Statistik für Psychologen für Dummies E-Book

Donncha Hanna

• Herausgeber: Wiley-VCH GmbH
• Kategorie: Wissenschaft und neue Technologien
• Serie: ...für Dummies
• Sprache: Deutsch
• Veröffentlichungsjahr: 2023

Seitenzahl: 669

Beschreibung

Wer sich mit Psychologie beschäftigen will, muss sich meist auch mit Statistik beschäftigen und das auch noch recht umfassend. Wenn Statistik nicht so Ihr Thema ist, dann ist dies das richtige Buch für Sie. Donncha Hanna und Martin Dempster erklären Ihnen, was Sie über Regression, Korrelation und ANOVA wissen sollten. Sie erfahren, was Sie über Wahrscheinlichkeit, Deduktion und Hypothesentests wissen sollten und vieles mehr. Außerdem erhalten Sie eine kurze Einführung in SPSS sowie R beziehungsweise RStudio und lernen die für Sie wichtigen Funktionen dieser umfangreichen Programme kennen. So ist dieses Buch ein angenehmer Einstieg für alle, die sich nicht wirklich auf Statistik freuen.

Leseprobe

Statistik für Psychologen für Dummies

Schummelseite

DIE ROLLE VON VARIABLEN IN DER STATISTIK FÜR PSYCHOLOGEN

In der Statistik für Psychologen müssen Sie für Forschungsstudien, bei denen quantitative Daten gesammelt werden (alle Daten, die gezählt oder als Zahlen dargestellt werden können), diese Daten normalerweise in einem Tabellenkalkulationsblatt mit mehreren Variablen aufzeichnen und speichern. Wenn Sie statistische Analysen für diese Daten durchführen, müssen Sie wissen, welche Rollen die einzelnen Variablen in Ihrer Forschungsstudie gespielt haben. Ganz allgemein klassifizieren Sie die Variablen in der Statistik für Psychologen als unabhängige Variablen, abhängige Variablen oder kovariate Variablen.

Unabhängige Variablen

Unabhängige Variablen werden manchmal auch als Prädiktorvariablen bezeichnet. Streng genommen ist eine unabhängige Variable eine Variable, die Sie manipulieren können, um zu untersuchen, wie sich die Änderungen dieser unabhängigen Variablen auf die anderen Variablen auswirken. Es handelt sich also um beeinflussende Variablen. In einigen Fällen bezeichnet man Variablen auch dann als unabhängige Variablen, wenn sie nicht direkt manipuliert werden. Solche unabhängigen Variablen werden auch als quasi-unabhängige Variablen bezeichnet.

Abhängige Variablen

Abhängige Variablen werden manchmal als Ergebnisvariablen oder Kriteriumsvariablen bezeichnet. Eine abhängige Variable ist im Allgemeinen die Variable, für die Sie eine Änderung erwarten, wenn Sie die unabhängige Variable manipulieren, also die von der unabhängigen Variablen beeinflusste Variable. Mit anderen Worten: Die abhängige Variable ist die Variable, auf die sich die unabhängige Variable auswirkt. Diese Variable heißt abhängige Variable, weil ihr Wert vom Wert der unabhängigen Variablen abhängig ist (zumindest theoretisch).

Kovariate Variablen

Als kovariate Variablen oder einfach Kovariate werden in einer Forschungsstudie im Allgemeinen für die Studie relevante Variablen bezeichnet, bei denen es sich weder um unabhängige noch um abhängige Variablen handelt. Bei bestimmten Studien können Sie eine kovariate Variable verwenden, um andere Faktoren zu berücksichtigen, die sich möglicherweise auf die Beziehung zwischen der unabhängigen und der abhängigen Variablen auswirken. Eine gute Forschungsstudie misst diese Variablen, sodass Sie ihren Einfluss berücksichtigen können. Innerhalb dieser Forschungsstudie sind diese Variablen kovariate Variablen. Kovariate Variablen kann es auch in Forschungsstudien geben, in denen es keine unabhängigen oder abhängigen Variablen gibt.

MESSNIVEAUS IN DER STATISTIK FÜR PSYCHOLOGEN

Sie können in der Statistik für Psychologen Variablen gemäß ihren Messeigenschaften klassifizieren. Wenn Sie Variablen auf einem Datenbogen aufzeichnen, halten Sie sie in der Regel als Zahlen fest, weil dies die statistische Analyse vereinfachen kann. Die Zahlen können jedoch unterschiedliche Messeigenschaften besitzen, was schließlich bestimmt, welche Art Analyse Sie mit diesen Zahlen durchführen können. Das Messniveau einer Variablen ist ein Klassifizierungssystem, das Ihnen mitteilt, welche Messeigenschaften die Werte einer Variablen haben.

