7.2 Zusammenfügen von Dateien;189
9.3;7.3 Gewichten von Daten;198
9.4;7.4 Aufteilen von Dateien und Verarbeiten von Teilmengen der Fälle;198
9.5;7.5 Erstellen einer Datei mit aggregierten Variablen;205
10;8 Häufigkeiten, deskriptive Statistiken und Verhältnis;212
10.1;8.1 Überblick über die Menüs „Deskriptive Statistiken“, „Berichte“ und „ Mehrfachantworten“;212
10.2;8.2 Durchführen einer Häufigkeitsauszählung;213
10.3;8.3 Statistische Maßzahlen;218
10.4;8.4 Bestimmen von Konfidenzintervallen;228
10.5;8.5 Das Menü „Deskriptive Statistiken“;233
10.6;8.6 Das Menü „Verhältnis“;236
11;9 Explorative Datenanalyse;240
11.1;9.1 Robuste Lageparameter;240
11.2;9.2 Grafische Darstellung von Daten;247
11.3;9.3 Überprüfen von Verteilungsannahmen;251
12;10 Kreuztabellen und Zusammenhangsmaße;260
12.1;10.1 Erstellen einer Kreuztabelle;260
12.2;10.2 Kreuztabellen mit gewichteten Daten;267
12.3;10.3 Der Chi-Quadrat-Unabhängigkeitstest;269
12.4;10.4 Zusammenhangsmaße;275
13;11 Fälle auflisten und Berichte erstellen;300
13.1;11.1 Erstellen eines OLAP-Würfels;301
13.2;11.2 Das Menü „Fälle zusammenfassen“;303
13.3;11.3 Erstellen von Berichten in Zeilen oder Spalten;307
14;12 Analysieren von Mehrfachantworten;326
14.1;12.1 Definieren eines Mehrfachantworten-Sets (Multiple Kategorien- Set);327
14.2;12.2 Erstellen einer Häufigkeitstabelle für einen multiplen Kategorien- Set;328
14.3;12.3 Erstellen einer Häufigkeitstabelle für einen multiple Dichotomien- Set;331
14.4;12.4 Kreuztabellen für Mehrfachantworten-Sets;333
14.5;12.5 Speichern eines Mehrfachantworten-Sets;337
15;13 Mittelwertvergleiche und t-Tests;338
15.1;13.1 Überblick über die Menüs „Mittelwerte vergleichen“ und „ Allgemein lineares Modell“;338
15.2;13.2 Das Menü „Mittelwerte“;339
15.3;13.3 Theoretische Grundlagen von Signifikanztests;343
15.4;13.4 T-Tests für Mittelwertdifferenzen;350
16;14 Einfaktorielle Varianzanalyse (ANOVA);362
16.1;14.1 Theoretische Grundlagen;363
16.2;14.2 ANOVA in der praktischen Anwendung;367
16.3;14.3 Multiple Vergleiche (Schaltfläche „Post Hoc“);370
16.4;14.4 Kontraste zwischen a priori definierten Gruppen (Schaltfläche „Kontraste“);377
17;15 Mehr-Weg-Varianzanalyse;382
17.1;15.1 Faktorielle Designs mit gleicher Zellhäufigkeit;383
17.2;15.2 Faktorielle Designs mit ungleicher Zellhäufigkeit;390
17.3;15.3 Mehrfachvergleiche zwischen Gruppen;396
18;16 Korrelation und Distanzen;402
18.1;16.1 Bivariate Korrelation;402
18.2;16.2 Partielle Korrelation;409
18.3;16.3 Distanz- und Ähnlichkeitsmaße;411
19;17 Lineare Regressionsanalyse;420
19.1;17.1 Theoretische Grundlagen;420
19.2;17.2 Praktische Anwendung;429
19.3;17.3 Verwenden von Dummy-Variablen;453
19.4;17.4 Prüfen auf Verletzung von Modellbedingungen;455
20;18 Modelle zur Kurvenanpassung;460
20.1;18.1 Modelltypen und Kurvenformen;460
