richardsongaragedoor.online
bergeordnete Kapitel Icon Nummer Titel 3 Ausgewhlte statistische Grundlagen und Analysemethoden 3. 2 Die Ermittlung von Hufigkeiten Falls Sie bei einer Frage explizit Mehrfachantworten zugelassen haben, können Sie deren Häufigkeiten mit SPSS komfortabel tabellarisch darstellen. 1. Definition eines Mehrfachantwortensets Sie müssen dazu zuerst ein (Mehrfachantworten-)Set definieren: Klicken Sie in der Menüleiste auf ANALYSIEREN - MEHRFACHANTWORT - SET DEFINIEREN. Dann öffnet sich folgendes Fenster: Abbildung: Definieren eines Mehrfachantwortensets mit SPSS Führen Sie bitte folgende Schritte durch: A. Sie wählen verschiedene dichotome Variable aus, die Sie in Variablen im Set einfügen; B. Tragen Sie unter Gezählter Wert die Zahl 1 ein (d. h. dass jede Ja-Stimme einen Punkt zählt); C. SPSS - Björn Walther. Sie lassen die Standardauswahl Dichotomien bei Variablen kodiert als; D. Sie wählen einen Kurznamen (max. acht Zeichen für das Set) und tragen ihn unter Name ein; E. Sie tragen unter Beschriftung einen längeren Namen ein, welcher die Tabelle anschaulich beschriften soll.
Diese Variante eignet sich vor allem dann, wenn der Befragte nichts auslassen kann und keine "weiß nicht" Option angeboten wurde. Für den Skalenindex muss dann natürlich die gedrehte Variable verwendet werden: COMPUTE AB01 = MEAN(AB01_01R, AB01_02, AB01_03R, AB01_04, AB01_05R, AB01_06, AB01_07R, AB01_08, AB01_09R, AB01_10). Häufige Fragen Darf ich Variablen immer zu einem Index verrechnen? Die Berechnung eines Skalenindex ergibt inhaltlich nur dann Sinn, wenn die Items dasselbe Konstrukt widerspiegeln. In der Praxis prüft man das anhand der Korrelation zwischen den Items mittels Cronbach's Alpha. Als Faustregel gilt: Cronbach's Alpha sollte über. 7 liegen. Allerdings ist Cronbach's Alpha stark abhängig von der Anzahl der Items. Daher kann für eine Skala mit 4 oder 5 Items auch ein Alpha-Wert von. 6 schon gut sein. Muss ich die Items vor der Berechnung des Skalenindex z-standardisieren? Mehrere Items zu einer Variablen - wie zusammenfügen? - Statistik-Tutorial Forum. Das hängt von der Skala ab. Die z-Standardisierung hat einen Nachteil: Der Wertebereich des Skalenindex ist nicht derselbe, wie bei den einzelnen Items.
Die oberste Stufe: Das metrische Skalenniveau Das Gegenteil zum nominalen Niveau liefert die zweite Beispielvariable: die Körpergröße. Diese Variable hat ein metrisches Skalenniveau. Warum? Darum: Metrische Skalen haben von allen drei Skalenniveaus den höchsten Informationsgehalt und ermöglichen die meisten und damit auch komplexestes Rechenoperationen. Die Körpergröße eines Menschen kann erhoben werden in Zentimetern. Hier ist es also möglich, Abstände zwischen den einzelnen Ausprägungen zu berechnen und es können klare Hierarchisierungen erfasst werden. Eine Körpergröße von 180 cm ist deutlich größer als eine von 150 cm. SPSS-FORUM.DE - Beratung und Hilfe bei Statistik und Data Mining mit SPSS Statistics und SPSS Modeler. Außerdem gibt es einen natürlichen Nullpunkt, der für die Interpretation nicht immer großen Sinn macht, aber es gibt ihn. Andere metrisch skalierte Variablen sind zum Beispiel: das Alter in Jahren, das Einkommen in Euro, die Wohnungsgröße in Quadratmetern. Aber auch Variablen, die nach Einstellungen und Meinungen fragen, sind metrisch skaliert. Die Zwischenstufe: Das ordinale Skalenniveau Gelesen haben Sie nun von zwei Skalenniveaus – vom ersten, dem einfachsten, und vom dritten, dem komplexesten Skalenniveau.
Das erschwert die Interpretation: Während man weiß, dass bei einer 5er-Skala (1 bis 5) eine 2, 7 nahe der Skalenmitte liegt, ist die Bedeutung des z-Wertes -0, 2 nicht so leicht ersichtlich. Vorteile hat die z-Standardisierung vor allem, wenn man fehlende Werte in den Daten hat. Man stelle sich vor, dass bei einem Item nahezu alle Teilnehmer "trifft voll zu" angeben, während der Mittelwert bei den anderen Items eher in der Mitte der Skala liegt. Wenn nun ein Teilnehmer das 5er-Item nicht beantwortet, "fehlt" vermutlich eine 5 – und der Skalenindex fällt vermutlich geringer aus, als wenn er das Item beantwortet hätte. Sind die Items z-standardisiert (oder Mittelwert-normalisiert), fällt diese Fehlerquelle weg. Die z-Standardisierung normalisiert aber auch die Standardabweichung der einzelnen Items. Wenn die meisten Teilnehmer bei einem Item denselben Skalenpunkt auswählen, fällt eine Abweichung um einen Skalenpunkt nach z-Standardisierung deutlich mehr ins Gewicht, als wenn die Antworten der Teilnehmer bei dem Item weit streuen.
Stöbere bei Google Play nach Büchern. Stöbere im größten eBookstore der Welt und lies noch heute im Web, auf deinem Tablet, Telefon oder E-Reader. Weiter zu Google Play »
ID1= Freude 2 = Trauer 0= Ärger 0 ID2= Freude 2 = Trauer 1 = Ärger0 Hättet Ihr eine Idee? Beste Grüße Markus::.. Wissenschaft die Wissen schafft... :: drfg2008 Beiträge: 2391 Registriert: 06. 02. 2011, 19:58 re Beitrag von drfg2008 » 25. 2012, 18:10 wenn ich das richtig verstanden habe, dann existieren je Proband eine Einschätzung auf einer Skala von 0 bis 5 (das wären aber 6 Abstufungen im Fall der Natürlichen Zahlen) und auf der anderen Seite je Proband zwei Zeitreihen, einmal "Happy" und einmal "Sad". Man könnte über die Zeitreihen pro Proband einen mittleren Wert bilden (arithm. Mittel oder Median) und diesen dann mit der Skala korrelieren. Das geht aber nur, wenn die Zeitreihen stationär sind, also keinen Trend aufweisen. RE von Wiwi_Due » 25. 2012, 20:03 Wow, das ging schnell. Die Idee hatte ich auch schon wollte aber vorher die Werte der Emotionsmessung von einer Skala von 0-100 auf eine Skala von 0-5 aggregieren. Was heißt stationär und ohne Trend? Es sind 54 Probanden da hoff ich doch bei meiner Untersuchung auf einen Trend?