Folien Termin 3

psychologie.uni.freiburg.de

Folien Termin 3

Grundlagen der Datenanalyse

am Beispiel von SPSS

Termin 3 – Einfache und multiple

Regression, Explorative Datenanalyse

Dipl. - Psych. Fabian Hölzenbein

hoelzenbein@psychologie.uni-freiburg.de


Wiederholung Termin 2

• Inferenzstatistik

- Signifikanz

• t-Test

t

- Unterschiedshypothesen

• Korrelation

- Zusammenhangshypothesen

04.11.2011 Datenanalyse in SPSS – Termin 3 2


Einfache Regression

04.11.2011 Datenanalyse in SPSS – Termin 3 3


Was ist die Regression?

• Die Regression ist eine Erweiterung der

Korrelation

• Besteht ein Zusammenhang zwischen zwei

Variablen, kann eine mit Hilfe der anderen

vorhergesagt werden

• In der Regel wird die schwer zu erhebende von

der leicht zu erhebenden bzw. die zukünftige von

der aktuell vorhandenen vorhergesagt

04.11.2011 Datenanalyse in SPSS – Termin 3 4


Beispiel

• Es besteht ein Zusammenhang zwischen der

Größe des Vaters und des (erwachsenen) Kindes

• Dieser Zusammenhang kann benutzt werden, um

die Größe eines (zukünftigen) Kindes

vorherzusagen

• Mit Hilfe von SPSS lässt sich die Regressions-

gleichung aufstellen

- In diese Gleichung kann dann die Größe eines Vaters

eingesetzt werden, um die vorhergesagte g Größe des

Kindes zu erhalten

04.11.2011 Datenanalyse in SPSS – Termin 3 5


Multiple Regression

04.11.2011 Datenanalyse in SPSS – Termin 3 6


Was ist eine multiple Regression?

• In der Realität beeinflussen sich meist mehrere

Variablen gegenseitig

• Mit Hilfe der multiplen Regression sagt man eine

Variable mit mehreren vorher, um eine bessere

Vorhersage zu erreichen

- Bsp: Die Größe des Kindes könnte mit der Größe des

Vaters, der Mutter, der Großeltern etc. vorhergesagt

werden

- Dabei kann man entweder vorher definieren, welche

Variablen benutzt t werden, oder dies datengeleitet

t

entscheiden (nur „passende“ Vorhersagevariablen

werden aufgenommen)

04.11.2011 Datenanalyse in SPSS – Termin 3 7


Explorative Datenanalyse

04.11.2011 Datenanalyse in SPSS – Termin 3 8


Warum explorative Datenanalyse?

• Die explorative Datenanalyse hilft, Fehler bei der

Dateneingabe und Beobachtungen mit extremen

Werten zu finden

• Dies kann hilfreich sein, um für eine bessere

„Datenqualität Datenqualität“ zu sorgen

• Bsp.:

- Tippfehler (Alter von 338 statt 38 Jahren) fallen evtl.

nicht sofort auf, beeinflussen aber Mittelwert etc. massiv

- Eine Versuchsperson mit durchschnittlichen

Reaktionszeiten von 3000 ms über dem Mittel hat die

Aufgabe offensichtlich nicht ernsthaft bearbeitet und

sollte evtl. ausgeschlossen werden

04.11.2011 Datenanalyse in SPSS – Termin 3 9


Explorative Datenanalyse

04.11.2011 Datenanalyse in SPSS – Termin 3 10

Weitere Magazine dieses Users
Ähnliche Magazine