Einführung: Empirisch Forschungsmethoden Ariane S. · PDF fileEinführung: Empirisch...
Transcript of Einführung: Empirisch Forschungsmethoden Ariane S. · PDF fileEinführung: Empirisch...
Einführung: Empirisch Forschungsmethoden Grundlagen von SPSS WS 2008/2009
Ariane S. Willems
Lothstraße 17
80335 München Telefon: 089/289-24374 Email: [email protected]
Technische Universität München TUM School of Education
Einführung: Empirisch Forschungsmethoden Grundlagen von SPSS WS 2008/2009
Ariane S. Willems
Lothstraße 17
80335 München Telefon: 089/289-24374 Email: [email protected]
Inhalt:
1. Dateitypen, Menüstruktur, grundlegende Einstellungen
2. Erstellen einer Datenmaske und Dateneingabe
3. Zusammenspielen mehrerer SPSS Dateien: Hinzufügen von Fällen oder
Variablen
4. Kontrolle und Aufbereitung der eingegebenen Daten
5. Rekodierung von Variablen
6. Item- und Skalenanalyse
a. Bestimmung der Reliabilität
b. Skalenbildung
7. Deskriptive Statistik und Univariate Analysen
a. Häufigkeiten
b. Maxima und Minima
c. Mittelwerte und Standardabweichungen
8. Kurzer Ausblick: Inferenzstatistik und Hypothesenprüfung
a. Bivariate Korrelationen
b. Vergleichen von Mittelwerten: t-Tests
c. Vergleichen von Mittelwerten: Einfaktorielle Varianzanalysen
Technische Universität München TUM School of Education
Grundlagen von SPSS 1
1. Dateitypen, Menüstruktur, grundlegende Einstellungen
Dateitypen:
SPSS unterscheidet verschiedene Dateitypen und -formate, die jeweils in einem eigenen Fens-
ter angezeigt werden und mit eignen Dateikennungen abgespeichert werden.
Datendatei/Daten-Editor (Dateikennung: .sav): In diesem Fenster wird der Inhalt der Daten-
datei in einer tabellarischen Form (vgl. EXCEL) angezeigt. Im Daten-Editor können neue Da-
tendateien erstellt (Definition von Messvariablen und Eingabe von Fragebogendaten) und vor-
handene Datendateien bearbeitet werden. Ein leeres Datenfenster wird automatisch geöffnet,
wenn Sie eine SPSS-Sitzung beginnen.
In diesem Fenster kann zwischen zwei verschiedenen Ansichten gewählt werden (zwei
„Reiter“ im angezeigten Datenfenster unten links):
• In der Variablenansicht werden die einzelnen Messvariablen zu einer sogenannten
Datenmaske definiert.
• In der Datenansicht findet man eine Datenmatrix, in die die durch Fragebögen
erhobenen Daten eingegeben werden können. Dies kann nach der Definition der
einzelnen Messvariablen geschehen.
Abb. 1: Dateneditor (Datenansicht)
Grundlagen von SPSS 2
Syntaxdatei/Syntax-Editor (Dateikennung: .sps): Hier werden die statistischen Befehle
(Kommandos) als Befehlssyntax angezeigt und ausgeführt. Sie können die Befehlssyntax be-
arbeiten und so alle statistischen Funktionen von SPSS nutzen. Sie können allerdings auch zu-
sätzlich zur Befehlssyntax die Menüstruktur von SPSS (vergleichbar mit der Struktur gängi-
ger Office Produkte) nutzen. In einer Syntaxdatei sollten alle Berechnungen, die an einem Da-
tensatz durchgeführt werden, gespeichert werden, um so wichtige Schritte immer wieder
nachvollziehen zu können (z.B. nach einem Computerabsturz).
Abb. 2: Syntaxeditor
Merke: Alle auszuführenden Befehle in einer Syntaxdatei enden mit einem Punkt (.) Zum
einfügen von Kommentaren verwendet man *.
Ausgabedatei/Viewer (Dateikennung: .spo): Alle statistischen Ergebnisse, Tabellen und Dia-
gramme werden im Ausgabe-Fenster angezeigt. Sie können die Ausgaben bearbeiten und zur
späteren Verwendung speichern. Eine leere Ausgabedatei wird automatisch geöffnet, wenn
Sie eine SPSS-Sitzung beginnen.
Grundlagen von SPSS 3
Menüstruktur:
SPSS besitzt die für Windows-Anwendungen typischen Menüleisten mit entsprechenden
Menübefehlen (Optionen).
