Für viele ist Statistik eine der größten Herausforderungen, die das Studium zu bieten hat. Wir haben Experten gefragt und alles zum Thema zusammengetragen. Hier erhältst Du wichtige Informationen zu Statistik allgemein und auch zu SPSS, R und Stata. Und Kopf hoch: Statistisch gesehen bist Du mit unseren Infos klar im Vorteil :)
SPSS mit Syntax bedienen: wann lohnt sich der Aufwand und was sind die Vorteile? Das wichtigste zusammengefasst, sowie die ersten Schritte findest du in diesem Beitrag. Zusätzlich zeigen wir an einem Beispiel, wie Du ohne Vorkenntnisse Deine ersten Codes erstellen kannst.
Eine Korrelationsanalyse in SPSS durchzuführen ist ganz einfach. Wir wiederholen die Basics zu Korrelation. Dabei zeigen wir Dir Schritt für Schritt, wie Du bei SPSS gängige Korrelationskoeffizienten berechnen kannst und was es dabei zu beachten gilt.
„Signifikanz“ ist eines der großen Stichworte in der Statistik. Nahezu keine Analyse kommt ohne aus. Aber was genau ist Signifikanz eigentlich und wie wird sie ermittelt? Die Antwort darauf findest Du in diesem Artikel.
Die Varianzanalyse umfasst eine Reihe von Verfahren, mit denen Du prüfen kannst, ob die Verteilung einer metrisch-skalierten Variablen von der Verteilung einer nominalskalierten Variablen beeinflusst wird. Wie Du sie mit SPSS durchführen und die Ergebnisse interpretieren kannst, liest Du hier!
Mit dem Shapiro-Wilk-Test prüfst Du für ein metrische Merkmal Datenmaterial, ob dieses der Annahme einer Normalverteilung der Werte folgt. Damit ist er ein vorgelagerter Test für viele statistische Verfahren, die diese Voraussetzung haben. Hier liest Du, wie Du diesen Test mit SPSS einfach durchführen kannst.
Mit einem Mediantest überprüfst Du zwei Stichproben auf Gleichheit ihrer Lageparameter, ohne dass Du dafür die Normalverteilung der untersuchten Merkmale unterstellen musst. Außerdem reicht Ordinalskalenniveau für die Daten aus. Damit gehören sie zu den nicht-parametrischen Verfahren. Wie Du die Tests mit SPSS durchführst und welchen Test Du auswählst, liest Du hier.
Die Diskriminanzanalyse untersucht die Abhängigkeit eines nominalskalierten Merkmals von zwei oder mehr unabhängigen metrischen Merkmalen. Damit ist sie bezüglich der Fragestellung durchaus vergleichbar mit der Regressionsanalyse. Sie bestimmt aber keinen metrischen Schätzwert, sondern eine Gruppenzugehörigkeit, nämlich die Ausprägung der nominalskalierten Variablen. Wie Du sie mit SPSS durchführst, liest Du hier.
Die Clusteranalyse gehört zu explorativen Datenanalysemethoden und bildet auf Basis von den vorliegenden Merkmalsausprägungen beliebiger Skalenniveaus Gruppen von Merkmalsträgern. Dabei soll sowohl die Ähnlichkeit innerhalb der Gruppen als auch die Unterscheidbarkeit zwischen den Gruppen möglichst groß sein. Eine schnelle Anleitung für die Durchführung mit SPSS findest Du hier.
Du arbeitest immer dann mit univariaten statistischen Verfahren, wenn Du Kennzahlen zu einzelnen Variablen berechnest, ohne auf Zusammenhänge und/oder Abhängigkeiten zu achten. Dieses Vorgehen ist auf jeden Fall immer geeignet, um Dir einen ersten Eindruck von Deinem Datenmaterial zu verschaffen. Mit dem Programmsystem SPSS ist die Durchführung sehr unkompliziert möglich.
Die inferenzielle Statistik umfasst den Teil der Statistik, der sich mit dem Schluss von der Stichprobe auf die Grundgesamtheit beschäftigt. Du kannst sie anwenden, wenn der Umfang der Grundgesamtheit zu groß ist oder es zu teuer ist, alle Einheiten zu erheben. Die Berechnungen dazu kannst Du SPSS überlassen. Hier liest Du, wie das geht.