Zusammenfassung
Wenn Sie Datensätze analysieren, sollten Sie als erstes die eindimensionalen Häufigkeitsverteilungen untersuchen, d. h. Sie sollten jede Variable zunächst für sich analysieren. Insbesondere die Verteilung, Lage, Streuung und Schiefe jeder Variablen müssen untersucht werden. Die Ziele hierbei sind:
-
1)
Man bekommt ein Gefühl für die Daten. Dadurch kann man später leichter abschätzen, ob bestimmte Ergebnisse überhaupt richtig sein können. Wenn man z. B. den Datensatz einer Untersuchung analysiert, in der Jugendliche befragt wurden, kann es nachher nicht sein, dass eine Person bei der Variable „Alter“ den Wert „89 Jahre“ aufweist oder dass der Mittelwert der Variable ,,Alter“ bei „40 Jahren“ liegt. Solche Ergebnisse sind Hinweise auf Fehler im Datensatz oder falsche Syntaxen.
-
2)
Die Untersuchung der eindimensionalen Häufigkeitsverteilungen ergibt erste Hinweise, ob die Fragebögen richtig ausgefüllt wurden oder ob bei der Eingabe in den PC Fehler gemacht wurden. Ein typischer Fehler ist z. B., dass fehlende Werte nicht als solche definiert wurden. Auch kann es z. B. nicht sein, dass jemand ein negatives Alter hat usw. (siehe auch Kapitel 3 in diesem Band).
-
3)
Wenn Variablen zu schief verteilt sind, sind sie oft für die weitere Analyse wertlos. Beispiel: Man möchte den Unterschied zwischen Männern und Frauen untersuchen. Man hat einen Datensatz mit 100 Fällen. Von diesen 100 Befragten waren 98 männlich, 2 weiblich. Die Verteilung ist also extrem schief. Durch diese Schiefe kann man die Unterschiede zwischen Männern und Frauen nicht sinnvoll untersuchen. Es macht beispielsweise nicht viel Sinn, bei zwei Frauen das durchschnittliche Alter zu untersuchen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Weiterführende Literatur
Schulze (2002a) sowie Behnke, Behnke und Baur (2004) erläutern die Begriffe „Homomorphie“ und die Unterschiede zwischen relationaler und absoluter Interpretierbarkeit von Daten. Gigerenzer (1999) beschreibt, was passiert, wenn man mechanisch mit Statistik umgeht, ohne sie wirklich verstanden zu haben. Wie man die im Text genannten Maßzahlen berechnet und interpretiert, wird in jeder Statistik-Einführung erläutert, z. B. in Behnke und Behnke (2004b), Benninghaus (2002), Jann (2002). Angele (2003) sowie Wittenberg und Cramer (2003) geben zusätzliche Hinweise zu den Syntax-Befehlen. Jacoby (1998) und Krämer (2001) beschreiben verschiedene Möglichkeiten der grafischen Darstellung von Daten. Die Kapitel 6 und 7 beschreiben, worauf man hierbei achten muss. Wie man gute Grafiken und Tabellen erstellt, beschreiben Haaland u. a. (I996) sowie Tufle (1990, 2000).
Angele (2003): SPSS 11.5 für Windows. Eine Einführung. Bamberg: Schriftenreihe des Rechenzentrums der Otto-Friedrich-Universität Bamberg. Kapitel „Prozeduren in SPSS — Teil I“ sowie „Grafik in SPSS für Windows“
Behnke, Joachim / Behnke, Nathalie / Baur, Nina (2004): Empirische Methoden der Politikwissenschaft. Paderborn: Ferdinand Schöningh
Behnke, Joachim / Behnke, Nathalie (2004b): Kurs zur Statistik. Kurs Nr. 33208 der Fernuniversität Hagen
Benninghaus, Hans (2002): Deskriptive Statistik. Eine Einführung für Sozialwissenschaftler. 9., überarbeitete Auflage. Wiesbaden: Westdeutscher Verlag. S. 29–65
Gigerenzer, Gerd (1999): Über den mechanischen Umgang mit statistischen Methoden. In: Roth, Erwin / Hotting, Heinz (Hg.) (1999): Sozialwissenschaftliche Methoden. Lehr- und Handbuch für Forschung und Praxis. 5.Auflage. München / Wien: R. Oldenbourg. S. 607–618
Haaland, Jan-Aage/ Jorner, Ulf/ Persson, Rolf/ Wallgren, Anders/ Wallgren, Anders (1996): Graphing Statistics & Data. Creating Better Charts. Thousand Oaks / London / New Delhi: Sage
Krämer, Walter (2001): Statistik verstehen. Eine Gebrauchsanweisung. München / Zürich: Piper
Jacoby, William G. (1998): Statistical Graphics fpr Visualizing Univariate and Bivariate Data. Thousand Oaks / London / New Delhi: Sage
Jann, Ben (2002): Einführung in die Statistik. München / Wien: Oldenbourg 19–58
Schulze, Gerhard (2002a): Einführung in die Methoden der empirischen Sozialforschung. Reihe: Bamberger Beiträge zur empirischen Sozialforschung. Band 1. Kapitel „Univariate Verteilungen“
Tufle, Edward R. (1990): Envisioning Information. Cheshire (CT): Graphics Press
Tufle, Edward R. (2001): The Visual Display of Quantitative Information. Cheshire (CT): Graphics Press
Wittenberg/ Cramer(2003): Datenanalyse mit SPSS für Windows. Stuttgart: Lucius & Lucius. (Insbesondere folgende Kapitel: Datenprüfung und Datenbereinigung: DESCRIPTIVES, FREQUENCIES, LIST; Univariate deskriptive und konfirmatorische Datenanalyse: FREQUENCIES, DESCRIPTIVES)
Editor information
Rights and permissions
Copyright information
© 2004 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Baur, N. (2004). Univariate Statistik. In: Baur, N., Fromm, S. (eds) Datenanalyse mit SPSS für Fortgeschrittene. VS Verlag für Sozialwissenschaften, Wiesbaden. https://doi.org/10.1007/978-3-663-09567-5_9
Download citation
DOI: https://doi.org/10.1007/978-3-663-09567-5_9
Publisher Name: VS Verlag für Sozialwissenschaften, Wiesbaden
Print ISBN: 978-3-531-14163-3
Online ISBN: 978-3-663-09567-5
eBook Packages: Springer Book Archive