1. No category

POCKETCARD
SPSS
www.vsstoe.at
Kleine Begriffssammlung
Variablen-Ansicht
Graphen, Diagramme
Name: Name der Variable in SPSS
Label: Bedeutung der Variable
Werte: Werte, die eine Variable annehmen kann (mit
dazugehörigen Labels)
Fehlende Werte: Werte einer Variable, die bei Berechnungen ignoriert werden sollen
Wenn mehr als drei einzelne Werte missing values
sein sollen, geht das in SPSS nur über: Bereich plus 1
Einzelwert (zB 0, 25-99), notfalls muss die Variable
umkodiert werden.
Skalenniveau:
Nominal: diskret, ohne Rangordnung (z.B. ja-nein)
Ordinal: diskret, mit Rangordnung (z.B. trifft starketwas-wenig-nicht zu)
Scale/ Metrisch: stetig (durchgehend), mit proportionalen Intervallen (z.B. Alter)
Daten-Ansicht
Fälle sortieren: rechter Mausklick auf den Namen der
Variablen-Spalte, deren Werte sortiert werden sollen
>> aufsteigend bzw. absteigend sortieren
Value Labels anzeigen: Icon mit Etikett anklicken
Optionen
Bearbeiten >> Optionen
in Variablenlisten sollen die Namen, nicht Labels einer Variable stehen: Allgemein >> Variablenlisten
Die Commands (Syntax-Befehle) sollen automatisch
beim Output dabei sein: Viewer >> links unten anhakeln
In den Output-Tabellen und -Graphen sollen Name
und Label der Variablen und ihrer Werte stehen:
Output-Labels >> überall Namen/ Werte und Labels
auswählen
Einfaches Balkendiagramm:
Graphiken >> Veraltete Dialogfelder >> Balken... >>
einfach >> VARIABLE in Kategorienachse, Balken repräsentieren N oder %
Gruppiertes Balkendiagramm:
Graphiken >> Veraltete Dialogfelder >> Balken... >>
gruppiert >> ABH.VAR in Kategorienachse, UNABH.
VAR in Gruppierung, Balken repräsentieren N oder %
Vergleich von z.B. Mittelwerten:
Graphiken >> Veraltete Dialogfelder >> Balken... >>
einfach >> UNABH.VAR in Kategorienachse, Balken
repräsentieren „andere Statistik“ >> ABH.VAR in
Variablenfeld >> Statistik ändern: auswählen (zB
Mittelwert)
Liniendiagramm: analog zum Balkendiagramm (nur
bei metrischen Variablen sinnvoll)
Streudiagramm:
Graphiken >> Veraltete Dialogfelder >> Streu-/
Punkte... >> einfach >> ABH.VAR in Y-Achse, UNABH.
VAR in X-Achse
Streudiagramm mit unterschiedlichen Farben: >>
Markierung festlegen (zB Geschlecht)
Regressionslinie im Streudiagramm:
Doppelklick auf Diagramm >> Diagramm-Editor >>
Icon „Anpassungslinie gesamt“ anklicken
Boxplot (Box-and-Whiskers Diagramm):
Graphiken >> Veraltete Dialogfelder >> Boxplot >>
einfach >> ABH.VAR in Variable, UNABH.VAR in Kategorienachse
Bearbeitung von Diagrammen: Doppelklick auf
Diagramm >> Diagramm-Editor. Auswahl von Elementen durch Klicken, je öfter klicken desto enger die
Auswahl >> rechte Maustaste: Eigenschaftsfenster
Die einfachsten Befehle
Ich will...
Klicken:
Syntax:
Häufigkeitstabelle einer Variable
Analysieren >> Deskriptive Statistiken >> Häufigkeiten
fre VARIABLE.
Kreuztabelle mit Spaltenprozent
Analysieren >> Deskriptive Statistiken >> Kreuztabellen >> Zeile:
abh.Var., Spalte: unabh.Var. >> Zellen >> Prozente spaltenweise
cro ABH-VAR by UNABH-VAR /
cells count column.
Chi-Quadrat-Test
Statistics >> Chi-Quadrat anhakeln
cro ABH-VAR by UNABH-VAR /
cells count column. / stat chi.
Korrelationsmaße
Statistics >> anhakeln
/ stat phi lambda gamma btau
ctau.
Variable Umkodieren
Transformieren >> Umkodieren in
andere Variable >> Input-Var. aussuchen, Output-Var. benennen >>
alte und neue Werte >> angeben
recode INPUT-VAR (1 thru 4 = 1)
(5 thru 7 = 2) (etc.) into OUTPUTVAR.
Variablen-Label definieren
Variablenansicht >> Spalte “Label”
var lab VARIABLE “Index Religiosität”.
Werte-Labels definieren
Variablenansicht >> Spalte „Werte“
val lab VARIABLE 1 „ja“ 2 „nein “.
Missing Values definieren
Variablenansicht >> Spalte ”Fehlende Werte”
mis val VARIABLE (0 8 9).
Pocketcard SPSS.indd 1
Alle Angaben ohne Gewähr.
I
VERBAND SOZIALISTISCHER STUDENT NNEN
03.03.2009 13:56:52 Uhr
POCKETCARD
SPSS
www.vsstoe.at
Korrellationen
Wie stark ist der Zusammenhang, und ist
er positiv oder negativ?
