Kapitel 15 Explorative Datenanalyse
Kapitel 15 Explorative Datenanalyse
Kapitel 15 Explorative Datenanalyse
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
384 <strong>Kapitel</strong> <strong>15</strong> <strong>Explorative</strong> <strong>Datenanalyse</strong><br />
Neben den beiden Grafiken wurden durch die Prozedur auch die Ergebnisse eines<br />
Signifikanztests, des Kolmogorov-Smirnov-Tests, ausgegeben. Dieser testet die<br />
Nullhypothese, daß die Werte der untersuchten Variablen normalverteilt sind. Es<br />
wird eine Wahrscheinlichkeit errechnet, mit der das Zurückweisen dieser Hypothese<br />
falsch ist. Je größer diese Wahrscheinlichkeit ist, desto eher kann davon ausgegangen<br />
werden, die Werte seien tatsächlich normalverteilt. Das Ergebnis dieses<br />
Tests ist in Abbildung <strong>15</strong>.10 wiedergegeben.<br />
V338<br />
Tests auf Normalverteilung<br />
Kolmogorov-Smirnov a<br />
Statistik df Signifikanz<br />
,125 1047 ,000<br />
a. Signifikanzkorrektur nach Lilliefors<br />
Abbildung <strong>15</strong>.10: Ergebnis eines Normalverteilungstests<br />
für die Variable „v338“ (Dauer des Interviews)<br />
Von Bedeutung ist in erster Linie die Signifikanz. Dies ist die Irrtumswahrscheinlichkeit<br />
für das Zurückweisen der Normalverteilungshypothese. Da diese Wahrscheinlichkeit<br />
mit 0,000 ausgewiesen wird 176 , ist die Annahme der Normalverteilung<br />
zurückzuweisen. Hierbei ist grundsätzlich zu beachten, daß der Test die Hypothese<br />
perfekter Normalverteilung überprüft und damit auch zu einer Ablehnung<br />
der Hypothese führen kann, wenn die Werte nur annähernd normalverteilt sind. In<br />
dem hier betrachteten Beispiel ist dies eindeutig nicht der Fall, wie aus den dargestellten<br />
Grafiken hervorgeht. Würden die Grafiken jedoch eher auf eine Normalverteilung<br />
oder auf nur geringe Abweichungen von der Normalverteilung hindeuten,<br />
während der Test eine Ablehnung der Hypothese empfiehlt, ist zu überlegen,<br />
ob gegebenenfalls Zugeständnisse in bezug auf die Normalverteilungsannahme<br />
gemacht werden sollten, damit die entsprechenden statistischen Verfahren überhaupt<br />
zur Anwendung kommen können.<br />
<strong>15</strong>.4 Test auf Gleichheit der Varianzen<br />
Viele statistische Prozeduren, bei denen verschiedene Fallgruppen untersucht und<br />
miteinander vergleichen werden, setzen voraus, daß die Varianzen innerhalb der<br />
einzelnen Gruppen gleich sind. Dies gilt beispielsweise bei Signifikanztests für<br />
Mittelwertvergleiche. In der explorativen <strong>Datenanalyse</strong> von SPSS können Sie mit<br />
einem Levene-Test überprüfen, ob diese Voraussetzung erfüllt ist. Ist dies nicht<br />
der Fall, können Sie mit Hilfe grafischer Darstellungen untersuchen, ob unterschiedliche<br />
Varianzen ggf. mit verschiedenen Niveaus der Werte beziehungsweise<br />
des Medians zusammenhängen. Wenn Sie eine solche Beziehung für die Erklä-<br />
176 0,000 ist ein gerundeter Wert, den man sich im Ausgabenavigator wesentlich genauer<br />
ausgeben lassen kann (vgl. hierzu <strong>Kapitel</strong> 7, Pivot-Tabellen). Der exaktere Wert wird mit<br />
3,146e–044 angegeben, ist also tatsächlich sehr gering.<br />
Felix Brosius, SPSS 8<br />
International Thomson Publishing