Abb. 3: Menüstruktur
Typische Menüs und Optionen sind:
− Datei: zum Erstellen neuer, Öffnen bestehender und Speichern eingegebener Daten-
dateien, zum Drucken
− Bearbeiten: zum Ausschneiden, Kopieren, Einfügen, Suchen in Daten- und Ausgabe-
dateien und für optionale Einstellungen
− Analysieren: zur Auswahl statistischer Prozeduren
− Grafiken: zur Auswahl und Erstellung von Diagrammen
− Daten: zum Einfügen neuer Variablen, zum Zusammenspielen mehrerer Datendateien,
zum Umstrukturieren und Sortieren von Datendateien
− Transformieren: zur Neuberechnung oder Umkodierung von einzelnen Variablen oder
Variablengruppen
Grundlegende Einstellungen:
Vor dem Arbeiten mit SPSS sollten einige Grundeinstellungen getroffen werden, die sich
unter dem Menüpunkt BEARBEITEN → OPTIONEN konfigurieren lassen:
Unter dem Reiter Allgemein:
1. Variablenliste: Aktivierung des Kästchens Namen anzeigen
2. Ausgabe: Aktivierung des Kästchens Keine wissenschaftliche Notation
3. Maßeinheit: Punkt
Grundlagen von SPSS 4
Unter dem Reiter Beschriftung der Ausgabe:
1. Gliederungsbeschriftung: Variablen in Objektbeschriftung anzeigen als: Namen und
Labels; Variablen in Objektbeschriftung anzeigen als Werte und Labels
Abb. 4: Optionenfenster
2. Erstellen einer Datenmaske und anschließende Dateneingabe
Erstellen der Datenmaske: Definition der Messvariablen
Bevor mit der Dateneingabe begonnen werden kann, müssen im Daten-Editor Fenster unter
der Variablenansicht alle durch den Fragebogen erhobenen Messvariablen definiert werden.
Unter einer Messvariablen versteht man zum Beispiel einzelne Fragen des Fragebogens
(Items) aber auch Angaben zur befragten Person (Alter, Geschlecht, Klasse usw.).
Grundlagen von SPSS 5
Abb. 5: Variablenansicht
Tipp: Bei der Variablendefinition ist die Erstellung eines sogenannten Codeplans hilfreich
(notwendig). Die Erstellung des Codeplans erfolgt auf einem leeren Fragebogen.
Schritte zur vollständigen Variablendefinition:
1. Name: Jeder Frage im Fragebogen wird in einem ersten Schritt eindeutig ein Name
zugeordnet. Dieser Name…
− muss eindeutig sein
− muss mit einem Buchstaben oder dem Symbol @ beginnen (nicht mit einer
Ziffer)
− darf nicht mit einem _ enden
− darf keine Umlaute enthalten
− muss so kurz wie möglich sein (max. 8 Zeichen, auch wenn bis zu 64 Zeichen
von SPSS akzeptiert werden)
− muss bereits sinnvolle Rückschlüsse auf die „dahinterliegende“ Frage
zulassen
Beispiel: Items aus der Skala des situationalen Interesses sollten beispielsweise mit sitint1,
sitint2 usw. oder noch besser mit catch1, catch2, hold1, hold2 usw. benannt werden.
Items aus den Skalen zu den verschiedenen Stufen selbstbestimmter Motivation sollten
Namen tragen, aus denen die Motivationsstufen zu erkennen sind: z.B. Amot1, Amot2 usw.
für die Items der Skala Amotivation, Intro1, Intro2 usw. für Items der Skala Introjektion etc.
Grundlagen von SPSS 6
2. Typ: SPSS unterschiedet zwei grundlegende Typen von Variablen: Numerische Variablen
(als Voreinstellung) und String-Variablen. Numerische Variablen beinhalten Zahlenwerte, mit
denen arithmetische Operationen durchgeführt werden können. String-Variablen hingegen
sind reine Textvariablen. Ist eine Variable als numerisch definiert, so können als Werte nur
Ziffern eingetragen werden, als Werte für String-Variablen kommen beliebige Zeichen-
ketten in Frage (auch Ziffern und Symbole). Für diese Variablen stehen keine rechnerischen
Operationen zur Verfügung.
Bitte verwenden Sie ausschließlich numerische Variablen. Die einzige Ausnahme bildet ein
Code, der für Längsschnittanalysen (bzw. Mehrfachbefragungen gleicher Personen) zu
verwenden ist. Da dieser in der Regel aus einer Kombination von Buchstaben und Zahlen be-
steht, muss diese Variable als String-Variable definiert sein.
Um den Variablentyp zu ändern, kann durch Anklicken der Schaltfläche eine entsprechen-
de Dialogbox geöffnet werden.
3. Variablenlabel: Da sich die Funktion und der Inhalt einer Variable nur selten zweifelsfrei
aus einem kurzen Namen erschließen lässt (vgl. Schritt 1), erlaubt das Feld Variablenlabel
das Einfügen zusätzlicher Beschreibungen für jede Variable. Aus diesem Grund wird in
dieser Spalte für jede Variable der genaue Wortlaut aus dem Fragebogen eingefügt (d.h.
wortwörtliche Übernahme der Fragen/Items, bis zu 256 Zeichen).