20.2;18.2 Modelle schätzen;461
21;19 Clusteranalyse;466
21.1;19.1 Theoretische Grundlagen;466
21.2;19.2 Praktische Anwendung;475
22;20 Diskriminanzanalyse;494
22.1;20.1 Theoretische Grundlagen;494
22.2;20.2 Praktische Anwendung;499
23;21 Faktorenanalyse;512
23.1;21.1 Theoretische Grundlagen;512
23.2;21.2 Anwendungsbeispiel für eine orthogonale Lösung;514
23.3;21.3 Anwendungsbeispiel für eine oblique (schiefwinklige) Lösung;531
23.4;21.4 Ergänzende Hinweise;534
24;22 Nichtparametrische Tests;540
24.1;22.1 Einführung und Überblick;540
24.2;22.2 Tests für eine Stichprobe;542
24.3;22.3 Tests für 2 unabhängige Stichproben;552
24.4;22.4 Tests für k unabhängige Stichproben;560
24.5;22.5 Tests für 2 verbundene Stichproben;564
24.6;22.6 Tests für k verbundene Stichproben;571
25;23 Reliabilitätsanalyse;576
25.1;23.1 Konstruieren einer Likert-Skala: Itemanalyse;577
25.2;23.2 Reliabilität der Gesamtskala;580
26;24 Multidimensionale Skalierung;584
26.1;24.1 Theoretische Grundlagen;584
26.2;24.2 Praktische Anwendung;587
27;25 Interaktive Grafiken erzeugen und gestalten;598
27.1;25.1 Interaktive Grafiken erzeugen;599
27.2;25.2 Interaktive Grafiken verändern und gestalten;606
28;26 Herkömmliche Grafiken erzeugen;624
28.1;26.1 Einführung und Überblick;624
28.2;26.2 Balkendiagramme erzeugen;625
28.3;26.3 3D-Balkendiagramm erzeugen;633
28.4;26.4 Liniendiagramme erzeugen;637
28.5;26.5 Flächendiagramme erzeugen;640
28.6;26.6 Kreisdiagramme erzeugen;642
28.7;26.7 Hoch-Tief-Diagramme erzeugen;643
28.8;26.8 Pareto-Diagramme erzeugen;654
28.9;26.9 Regelkarten-Diagramme erzeugen;659
28.10;26.10 Boxplot-Diagramme erzeugen;668
28.11;26.11 Fehlerbalkendiagramme erzeugen;671
28.12;26.12 Populationspyramiden erzeugen;674
28.13;26.13 Streu-/Punktdiagramme erzeugen;675
28.14;26.14 Histogramme erzeugen;680
28.15;26.15 P-P- und Q-Q-Diagramme erzeugen;681
28.16;26.16 Sequenzdiagramme erzeugen;684
28.17;26.17 ROC-Kurve erzeugen;686
28.18;26.18 Autokorrelations- und Kreuzkorrelationsdiagramme erzeugen;690
29;27 Layout herkömmlicher Grafiken gestalten;696
29.1;27.1 Grundlagen der Grafikgestaltung im Diagramm-Editor;696
29.2;27.2 Beispiele zur Layoutgestaltung;704
30;28 Verschiedenes;718
30.1;28.1 Drucken;718
30.2;28.2 Das Menü „Extras“;719
30.3;28.3 Datendatei-Informationen;722
30.4;28.4 Verwenden von Skripts und Autoskripts;723
30.5;28.5 Ausgabeverwaltungssystem (OMS);726
30.6;28.6 Anpassen von Menüs und Symbolleisten;727
30.7;28.7 Ändern der Arbeitsumgebung im Menü „Optionen“;731
30.8;28.8 Verwenden des Produktionsmodus;740
30.9;28.9 Arbeiten mit großen Dateien;742
30.10;28.10 Zum Scrollen und Markieren in den Auswahllisten;744
30.11;28.11 SPSS-Ausgaben in andere Anwendungen übernehmen;744
31;29 Exakte Tests;750
32;Anhang A;756
33;Anhang B;757
34;Literaturverzeichnis;758
35;Sachverzeichnis;760