Nahe bei -1: Starker negativer Zusammenhang
Nahe bei 0: Schwacher negativer/positiver Zusammenhang
Nahe bei 1: Starker positiver Zusammenhang
Für nominal- und ordinalskalierte Variablen: Phi, Cramer’s V, Lambda und Gamma, B-Tau, C-Tau
Analysieren >> Deskriptive Statistiken >> Kreuztabellen >> Statistik: Maße anhakeln
Für metrische Variablen: Pearson’s Korrelationskoeffizient R
Analysieren >> Korrelation >> Bivariat
Bivariate Regression (metrisch x metrisch):
Analysieren >> Regression >> Linear >> abh. und
unabh. Var. eintragen
Output: Tabelle „Koeffizienten“ – B: Erhöht man
die unabhängige Variable um eine Einheit, so erhöht sich die abhängige Variable um B Einheiten
(abh. Var = Konstante + B * unabh.Var.)
Bestimmtheitsmaß/Effektgröße:
R >> (metrisch x metrisch): R >> % der abh. Variable
werden durch die unabh. Variable erklärt
Analysieren >> Regression >> Linear >> abh. und
unabh. Var. eintragen >> Ok
Output: Tabelle „Model Summary“
Eta >> (nominal x metrisch): Eta >> % der abh.
Variable werden durch die unabh. Variable erklärt
Analysieren >> Deskriptive Statistiken >> Kreuztabellen >> Statistik >> Eta anhakeln
Signifikanztests
In Tabellen: Spalte „Signifikanz“
Signifikant (p-Value < 0,05): Der beobachtete
Zusammenhang kann auf die Grundgesamtheit
umgelegt werden (mit 5% Irrtumswahrscheinlichkeit), Alternativhypothese annehmen
Nicht signifikant (p-Value > 0,05): Die Daten stammen nicht aus einer Grundgesamtheit, in den ein
Zusammenhang besteht (mit 5% Irrtumswahrscheinlichkeit), bei Nullhypothese bleiben
Chi (für nominal- und ordinalskalierte
Variablen)
Analysieren >> Deskriptive Statistiken >> Kreuztabellen >> Statistiken: links oben anhakeln
Mittelwertvergleich mit T-Test (für unabh.Var. nominal dichotom, abh.Var.
metrisch)
Analysieren >> Mittelwerte vergleichen >> T-Test
bei unabh. Stichproben >> Testvariable: unabh.
Var, Gruppenvariable: abh.Var >> Gruppen definieren: Werte der zwei Kategorien der unabh.Var.
angeben
ANOVA (für unabh.Var. nominal/ ordinal, abh.Var. metrisch)
Voraussetzungen: Varianzhomogenität, Normalverteilung
Analysieren >> Mittelwerte vergleichen >> OneWay-ANOVA >> abh.Var eintragen, Faktor: unabh.
Var >> Optionen: Test auf Varianzhomogenität
anhaken
Test auf Varianzhomogenität (LeveneTest):
Anfordern bei Mittelwertvergleich mit T-Test und
ANOVA
Output: Signifikant (<0,05): Varianzen sind nicht
homogen
Test auf Normalverteilung (KolmogorovSmirnov-Test oder Shapiro-Wilko-Test):
Analysieren >> Deskriptive Statistiken >> Explorative >> VARIABLE in „abhängige Variable“ >> Plots:
Normalverteilungsdiagramm mit Test anhakeln
Output: Signifikant (<0,05): nicht normalverteilt
Output: Wenn Levene-Test nicht signifikant (>
0,05) – erste Zeile, wenn signifikant – zweite Zeile
Erst dann Signifikanz des T-Tests interpretieren!
Erstellung von Index. Skala
Index berechnen:
Mit Zählen (z.B. Ja-Antworten zählen):
Transformieren >> Werte in Fällen zählen >> Zielvariable eintragen, Variablen-Set auswählen >> Werte definieren >> zu zählende Werte eintragen
Mit Berechnen (zB Variablen zusammenzählen):
Transformieren >> Variable berechnen >> Zielvariable eintragen, Numerischer Ausdruck: Berechnung
formulieren
Reliabilität des Index testen: Cronbach’s Alpha
Analysieren >> Skala >> Reliabilitätsanalyse >>
Variablen-Set auswählen
Output: Cronbach’s Alpha sollte über 0,8 liegen
(zumindest über 0,6)
Pocketcard SPSS.indd 2
Achtung: Fälle mit Missing Values bei einer der zur
Berechnung verwendeten Variablen müssen aus
dem Index ausgeschlossen werden:
Missing-Index („missing“) basteln, der die als missing values definierten Werte zählt:
Transformieren >> Werte in Fällen zählen >> Zielvariable = „missing“, Variablen-Set auswählen
>> Werte definieren >> missing values eintragen
(z.B. 0, 99)
Dann diejenigen Fälle aus dem Index ausschließen,
die beim Missing-Index einen Wert <0 haben:
Transformieren >> Varibale berechnen >> Zielvariable = Name des Index, Numerischer Ausdruck:
„$sysmis“ >> Falls >> Bedingung formulieren
(„missing > 0“)
Alle Angaben ohne Gewähr.
I
VERBAND SOZIALISTISCHER STUDENT NNEN
03.03.2009 13:56:53 Uhr