Daten Transformieren

Bekannte Datentransformationen

Hauptsächlich werden Datentransformationen verwendet, weil viele statistische Verfahren gewisse Ansprüche an die Verteilung ihrer Daten bzw. an die Verteilung der Residuen stellen. Die meisten parametrischen statistischen Verfahren verlangen normalverteilte Daten bzw. normalverteile Residuen. In anderen Fällen muss die Beziehung zwischen Variablen linear sein. Oft erfüllen unsere Daten diese Voraussetzungen allerdings nicht. In manchen Fällen ist

Daten Transformieren

Datentransformation in SPSS durchführen

Jede Transformation in SPSS erfordert, dass wir eine mathematische Berechnung für eine oder mehrere Variablen durchführen. Wir gehen in diesem Artikel davon aus, dass wir schon wissen, welche Formel angewendet werden soll. Für eine Übersicht über bekannte Transformationen empfehlen wie diesen Artikel.

Rechner, Vorraussetzungen

Invertieren von Variablen

Viele Skalen, vor allem bei Fragebögen der Psychologie, haben Items, die gegenteilig formuliert sind, aber auf derselben Skala gemessen werden. Diese Items müssen wir invertieren, bevor wie sie beispielsweise zu einem Gesamtscore aggregieren können. Beispiel Nehmen wir als Beispiel diese zwei Items aus dem IPIP40 (Hartig, Jude & Rauch, 2003) für Extraversion. Das erste Item

Daten Transformieren

Einstieg in die Datentransformation

Parametrische Prüfverfahren machen gewisse Annahmen über die Daten, die analysiert werden sollen. Sind diese Annahmen verletzt, liefert das Verfahren oft verzerrte Ergebnisse. Transformationen können angewendet werden, damit die Daten diese Annahmen wieder erfüllen bzw. ihnen näher kommen, die Interpretierbarkeit der Ergebnisse zu ermöglichen und Daten besser grafisch zu visualizieren.

Prüfung auf Normalverteilung

Normalverteilung in SPSS Prüfen: Interpretation der Ausgabe

Da die Funktion Explorative Datenanalyse nicht alleine für die Prüfung auf Normalverteilung verwendet wird, erhalten wir in der Ausgabe etliche Grafiken und Tabellen mit zusätzlichen Statistiken. Shapiro-Wilk- & Kolmogorov-Smirnov-Test In der Tabelle der Tests auf Normalverteilung finden sich die beiden Tests, die von SPSS speziell für die Prüfung der Normalverteilungseigenschaft berechnet werden. Neben dem Kolmogorov-Smirnov-Test berechnet SPSS

Prüfung auf Normalverteilung

Normalverteilung in SPSS Prüfen: Kolmogorov–Smirnov–Test

Die Prüfung auf Normalverteilung mit dem Kolmogorov–Smirnov–Test erfolgt analog zu der Prüfung auf Normalverteilung mit dem Shapiro-Wilk–Test. Die Schritte sind prinzipiell dieselben, nur wird eine andere Ausgabe interpretiert. Allerdings gibt es auch nur wenige Situationen, wo der Kolmogorov–Smirnov–Test dem Shapiro-Wilk–Test überlegen ist. Wir empfehlen daher für die generelle Prüfung auf Normalverteilung den Shapiro-Wilk–Test.

Prüfung auf Normalverteilung

Normalverteilung in SPSS prüfen: Shapiro-Wilk-Test

Der Shapiro-Wilk-Test (Shapiro & Wilk, 1965) untersucht, ob eine Stichprobe normalverteilt ist. Er hat, verglichen mit anderen bekannten Normalverteilungstests, eine hohe statistische Power – höher auch als der oft eingesetzte Kolmogorov-Smirnov-Test (Razali & Wah, 2011; Steinskog, Tjøstheim & Kvamstø, 2007). In dieser Anleitung zeigen wir Schritt-für-Schritt, wie man den Shapiro-Wilk-Test in SPSS durchführt und interpretiert.

Prüfung auf Normalverteilung

Variablen in SPSS auf Normalverteilung Prüfen

Viele parametrische Statistiken liefern die besten Ergebnisse, wenn die Variablen (etwa) normalverteilt sind, und die meisten Statistiken, die wir verwenden, sind parametrisch. Allerdings zeigen gerade jüngere Simulationsstudien, dass die Voraussetzung auf Normalverteilung die unwichtigste aller Voraussetzungen ist (Salkind, 2010). Zusätzlich entfällt diese Voraussetzung meisten, wenn die Stichprobe ausreichend groß ist. Nichtdestotrotz: Sind die Variablen (etwa)