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.
Die bivariate Statistik umfasst Verfahren, die Du einsetzen kannst, wenn in Deiner Stichprobe zu jedem Objekt mindestens zwei Variablen erhoben sind: Zusätzlich zu univariaten Kennzahlen der einzelnen Variablen kannst Du damit eventuelle Zusammenhänge untersuchen und auf Signifikanz testen. Darüber hinaus lassen sich Abhängigkeiten analysieren. Die Durchführung dieser Statistiken erfolgt sehr einfach mit SPSS.
Den t-Test auf signifikante Mittelwertunterschiede kannst Du mit SPSS sehr einfach durchführen. Egal, ob Du die Abweichung eines beobachteten Mittelwerts von einem theoretischen Wert prüfen, oder ob Du stattdessen die Mittelwerte zweier abhängiger beziehungsweise unabhängiger Stichproben miteinander vergleichen möchtest: Hier findest Du, wie Du die Tests mit SPSS ganz einfach rechnest und anschließend interpretierst.
Wusstest Du, dass eine gute statistische Analyse mehr als Auswahl und Anwendung der korrekten Methoden beinhaltet? Sie beginnt bereits bei der Datengewinnung und endet bei deren Präsentation. Dieser Artikel erklärt Dir alles, was Du dazu wissen musst.