Die Messeigenschaften, die die Werte in einer Variablen besitzen können, sind:

Größe: Dies bedeutet, dass Sie die Werte einer Variablen vom höchsten bis zum niedrigsten Wert sortieren können.Gleiche Intervalle: Dies bedeutet, dass eine Einheit Unterschied auf der Messskala immer gleich ist, unabhängig davon, wo sich diese Einheit Unterschied auf der Skala befindet.Echter absoluter Nullpunkt: Dies bedeutet, dass der Nullpunkt auf der Messskala der Punkt ist, wo nichts von der Variablen existiert und es somit keine Werte gibt, die kleiner als null sind.

Diese drei Messeigenschaften ermöglichen Ihnen, das Messniveau einer Variablen als einen von vier Typen festzulegen:

Nominalskalenniveau: Dies bedeutet, dass eine Variable keine der drei Messeigenschaften besitzt. Sie messen eine Variable auf Nominalniveau, wenn Sie nur die Zahlen in der Variablen als Beschriftungen verwenden.Ordinalskalenniveau: Wenn Sie eine Variable auf dem ordinalen Messniveau messen, haben die Werte in der Variablen nur die Messeigenschaft Größe. Sie messen eine Variable auf ordinalem Niveau, wenn die Werte in der Variablen sortierte Rangfolgen darstellen.Intervallskalenniveau: Wenn Sie eine Variable auf Intervall-Messniveau messen, hat sie die Messeigenschaften Größe und gleiche Intervalle.Ratio- oder Verhältnisskalenniveau: Wenn Sie eine Variable auf Skalen-Messniveau messen, hat sie die Messeigenschaften Größe, gleiche Intervalle und einen echten absoluten Nullpunkt.

Intervall- und Verhältnisskalenniveau werden oft als metrisches Skalenniveau zusammengefasst.

AUSWAHL ZWISCHEN MODALWERT, MEDIAN UND MITTELWERT IN DER STATISTIK FÜR PSYCHOLOGEN

Wenn Sie eine psychologische Statistik erheben, müssen Sie einen Bericht erstellen, und wenn Sie eine Variable in diesem Bericht beschreiben, müssen Sie wissen, welches der drei Lagemaße Sie für die deskriptive Statistik verwenden sollten – Modalwert, Median oder Mittelwert. Welches davon Sie verwenden, ist von den jeweiligen Vor- und Nachteilen abhängig.

Wenn Sie die Vor- und Nachteile aller Maße gegeneinander abwägen, gelangen Sie zu dem folgenden Schluss: Das am besten geeignete Maß für das Lagemaß einer Variablen ist vom Messniveau der Variablen und von der Verteilung der Werte innerhalb dieser Variablen abhängig.

Messniveau: Sie müssen zwischen drei Messniveaus unterscheiden (Nominalskalenniveau, Ordinalskalenniveau, metrisches Skalenniveau), wenn Sie ein Lagemaß auswählen.Verteilung der Werte: Für die Auswahl eines Lagemaßes müssen Sie wissen, ob es in Ihrer Datenmenge Extremwerte beziehungsweise Ausreißer gibt oder ob die Verteilung der Werte schief ist. Wenn Sie das Messniveau Ihrer betrachteten Variablen bestimmt haben und wissen, ob eine übermäßige Schiefe und/oder Extremwerte in Ihrer Datenmenge vorliegen, dann können Sie das am besten geeignete Maß für das Lagemaß wie folgt bestimmen: Daten werden auf Nominalskalenniveau gemessen: Von den drei Lagemaßen, die wir in diesem Kapitel betrachtet haben, ist nur der Modalwert geeignet, da die nominalskalierten Daten nicht sinnvoll vom kleinsten zum größten Wert sortiert werden können.Daten werden auf Ordinalskalenniveau gemessen: Der Modalwert und der Median sind geeignet. Der Median ist im Allgemeinen zu bevorzugen, weil er informativer ist als der Modalwert. Die Werte können vom kleinsten zum größten Wert sortiert werden, was auch aussagekräftig ist, aber sie können nicht addiert werden, deshalb kann kein Mittelwert berechnet werden.Daten werden auf metrischem Skalenniveau gemessen: Alle drei Lagemaße sind geeignet. Der Mittelwert ist im Allgemeinen zu bevorzugen. Der Mittelwert ist jedoch nicht geeignet, wenn in Ihrer Datenmenge Extremwerte und/oder eine Schiefe vorliegen. In diesem Fall ist der Medianwert am besten geeignet.

