Katja Rost Empirischen Organisationsforschung SS 07 Veranstaltung 4.
-
Upload
malwine-boebel -
Category
Documents
-
view
102 -
download
0
Transcript of Katja Rost Empirischen Organisationsforschung SS 07 Veranstaltung 4.
Katja Rost
Empirischen Organisationsforschung
SS 07
Veranstaltung 4
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 2
Grundfunktionen SPSS
Öffnet SPSS.
Stellt die Grundeinstellung (Ausgabe) wie ich ein.
Bitte versucht anhand eures Fragebogens (z. B. Frage 1) eine Datenmaske zu konstruieren:
Definition des Variablennamen: z. B. V1a
Eingabe des Variablenlabel: z. B. „Zusatzqualifikation“
Eingabe der Labels: 1=trifft zu
Gebt nun fiktiv einen Datensatz ein (siehe Eingabemaske: Labels ein/aus)
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 3
Wiederholung Forschungsfrage
Definiert eurer Problemstellung und stellt hierfür prüfbare Hypothesen auf.
Wenn … dann…
Je … desto…
Identifiziert die Variablen, die ihr hierfür voraussichtlich verwenden werdet.
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 4
Wiederholung Skalenniveaus
Identifiziert nun für die Variablen eurer Fragestellung das Skalenniveau:
1. dichotome Skala (z. B. Geschlecht)
Mittelwert, Modalwert und Median sinnvoll; d.h. es sind auch Regressionen möglich
2. Nominalskala (z. B. Farbe)
nur Modalwert sinnvoll
3. Ordinalskala (Objekte oder Merkmale lassen sich in eine Rangfolge ordnen, z. B. Schulnoten)
Mittelwert, Modalwert und Median sinnvoll
Regressionen sind bei mehr als 5 Ausprägungen möglich („quasimetrisch“)
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 5
0
5
10
15
20
25
30
35
40
1=sehr oft 2=oft 3=teils/teils4=selten 5= fast nie 6=bie
Sport
Mittelwert: 3,8
Modal-, Medianwert: 4
Perzentile 25 3,000050 4,000075 5,0000
Lagemaße: Häufigkeiten und deskriptive Statistik
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 6
Häufigkeiten und deskriptive Statistik
Nehmt eine Variable euerer Fragestellung und lasst euch die Häufigkeitstabelle ausgeben. Bitte interpretiert diese Tabelle.
Besitzt die Variable die maximale Varianz, d.h. haben die Personen sowohl Minimum als auch Maximum ausgefüllt?
Gibt es Missingwerte, die nicht als fehlende Werte kodiert wurden?
Mittelwert. Die Summe geteilt durch die Anzahl der Fälle.
Median. Der Wert, über und unter dem jeweils die Hälfte aller Fälle liegt.
Modalwert. Der am häufigsten auftretende Wert.
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 7
1,00 2,00 3,00 4,00 5,00 6,00
0
10
20
30
40
Häufigkeit
Mean = 3,8571Std. Dev. = 1,46209N = 140
Bei Normalverteilung liegen 68% der Fälle zwischen 2,4 und 5,2.
Streuung (Standardabweichung)
Ein Maß für die Streuung um den Mittelwert.
Bei einer Normalverteilung
liegen 68% der Fälle im Bereich von einer Standardabweichung um den Mittelwert
und 95% der Fälle im Bereich von zwei Standardabweichungen.
Wenn z. B. der Altersmittelwert 45 ist, und die Standardabweichung 10 beträgt, liegen bei Normalverteilung 95% der Fälle zwischen 25 und 65 liegen.
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 8
Streuung
Wie hoch ist die Standardabweichung eurer Variablen. Interpretiert diese für den Fall einer Normalverteilung.
Streuen die Variablen ausreichend, d.h. ist Varianz vorhanden? Vergleicht hierfür auch das Balkendiagramm.
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 9
1,00 2,00 3,00 4,00 5,00 6,00
0
10
20
30
40
Häufigkeit
Lagemasse einer Verteilung
Schiefe: -,309; d.h. linksschief oder rechtssteil
Kurtosis: -,784; d.h. steiler
Ein Schiefe- bzw. Kurtosis-Wert größer +/-1,96 dokumentiert eine Abweichung von der Symmetrie. -> es sind keine zuverlässigen Regressionen, Mittelwertvergleiche möglich
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 10
Korrelationen
Mit Korrelationen werden die Beziehungen zwischen Variablen oder deren Rängen gemessen.
Datenniveau:
Quasimetrisch (d.h. mindestens 5 Ausprägungen)
Oder dichotome Variablen
Sowie:
Untersuchen auf Ausreißer, da diese zu irreführenden Ergebnissen führen können -> Lagemasse (Schiefe, Kurtosis)
Prüfung auf Linearität –> wenn keine Linearität ist der Korrelationskoeffizient keine geeignete Statistik zum Messen des Zusammenhangs
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 11
Korrelationen
Die Korrelation beträgt r = 0,531***.
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 12
Prüfung auf Linearität
Zunächst: Was ist eure abhängige (Y) und was ist eure unabhängige Variable (X)?
Mehrere Möglichkeiten
Streudiagramm (empfiehlt sich nicht bei „Fragebogenfragen“ aber z. B. bei wirklich metrischen Skalen)
Balkendiagramm (empfiehlt sich bei quasi-metrischen Skalen)
Mittelwertvergleich
Lasst euch anschliessend die bivariate Korrelation ausgeben und interpretiert diese
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 13
Warum zusammenfassen?
Übersichtlicher
Manche Variablen haben keine Normalverteilung
Nicht beobachtbares Konstrukt
Annahme
Verschiedene Variablen messen ein ähnliches Phänomen
Bitte identifiziert für eure Fragestellung Variablen, die euerer Ansicht nach ein ähnliches Phänomen messen.
Zusammenfassung von Variablen zu „Konstrukten“
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 14
Zusammenfassung von Variablen zu „Konstrukten“
Zufriedenheit
Chef Kollegen AufgabenItems
Messkonstrukt
Kollegen
Verschiedene Variablen messen ein ähnliches Phänomen, d.h. sie korrelieren untereinander hoch
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 15
Ermittelt die bivariaten Korrelationen der Variablen, die ihr zusammenfassen möchtet. Korrelieren die Variablen tatsächlich untereinander hoch?
Ermittelt die „Reliabilität“ der Skala, sollte mindestens 0,6 sein
Fasst die Variablen als Summe zusammen
Ermittelt für die neue Variable die deskriptive Statistik, ist diese Variable normalverteilt?
Zusammenfassung von Variablen zu „Konstrukten“
Lehrstuhl für Organisation, Technologie- und Innovationsmanagement, Prof. Dr. Margit Osterloh 16
Rekodieren von Variablen
Falls Variablen nicht normalverteilt sind bzw. nicht alle Ausprägungen ausgefüllt sind, empfiehlt sich die Recodierung.
Falls eine Variable für ihre Fragestellung diese Anforderungen erfüllt, recodieren Sie diese.
Ansonsten „dichotimisieren“ Sie bitte eine quasimetrische Variable.