4. Wertelabels: Mit der Angabe von Wertelabels werden die einzelnen Ausprägungen einer
Variablen definiert. Die Wertelabels können über die Schaltfläche ... definiert werden. Ein
Wertelabel kann bis zu 60 Zeichen lang sein.
Durch die Definition von Wertelabels werden den Antworten bzw. den Antwort-
möglichkeiten im Fragebogen eindeutig numerischen Werten zugeordnet.
Bsp. 1: Die Variable Geschlecht hat zwei Ausprägungen, männlich und weiblich. Als Werte
können in diesem Fall beispielsweise die Zahlen 1 und 2 vergeben werden. Wobei der Wert 1
der Ausprägung (Label) männlich entspricht und der Wert 2 der Ausprägung (Label)
weiblich, oder umgekehrt.
Grundlagen von SPSS 7
Bsp. 2: Bei Variablen mit einer fünfstufigen Likertskala als Antwortformat (Bsp: Während
der heutigen Unterrichtsstunde wurde ich über die Lernziele der Stunde informiert; mit
Antwortmöglichkeiten von gar nicht zu bis sehr) wird jeder Antwortmöglichkeit aufsteigend
eine Zahl zugeordnet (nämlich genau die, die auch schon im Fragebogen verwendet wurde).
(Wert) 1 = gar nicht (Label) (Wert) 2 = kaum (Label) (Wert) 3 = etwas (Label)
(Wert) 4 = ziemlich (Label) (Wert) 5 = sehr (Label)
4. Fehlende Werte: Häufig werden von einigen Personen keine Angaben zu einzelnen Fragen
gemacht. Folglich können in diesem Fall auch keine Werte in die Datenmaske eingegeben
werden. SPSS unterscheidet allerdings zwei verschiedene Arten von fehlenden Werten:
Systemdefinierte fehlende Werte und benutzerdefinierte fehlende Werte.
Systemdefinierte fehlende Werte sind leere Datenzellen. In der Datenmaske erscheint in
dieser Zelle ein . .
Die Definition von benutzerdefinierten fehlenden Werten erfolgt grundsätzlich pro
Variable. Eine entsprechende Definition kann über die Schaltfläche ... vorgenommen
werden. Es kann zwischen einzelnen fehlenden Werten (z.B. -99) und Wertebereichen
unterschieden werden. Die Definition von benutzerdefinierten fehlenden Werten ist für Sie
nicht notwendig.
5. Messniveau: In dieser Spalte kann für jede Variable das entsprechende Messniveau fest-
gelegt werden. Diese Einstellung wirkt lediglich bei der interaktiven Erstellung von
Diagrammen berücksichtigt; bei statistischen Prozeduren bleibt sie unberücksichtigt. Über die
Schaltfläche ... kann zwischen drei Möglichkeiten unterschieden werden: Nominal: Nomi-
nalskalierte Variablen mit einigen, wenigen Ausprägungen (Geschlecht mit den Ausprä-
gungen männlich und weiblich; oder als Wertelabels 1 und 2) besitzen keine numerische oder
mathematische Bedeutung, sie dienen lediglich zur Klassifizierung oder Gruppierung der
Fälle. Ordinal: Die eingetragenen Werte geben bei ordinalen Variablen eine Reihenfolge an.
Metrisch: Variablen, deren Werte numerische Bedeutung haben und auf Intervall- oder
Verhältnisskalenniveau sind. Grundsätzlich können Sie für jede Variable das Niveau
metrisch auswählen.
Grundlagen von SPSS 8
Dateneingabe:
Nachdem sukzessive alle Messvariablen in der Variablensicht definiert wurden, kann mit der
Dateneingabe in der sogenannten Datenansicht begonnen werden. Hier findet man zuerst
eine leere Datenmatrix, in welche die durch die Fragebögen erhobenen Daten eingegeben
werden können. Diese Datenmatrix hat eine eindeutige Struktur. Die bereits durch SPSS
vornummerierten Zeilen der Datenmatrix entsprechen jeweils einem Fall (d.h. einer befrag-
ten Person), die Spalten der Matrix entsprechen den einzelnen Variablen, wobei jede Spalte
für eine neue Messvariable steht. Sind die Messvariablen bereits definiert, so trägt jede Spalte
den entsprechenden Namen der jeweiligen Variable (lfdNr, Alter, Geschl, Klasse…).
