LE9 - Datenanalyse I - Deskriptiv

Rohdatenfile

• Exakte Entsprechung der Fragebögen bzw Interviews

• Daran wird nichts verändert

Arbeitsdatensatz

• nur damit wird gearbeitet

• Überblick über Items / Vairablen und Antwortkategorien des Datensatzes

• Reihenfolge der Items / Variablen wie im Datensatz

  • Name, Label, Wert, Label des Werts, Code für fehlende Werte

Aufzeichnung wichtiger Informationen über die verwendeten Messinstrumente

Bei Eingabe von Daten passieren immer Fehler

Erkennungsmöglichkeiten

• Häufigkeitsverteilungen oder Histogramme

  • Sind Werte wie erwartet, seltsame Werte, fehlende Werte

• Kontingenztabelle / Scatterplots

  • seltsame Wertkombinationen (Alter 15, Einkommen 30.000)

Alle Schritte müssen dokumentiert werden

• Nachvollziehbarkeit, Wiederholbarkeit, Aufdeckung Fehler

Bsp:

• Rekodierung von Items, Bildung von Variablen

• Hypothesentests

Vorgehen:

• Syntax in der Statistiksoftware

Ideal:

• Gesamte Datenanalyse mit einem Klick reproduzierbar

• vermittelt Überblick über die Daten

• nicht sofort mit Hypothesentests anfangen -> Daten kennenlernen

• Voraussetzungen für die Analysen prüfen

• Besseres Verständnis und Interpretation von Ergebnissen

• Vorgehen: Verschiedene deskriptive Statistiken und graphische Darstellungen

• Erster Schritt in der Datenanalyse

• Information über Häufigkeit und prozentuele Anteile der verschiedenen Antwortkategorien

• Säulendiagramm bei diskreten Variablen -> jeder Wert eigene Säule

• Histogramm bei kontinuierlichen Variablen -> aggregierte Bereiche

• Boxplot bei kontinuierlichen Variablen

Lagemaße

• Maß der zentralen Tendenz

• Welcher Wert repräsentiert die Verteilung der Variable am besten

• liefern ein unvollständiges Bild einer Verteilung

  • Verteilungen mit gleichem Lagemaß können unterschiedlich stark um dieses herum streeuen

Streuungsmaße

• Dispersionsmaße

• Wie weit liegen die Werte einer Verteilung vom Mittelpunkt entfernt

Modalwert

• am häufigsten auftretende Wert (Max wert)

• wenig anfällig für Ausreißer

• bei jeder Skalenniveau anwendbar

Median

• Zentrum der Verteilung

• wenig anfällig für Ausreißer

• Ordinalskala

• Berechnung: Were nach Größe sortieren, Median = mittlerer Wert

Arithmetische Mittel

• Durchschnittswert

• Anfällig für Ausreißer

• Min / Max

  • geringster / größter Wert

• Spannweite (range)

  • Abstand zwischen Min und Max

• Perzentile

  • Wert einer Variable unter dem x% der anderen Werte liegen

• Interquartilsabstand

  • Abstand zwischen erstem und drittem Quartil

• Varianz

  • Streuung der gemessenen Werte um arithmetische Mittel

  • Warum bei Berechnung quadrieren?

    • Vermeidet negative Werte, gewichtet starke Abweichung höher

  • Nachteil

    • nicht dieselbe Einheit wie die ursprüngliche Werte

      • erschwerte Interpretierbarkeit -> Lösung Standardabweichung

• Standardabweichung (SD)

  • am häufigsten verwendetes Streuungsmaß -> einfach interpretierbar

  • Streuung einer Variable um arithmetische Mittel, gemessen in der Einheit der Variable

Werte so umrechnen, dass sie Abweichungen vom Mittelwert darstellen ( in Standardabweichungen)

• Häufiges Vorgehen: Z-Standardisierung

  • Mittelwert 0, sd = 1

  • z wert von 2: Wert liegt 2 sd über dem Durchschnitt

• hat keinen substantiellen Einfluss auf Hypothesentests

Schiefe und Kurtosis geben an, inwieweit die Verteilung einer Variable tatsächlich der Normalverteilung entspricht

Schiefe: Ausmaß und Art der Asymmetrie einer Verteilung

Kurtosis: Ausmaß der Steilheit (Spitzigkeit) einer Verteilung

Transformieren

• Logarithmieren

• Quadratwurzel

• können Analyse verzerren

• Identifikation durch Boxplot oder Histogramme

• Reaktion

  • Eingabefehler prüfen

  • Robuste statistische Verfahren anwenden

  • Berechnung mit und ohne Ausreißer

  • Löschen (Gefahr valide Werte zu löschen)

• Variablen werden durch mehrere Items gemessen (multiple Indikatoren)

• Vor Hypothesentest: Zusammenfassung der Items zu einer Variable

• Summe der arithmetisches Mittel der items

• Kann man multiple Items zu einer Variable zusamenfassen?

• Voraussetzung: Items müssen ein Konstrukt messen

• Gebräuchliches Maß: Cronbachs Alpha

• Kann wert zwischen 0 und 1 annehmen

• Faustregel