Leseproben

14 Einfaktorielle Varianzanalyse (ANOVA) (S. 347-348)

Während der t-Test geeignet ist, zwei Mittelwerte zu vergleichen und ihre evtl. Differenz auf Signifikanz zu prüfen, können mit der Varianzanalyse mehrere Mittelwerte zugleich untersucht werden. Die Varianzanalyse hat dabei zwei Zielsetzungen:

Sie dient der Überprüfung der Signifikanz des Unterschiedes von Mittelwertdifferenzen. Sie zeigt dabei auf, ob mindestens ein Unterschied zwischen multiplen Vergleichsgruppen signifikant ausfällt. Darüber, um welchen oder welche es sich handelt, ermöglicht sie keine Aussage. Als Signifikanztest wird der F-Test verwendet.
Sie dient zur Ermittlung des von einer oder mehreren unabhängigen Variablen erklärten Anteils der Gesamtvarianz.

Voraussetzungen für die Varianzanalyse sind:

Eine auf Intervallskalenniveau oder höher gemessene abhängige Variable, auch als Kriteriumsvariable bezeichnet.
Normalverteilung der Kriteriumsvariablen in der Grundgesamtheit.
Mindestens eine unabhängige Variable, die eine Aufteilung in Gruppen ermöglicht.

Diese Variable wird auch als Faktor bezeichnet. Es reicht dazu eine auf Nominalskalenniveau gemessene Variable. Auch metrische Variablen können Verwendung finden. Aber bei kontinuierlichen oder quasi kontinuierlichen Variablen müssen geeignete Klassen gebildet werden. Sie werden danach wie kategoriale Variablen verwendet.

Die Vergleichsgruppen müssen unabhängige Zufallsstichproben sein.
Die Vergleichsgruppen sollten in etwa gleiche Varianzen haben.

Die einfaktorielle (Ein-Weg) Varianzanalyse berücksichtigt lediglich einen Faktor. Die multifaktorielle (Mehr-Weg) Varianzanalyse dagegen n Faktoren. SPSS bietet im Menü „Mittelwerte vergleichen" sowohl im Untermenü „Mittelwerte" (als Option) als auch im Untermenü „Einfaktorielle ANOVA" eine Ein- Weg-Varianzanalyse an. Auch das Menü „Univariat", das einzige Untermenü des Menüs "Allgemeines lineares Modell" im Basismodul, das für Mehr-Weg-Analysen gedacht ist, kann für Ein-Weg-Analysen verwendet werden. Allerdings ist „Einfaktorielle ANOVA" etwas einfacher aufgebaut und bietet etwas andere Features zur Prüfung der Signifikanz von Einzeldifferenzen zwischen Gruppen und zur Prüfung verschiedener Gleichungsformen zur Varianzerklärung, die in den anderen Prozeduren entweder nicht oder (Univariat) in etwas eingeschränkter Form zur Verfügung stehen. In diesem Kapitel wird auf die Anwendung von „Einfaktorielle ANOVA" eingegangen.

14.1 Theoretische Grundlagen

Varianzzerlegung. Die Grundgedanken der Varianzanalyse sollen zunächst an einem fiktiven Beispiel mit wenigen Fällen dargestellt werden, das später mit realen Zahlen ausgebaut wird. Es sei das Einkommen von 15 Personen untersucht. Die Daten sind so konstruiert, dass die 15 Personen ein mittleres Einkommen von x T = 2.500 DM haben (Index T für total). Die Einkommenswerte für die einzelnen Personen streuen um diesen Mittelwert. Die Streuung wird von der Variablen Schulbildung – auch als Faktor bezeichnet – beeinflusst: Personen mit mittlerer Reife (Index M) erhalten das Durchschnittseinkommen, Abiturienten (Index A) erhalten dagegen einen Zuschlag von DM 500, Hauptschulabsolventen (Index H) einen Abschlag derselben Größe. Innerhalb der Schulbildungsgruppen schwanken aufgrund nicht näher bestimmter Ursachen die Einkommen und zwar so, dass eine der fünf Personen genau das mittlere Einkommen der Gruppe verdient, zwei verdienen 100 bzw. 200 DM mehr als der Durchschnitt, zwei 100 bzw. 200 DM weniger. Tabelle 14.1 enthält die Daten der so konstruierten Fälle, bereits eingeteilt in die Gruppen des Faktors Schulbildung. In der Tabelle werden mit x auch die Durchschnittseinkommen der Personen einer jeden Schulbildungsgruppe ausgewiesen.