Folgende Vorschriften müssen eingehalten werden:
1.) Jede Zeile des Datenfensters enthält Daten zu einem einzigen Fall
2.) Kein Fall erscheint in mehr als einer Reihe
3.) Jede Spalte des Datensatzes enthält Werte zu einer einzigen Variablen
Abb. 6: Fenster zur Dateneingabe
Grundlagen von SPSS 9
3. Zusammenstellen mehrerer SPSS Dateien: Hinzufügen von Fällen oder Variablen
Manchmal ist es hilfreich, dass Sie bei der Dateneingabe die anfallende Arbeit auf mehrere
Personen aufteilen. So können z.B. zur gleichen Zeit verschiedene Fragebögen von einzelnen
Personen in eine (identische) Datenmaske eingegeben werden. Anschließend müssen Sie die-
se Daten wieder zusammenspielen, sie müssen aus mehreren Datensätzen einen kompletten
Datensatz erstellen, ansonsten sind keinerlei Auswertungen möglich. Hierbei handelt es sich
um die Prozedur Hinzufügen von Fällen. In den beiden Datensätzen, die Sie zusammenspielen
möchten, befinden sich identische Variablen aber unterschiedliche Fälle.
Dies geschieht über den Menüpunkt DATEN → DATEIEN ZUSAMMENFÜGEN →
FÄLLE HINZUFÜGEN. Hier wählt man lediglich den Namen der zweiten Datei, die die
zusätzlichen Fälle enthält und die man der geöffneten Datei hinzufügen möchte, aus. Die
neuen Fälle werden ans untere Ende der geöffneten Datendatei eingefügt.
Abb. 7: Fälle hinzufügen
Eine zweite Möglichkeit bietet das Hinzufügen einzelner Variablen. In den beiden Datenda-
teien befinden sich also identische Fälle, aber unterschiedliche Messvariablen für die einzel-
nen Fälle. Zum Ausführen dieses Befehls ist es notwendig, dass die beiden Datendateien, die
zusammengespielt werden sollen, gleich sortiert sind (die Fälle also in gleicher Reihenfolge
auftreten). Die Sortierung geschieht über eine so genannte (eindeutige!!!) Schlüsselvariable,
welche in der Regel der vergebene Code oder die laufende Nummer ist.
Grundlagen von SPSS 10
Eine Sortierung der Fälle erfolgt über den Menüpunkt DATEN → FÄLLE SORTIEREN
(Auswahl der Schlüsselvariablen). Das Hinzufügen von Variablen geschieht nach der
Sortierung der Fälle über den Menüpunkt DATEN → DATEIEN ZUSAMMENFÜGEN →
VARIABLEN HINZUFÜGEN (Auswahl der Variablen, die dem geöffneten Datensatz
hinzugefügt werden sollen)
Nach der Erstellung der Datenmatrix sowie der vollständigen Eingabe aller Fragebogendaten
könne Sie in SPSS prinzipiell mit den statistischen Auswertungen beginnen. Allerdings
sollten Sie vorab sicherstellen, dass Ihre Daten korrekt eingegeben wurden und sich aus
diesem Grund auf eine „Fehlersuche“ begeben.
4. Kontrolle und Aufbereitung der eingegebenen Daten
Die Sichtung von Fehlern kann durch eine Reihen von „Plausibilitätstests“ erfolgen. Der we-
sentliche Schritt ist die Betrachtung von Häufigkeitsauszählungen. Hierdurch ist erkenn-
bar, ob die eingegebenen Werte grundsätzlich den für die einzelnen Variablen zulässigen Wer-
ten entsprechen.
Über den Menüpunkt ANALYSIEREN → DESKRIPTIVE STATISTIKEN → HÄUFIG-
KEITEN können Sie die Variablen auswählen, die Sie einer Häufigkeitsanalyse unterziehen
wollen. In einem ersten Schritt sollten Sie hier alle Messvariablen im linken Fenster
auswählen und durch Betätigen der Pfeiltaste in das rechte Fenster verschieben.
Abb. 8: Häufigkeitsauszählungen
Grundlagen von SPSS 11
Mit Hilfe der Schaltfläche können Sie zusätzlich die Ausgabe von bestimmten Lage-
(Mittelwert, Median etc.) und Streuungsmaßen (Standardabweichung, Minimum, Maximum)
anfordern.
Abb. 9: Häufigkeitsauszählungen: Anforderung statistischer Maße
Nachdem Sie alle Variablen und die von Ihnen gewünschten weiteren statistischen Kennwerte
ausgewählt haben, klicken Sie auf die Schaltfläche (nicht auf die Schaltfläche
, vgl. Abb. 8). Es öffnet sich nun automatisch ein Syntaxfenster, indem der entspre-
chende Befehl, den Sie über die Menüleiste ausgewählt haben in die SPSS Kommando-
sprache „übersetzt“ wurde. Sie können den Befehl nun über die Pfeilschaltfläche aus-
führen.
Abb. Syntaxdatei: Ausführen von Befehlen
Grundlagen von SPSS 12
Anmerkung: Wenn Sie die Schaltfläche betätigen, werden die Befehle zwar von SPSS ausgeführt,
allerdings werden diese nicht in einer Syntax-Datei abgespeichert.
