3. AUSWERTUNGSMETHODEN ZWEIDIMENSIONALER DATEN

• zwei Merkmale

• möglichen Zusammenhang aufzudecken, dann bedienen wir uns der bivariaten Analyse. Man spricht auch davon, dass zweidimensionale Daten ausgewertet werden

• entscheidender Bedeutung, welches Skalenniveau

• zwei nominalskalierte Merkmale,

• zwei ordinalskalierte Merkmale

• zwei kardinalskalierte Merkmale und

• zwei verschieden skalierte Merkmale.

• zwei nominalskalierter Merkmale.

Ziel: herauszufinden, ob ein Zusammenhang zwischen diesen beiden  Merkmalen existiert. 

• zu untersuchenden Merkmale mit Aund Bbezeichnet. Diese beiden Merkmale können verschiedene Merkmalsausprägungen annehmen. Die Ausprägungen des Merkmals Awerden mit A1, A2, …, AI i = 1, …, I und die des Merkmals Bmit B1, B2, …, BJ j = 1, …, J gekennzeichnet. Das Merkmal Ahat demnach Iverschiedene und das Merkmal Bhat Jverschiedene Merkmalsausprägungen. Iund Jkönnen, müssen aber nicht identisch sein.

Reihenfolge beliebig):

• A: weiblich (A1), männlich (A2) und

• B: Raucher (B1), Nichtraucher (B2).

Sowohl Merkmal Aals auch Merkmal Bbesitzen I = 2bzw. J = 2Merkmalsausprägungen. In welcher Reihenfolge man die Ausprägungen (erst weiblich und dann männlich oder umgekehrt) anordnet, ist unwichtig.

Das Ziel der bivariaten Analyse ist, die beiden Merkmale gemeinsam zu betrachten. Bei gemeinsamer Betrachtung ergeben sich I · Jverschiedene Merkmalsausprägungen

Ai, Bj mit i = 1, 2, …, I; j = 1, 2, …, J .

Im vorliegenden Beispiel gibt es folgende vier Kombinationen an Merkmalsausprägungen:

• Die Pflegekraft ist weiblich und Raucherin (w, R).

• Die Pflegekraft ist weiblich und Nichtraucherin (w, N).

• Die Pflegekraft ist männlich und Raucher (m, R).

• Die Pflegekraft ist männlich und Nichtraucher (m, N