Nachdem der Befehl ausgeführt wurde, öffnet sich automatisch ein Ausgabefenster. Suchen
Sie nun in den Tabellen nach ungewöhnlichen Häufigkeiten (z.B. bei der Variable Geschlecht
nach einem eingegebenen Wert 3 etc.), bzw. fehlenden Werten etc. Nachdem Sie einzelne
Fehler ausfindig gemacht haben, müssen diese mithilfe der original Fragebögen behoben wer-
den. Hierzu schauen Sie in den entsprechenden Bögen (z.B. über den Code oder die laufende
Nummer zu identifizieren) und ersetzen die falschen Werte in der Datenmatrix durch die
ermittelten richtigen Werte.
Schule
Häufigkeit Prozent Gültige Prozente
Kumulierte
Prozente
Gültig 1,00 COG 98 38,3 38,3 38,3
2,00 KiGy 70 27,3 27,3 65,6
3,00 LGW 88 34,4 34,4 100,0
Gesamt 256 100,0 100,0
Abb. 10: Häufigkeitstabelle zur Variable „Schule“
Geschlecht
Häufigkeit Prozent Gültige Prozente
Kumulierte
Prozente
Gültig 1,00 männlich 132 51,6 53,2 53,2
2,00 weiblich 116 45,3 46,8 100,0
Gesamt 248 96,9 100,0
Fehlend -99,00 8 3,1
Gesamt 256 100,0
Abb. 11: Häufigkeitstabelle zur Variable „Gechlecht“
Grundlagen von SPSS 13
5. Rekodierung von Variablen
Manchmal ist es sinnvoll oder notwendig, dass man bei bestimmten Variablen mehrere Werte
oder Wertebereiche zu einer Gruppe zusammenfasst, oder, dass einzelne Items aus bestimm-
ten Skalen umgepolt werden müssen (z.B. weil die Items in der Originalskala eine negative
Formulierung aufweisen). Dies geschieht über das so genannte Umkodieren von Variablen.
Prinzipiell bestehen hier zwei Möglichkeiten, das Umkodieren in dieselbe Variable und das
Umkodieren in eine andere (zusätzliche) Variable. Bitte wählen Sie immer das umkodieren
in eine andere Variable, anderenfalls werden die Daten der „Originalvariablen“ über-
schrieben und somit vernichtet.
Führen Sie hierzu den Befehl TRANSFORMIEREN → UMKODIEREN → IN ANDERE
VARIABLE aus.
Wählen Sie aus der vorgegebenen Liste durch Doppelklick die Variable aus, die Sie umkodie-
ren möchten. Geben Sie nun der neuen Variablen, die Sie erstellen wollen (Ausgabevariable)
einen Namen und eine Beschriftung.
Abb. 12: Umkodieren in eine andere Variable
Grundlagen von SPSS 14
Halten Sie sich bei der Namensgebung unbedingt an die folgende Regel:
Rekodierte Variablen tragen stets den Namen der Originalvariablen, zusätzlich wird zu
Beginn des Namens der Buchstabe r vorangestellt.
Aus der Variabeln fsem (für Fachsemester) wird dann im rekodierten Fall die Variabel rfsem.
(Müssen Sie eine Variable mehrmals umkodieren, werden die neuen rekodierten Variablen
durchnummeriert, also rfsem1, rfsem2 usw.).
Nachdem Sie nun die Ausgabevariable benannt haben, müssen Sie die neuen Werte defi-
nieren, dies geschieht über dir Schaltfläche . Unter der Rubrik Alter Wert definiert
man den Wert, der zu ersetzen ist, unter Neuer Wert gibt man die Ersatzwerte an. Unter der
Rubrik Bereich kann ein ganzer Wertebereich ausgewählt werden, der dann durch einen
einzigen neuen Wert ersetzt wird. Legen Sie nun sukzessive fest, welcher alte Wert durch
welchen neuen Wert ersetzt werden soll und klicken sie anschließend auf .
Abb. 13: Zuweisen neuer Werte
Grundlagen von SPSS 15
6. Item- und Skalenanalysen
Bestimmung der Reliabilität möglicher Skalen (Berechnung von Cronbach’s Alpha):
Führen Sie hierzu den Befehl ANALYSIEREN → SKALIEREN → RELIABILITÄTS-
ANALYSE aus.
Abb. 14:Reliabiltätsanalysen
Wählen Sie nun aus der Liste der vorgegebenen Items per Doppelklick die Variablen aus, die
auf Grund theoretischer Überlegungen zu einer Skala zusammengehören sollten. Geben
Sie der Skala einen Namen (unter Skalenbeschriftung).
Halten Sie sich bei der Namensgebung unbedingt an die folgende Regel:
Zu Skalen zusammengefasste Items werden von SPSS als eine neue Variable aufgefasst.
Damit Sie erkennen, dass es sich bei der durch SPSS eingefügten Variablen um eine Skala
handelt, beginnen Sie den Namen der neuen Variable (= der Skala) stets mit einem x. Falls
Sie also mehrere Items der „catch-Komponente“ (z.B. catch1, catch3, catch5, catch6) zu
einem Mittelwert (also zu einer Gesamtskala) zusammenfassen möchten, bekommt diese
Skala den Namen xcatch.
Grundlagen von SPSS 16
Mit Hilfe der Schaltfläche wählen Sie bitte die folgenden Zusatzoptionen aus:
1. Deskriptive Statistiken für: Item, Skala wenn Item gelöscht
2. Zwischen Items: Korrelationen
3. Auswertungen: Mittelwert
Abb. 15: Itemkennwerte
Führen Sie die Berechnungen über die Schaltfläche aus.
Grundlagen von SPSS 17
Beispiel:
Im Folgenden ist nun ein Output von SPSS dargestellt, der die Reliabilitätsanalyse der Skala
zum situationalen Interesse darstellt, diese Skala setzt sich in dem vorliegenden Datensatz aus
den beiden Subskalen „catch“ und „hold“ zusammen, die jeweils mittels 6 Items gemessen
wurden.
SPSS Syntax-Datei:
Tab. 1 und 2: Reliabilitätsanalyse
Den ersten beiden Tabellen in der Output Datei können Sie entnehmen
• Wie viele Fälle (Personen) insgesamt zur Reliabilitätsanalyse herangezogen wurden
• Den Wert für Cronbach’s Alpha für die Gesamtskala
Grundlagen von SPSS 18
In der dritten Tabelle zu den Einzelitemkennwerten können Sie die Mittelwerte und
Standardabweichungen der einzelnen Items ablesen.
Tab. 3:
Itemstatistiken
Mittelwert Std.-Abweichung Anzahl
catch1 Inwieweit hat dir die Beschäftigung mit einzelnen Themen des
Unterrichts Spass gemacht ? 3,1911 1,07669 246
hold1 Inwieweit fandest du die Inhalte des Unterrichts für dich
persönlich wichtig? 2,7683 1,17072 246
catch2 Inwieweit haben bestimmte Phasen des Unterrichts dein
Interesse geweckt? 3,4187 1,19842 246
hold2 Inwieweit möchtest du gerne mehr über bestimmte
Sachverhalte des Unterrichts erfahren? 3,0528 1,21942 246
catch3 Inwieweit fandest du einzelne Abschnitte des
Biologieunterrichts beeindruckend? 3,3049 1,22913 246
catch4 Inwieweit konnten Phasen des Unterrichts deine
Aufmerksamkeit fesseln? 3,2114 1,23719 246
hold3 Inwieweit möchtest du dich über Themen des Unterrichts mit
anderen unterhalten? 2,4553 1,15530 246
catch5 Inweiweit war für dich die Beschäftigung mit einzelnen
Themen des Unterrichts spannend? 3,0081 1,20201 246
catch6 Inwieweit haben Teile des Unterrichts deine Neugier geweckt? 3,2033 1,21527 246
hold4 Inwieweit war dir die Auseinandersetzung mit einzelnen
Inhalten des Unterrichts persönlich wichtig? 2,5041 1,11666 246
hold5 Inwieweit haben sich für dich während des Unterrichts neue
Fragen ergeben, auf die du gerne eine Antwort hättest? 2,8415 1,28224 246
hold6 Inwieweit hattest du während des Unterrichts "Aha-Erlebnisse",
bei denen du plötzlich einen Sachverhalt verstanden hast? 3,0732 1,25630 246
Die nachfolgende Tabelle gibt die für eine Reliabilitätsanalyse wesentliche Kennwerte wider:
Für Sie ist insbesondere die rechte Spalte wesentlich. Hier können Sie ablesen, ob Sie mögli-
cherweise ein Item aus der Skalenberechnung weglassen sollten, um die Reliabilität der Skala
(vgl. Wert in Tab. 2) zu verbessern. Die rechte Spalte gibt de Wert für Cronbach’s Alpha an,
den die Skala annehmen würde, wenn man das Item in die Skalenbildung nicht einbeziehen
würde.
Grundlagen von SPSS 19 Tab. 4:
Item-Skala-Statistiken
Korrigierte Item-
Skala-Korrelation
Quadrierte
multiple
Korrelation
Cronbachs
Alpha, wenn Item
weggelassen
catch1 Inwieweit hat dir die Beschäftigung mit einzelnen
Themen des Unterrichts Spaß gemacht ? ,717 ,583 ,918
hold1 Inwieweit fandest du die Inhalte des Unterrichts für
dich persönlich wichtig? ,672 ,575 ,920
catch2 Inwieweit haben bestimmte Phasen des
Unterrichts dein Interesse geweckt? ,743 ,661 ,917
hold2 Inwieweit möchtest du gerne mehr über bestimmte
Sachverhalte des Unterrichts erfahren? ,752 ,594 ,916
catch3 Inwieweit fandest du einzelne Abschnitte des
Biologieunterrichts beeindruckend? ,710 ,589 ,918
catch4 Inwieweit konnten Phasen des Unterrichts deine
Aufmerksamkeit fesseln? ,708 ,590 ,918
hold3 Inwieweit möchtest du dich über Themen des
Unterrichts mit anderen unterhalten? ,635 ,439 ,921
catch5 Inweiweit war für dich die Beschäftigung mit
einzelnen Themen des Unterrichts spannend? ,811 ,716 ,914
catch6 Inwieweit haben Teile des Unterrichts deine
Neugier geweckt? ,814 ,714 ,914
hold4 Inwieweit war dir die Auseinandersetzung mit
einzelnen Inhalten des Unterrichts persönlich wichtig? ,659 ,539 ,920
hold5 Inwieweit haben sich für dich während des
Unterrichts neue Fragen ergeben, auf die du gerne eine
Antwort hättest?
,516 ,344 ,926
hold6 Inwieweit hattest du während des Unterrichts "Aha-
Erlebnisse", bei denen du plötzlich einen Sachverhalt
verstanden hast?
,500 ,302 ,927
Grundlagen von SPSS 20
Auf Grund der Analyse des SPSS Outputs zu den Reliabilitäten der Skalen kann nun das
eigentliche Zusammenfassen der einzelnen Items zu einer Gesamtskala geschehen:
Skalenbildung (Berechnung einer „neuen“ Variablen als Mittelwert verschiedener Items
bzw. Variablen):
Das Zusammenfassen einzelner Items zu einer Gesamtskala geschieht über den Befehl
TRANSFORMIEREN → VARIABLE BERECHNEN.
Abb. 16: Variablen berechnen
Zuerst müssen Sie der neuen Variablen (Zielvariablen) einen Namen geben. Halten Sie sich
bei der Namensgebung unbedingt an die oben genannten Regel (S. 16).
Anschließend wählen Sie unter der Rubrik Funktionsgruppe das Maß statistisch aus. Unter
der Rubrik Funktionen wählen Sie nun den Befehl MEAN (für Mittelwert) per Doppelklick
aus. Dieser Befehl erscheint nun in dem Fenster Numerischer Ausdruck. Sie müssen nun nur
Grundlagen von SPSS 21 noch aus der Liste der vorgeschlagenen Variablen die aussuchen, die zu einer Skala zusam-
mengefasst werden sollen (vgl. auch Reliabilitätsanalysen) und diese Einzelitems per
Doppelklick in die Klammern einfügen. Achtung: Die einzelnen Items müssen noch durch
ein Komma (,) voneinander getrennt werden. z.B MEAN (catch1, catch2, catch3).
Nachdem Sie alle Items in die Klammern eingefügt betätigen Sie die Schaltfläche .
Sie werden nun die folgende (Beispiel-) Syntax erhalten:
Abb. 17: Syntax zur Berechnung neuer Variablen (hier: Skalenbildung per Mittelwert)
Wenn Sie nun den Befehl über die Pfeilschaltfläche ausführen lassen, berechnet SPSS eine
neue Variable und „hängt“ diese an das Ende des Datensatzes an.
Grundlagen von SPSS 22
7. Deskriptive Statistiken und Univariate Auswertungen:
Häufigkeiten, Maxima und Minima, Mittelwerte und Standardabweichungen:
Über den Menüpunkt ANALYSIEREN → DESKRIPTIVE STATISTIKEN →
HÄUFIGKEITEN können Sie die Variablen auswählen, die Sie einer Häufigkeitsanalyse
unterziehen wollen.
Mit Hilfe der Schaltfläche können Sie zusätzlich die Ausgabe von bestimmten Lage-
(Mittelwert, Median etc.) und Streuungsmaßen (Standardabweichung, Minimum, Maximum)
anfordern.
Nachdem Sie alle Variablen und die von Ihnen gewünschten weiteren statistischen Kennwerte
ausgewählt haben, klicken Sie auf die Schaltfläche (nicht auf die Schaltfläche
).
Grundlagen von SPSS 23
8. Kurzer Ausblick: Inferenzstatistik und Hypothesenprüfung
Achtung: Sie arbeiten nun nicht mehr auf der Ebene der Einzelitems, sondern nur noch
mit den Gesamtskalen, die Sie im Vorfeld gebildet haben!!!
Bivariate Korrelation:
Zur Analyse von linearen Zusammenhängen zwischen zwei intervallskalierten, metrischen
Variablen werden Korrelationen berechnet. Hierzu können Sie unter dem Menüpunkt
ANALYSIEREN → KORRELATIONEN → BIVARIAT die entsprechenden Variablen
auswählen, von denen Sie einen linearen Zusammenhang (positiver oder negativer Art)
vermuten.
Wählen Sie den Korrelationskoeffizienten nach Pearson und die den zweiseitigen Test auf
Signifikanz aus. Aktivieren Sie das Kästchen „signifikante Korrelationen markieren“.
In der Ausgabe werden dabei alle Kombinationsmöglichkeiten der zu vergleichenden
Variablen in einer quadratischen Matrix angezeigt (diese spiegelt sich an der Hauptdiagonalen
und enthält auf der Diagonalen nur die Werte 1).
Unter der Schaltfläche legen Sie fest, wie Sie mit „fehlenden Werten“ umgehen
wollen. Sie haben hier zwei Optionen:
1. (voreingestellt) paarweiser Fallausschluss [auch analyseweise Fallausschluss]: Bei
jeder einzelnen Analyse werden alle Fälle berücksichtigt, die gültige Werte aufweisen.
Dies kann zur Folge haben, dass die Anzahl der gültigen Fälle von Analyse zu
Analyse variiert. Somit verändert sich die Stichprobengröße teilweise bei jeder
statistischen Analyse und die Ergebnisse sind somit nur bedingt vergleichbar.
2. listenweiser Fallausschluss: In diesem Fall werden zunächst alle Variablen, die in
eine Analyse(n) miteinbezogen werden sollen, auf ihre gültigen Werte hin überprüft
und es werden nur die Fälle zugelassen, die auf allen ausgewählten Variablen gültige
Werte besitzen. Dies führt zu gleichbleibender Stichprobengröße für jede Analyse.
Grundlagen von SPSS 24
Vergleichen von Mittelwerten: t-Tests
1. T-Test bei unabhängigen Stichproben
Zur Untersuchung der Fragestellung, ob sich zwei Subgruppen der Stichprobe (z.B.
männliche und weibliche Probanden) hinsichtlich ihrer Mittelwerte auf einer abhängigen
Variablen signifikant unterscheiden, werden T-Tests für unabhängige Stichproben
berechnet.
Hierbei muss die unabhängige Variable (Gruppierungsvariable) dichotom sein (d.h. zwei
unterschiedliche Ausprägungen haben), die abhängige Variable ist metrisch und
intervallskaliert.
Über ANALYSIEREN → MITTELWERTE VERGLEICHEN → T-TEST BEI
UNABHÄNGIGEN STICHPROBEN können die abhängigen Variablen (Testvariablen)
ausgewählt werden sowie die Gruppierungsvariable festgelegt werden.
2. T-Test bei abhängigen Stichproben:
Der T-Test für gepaarte (d.h. abhängige) Stichproben wird angewendet, wenn Sie im Rahmen
eines längsschnittlichen Designs eine (abhängige) Variable zweimal erheben und testen
wollen, ob zwischen dem ersten und dem zweiten MZP eine signifikante Veränderung des
Mittelwertes besteht.
Wählen Sie über ANALYSIEREN → MITTELWERTE VERGLEICHEN → T-TEST
BEI VERBUNDENEN STICHPROBEN jeweils die Variablen zum MZP1 und MZP2 aus.
z.B. Paar 1: Variable 1: t1_xcatch Variable 2: t2_xcatch
z.B. Paar 2: Variable 1: t1_xhold Variable 2: t2_xhold
Grundlagen von SPSS 25
Vergleichen von Mittelwerten: Einfaktorielle Varianzanalysen
Zur Untersuchung der Fragestellung, ob sich mehr als zwei Subgruppen der Stichprobe
(z.B. Probanden verschiedener Schulen) hinsichtlich ihrer Mittelwerte auf einer abhängigen
Variablen signifikant unterscheiden, werden sogenannte ANOVAs, d.h. einfaktorielle
Varianzanalysen berechnet.
Hierbei muss die unabhängige Variable (der Faktor) kategorial mit fortlaufenden
ganzzahligen Werten sein, die abhängige Variable ist metrisch und intervallskaliert.
Über ANALYSIEREN → MITTELWERTE VERGLEICHEN → EINFAKTORIELLE
ANOVA können die abhängigen Variablen ausgewählt werden sowie der Faktor
(entspricht der unabhängigen Variablen) festgelegt werden.
Unter der Schaltfläche , sollten Sie noch die deskriptiven Statistiken aktivieren.
Unter der Schaltfläche , wählen Sie den Scheffe Test aus. Dieser test dient dazu, zu
bestimmen, welche Gruppen (Faktoren) sich hinsichtliches ihres Mittelwertes auf der
abhängigen Variablen signifikant voneinander unterscheiden.