AUSWAHL DES RICHTIGEN STREUUNGSMAßES IN DER STATISTIK FÜR PSYCHOLOGEN

Die Streuungsmaße, die Sie in der Statistik für Psychologen verwenden, zeigen Ihnen die Streuung oder Variabilität der gemessenen Variablen. Die drei wichtigsten Streuungsmaße sind die Spannweite, der Interquartilabstand und die Standardabweichung.

Bereich, Interquartilabstand und Standardabweichung

Die drei wichtigsten Streuungsmaße sind wie folgt definiert:

Die Spannweite ist die Differenz zwischen dem höchsten Wert und dem niedrigsten Wert innerhalb einer Variablen. Dabei handelt es sich um die von den Teilnehmenden angegebenen Werte und nicht unbedingt um die theoretisch möglichen höchsten und niedrigsten Werte.Der Interquartilabstand ist die Differenz zwischen der oberen Quartile und der unteren Quartile in einer Menge sortierter Werte. Quartile werden gebildet, indem eine Menge sortierter Werte in vier gleichgroße Gruppen unterteilt wird.Die Standardabweichung ist – etwas vereinfacht gesagt – die durchschnittliche Abweichung der Werte in Ihrer Datenmenge von ihrem Mittelwert für eine bestimmte Variable. Der Mittelwert ist der Durchschnitt aller Werte für eine Variable. Die Standardabweichung gibt an, um wie viel die Werte für eine Variable »typischerweise« vom Mittelwert abweichen.

Bestimmen, welches Streuungsmaß verwendet werden sollte

Sie bestimmen das am besten geeignete Streuungsmaß abhängig von der Art Ihrer Daten wie folgt:

Daten werden auf nominalem Niveau gemessen: Da die Daten für alle drei Streuungsmaße geordnet oder zusammengefasst werden müssen, ist keines davon für die auf nominaler Ebene gemessenen Daten geeignet.Daten werden auf ordinalem Niveau gemessen: Die Spannweite und der Interquartilabstand sind geeignet. Der Interquartilabstand ist im Allgemeinen zu bevorzugen, weil er aussagekräftiger als die Spannweite ist.Daten werden auf metrischem Skalenniveau gemessen: Alle drei Streuungsmaße, die wir betrachtet haben, sind geeignet. Die Standardabweichung ist im Allgemeinen zu bevorzugen. Die Standardabweichung (oder die Varianz) ist jedoch nicht geeignet, wenn in Ihrer Datenmenge Extremwerte vorliegen oder die Datenverteilung sehr schief ist. In diesem Fall ist der Interquartilabstand am besten geeignet.

Statistik für Psychologen für Dummies

Bibliografische Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

2. vollständig überarbeitete und erweiterte Auflage 2023

© 2023 Wiley-VCH GmbH, Boschstraße 12, 69469 Weinheim, Germany

Original English language edition Psychology Statistics for Dummies © 2012 by John Wiley & Sons, Ltd., Chichester.All rights reserved including the right of reproduction in whole or in part in any form. This translation published by arrangement with John Wiley and Sons, Inc.

Copyright der englischsprachigen Originalausgabe Psychology Statistics for Dummies © 2012 by John Wiley & Sons, Ltd., Chichester.

Alle Rechte vorbehalten inklusive des Rechtes auf Reproduktion im Ganzen oder in Teilen und in jeglicher Form. Diese Übersetzung wird mit Genehmigung von John Wiley and Sons, Inc. publiziert.

Wiley, the Wiley logo, Für Dummies, the Dummies Man logo, and related trademarks and trade dress are trademarks or registered trademarks of John Wiley & Sons, Inc. and/or its affiliates, in the United States and other countries. Used by permission.

Wiley, die Bezeichnung »Für Dummies«, das Dummies-Mann-Logo und darauf bezogene Gestaltungen sind Marken oder eingetragene Marken von John Wiley & Sons, Inc., USA, Deutschland und in anderen Ländern.

Das vorliegende Werk wurde sorgfältig erarbeitet. Dennoch übernehmen Autoren und Verlag für die Richtigkeit von Angaben, Hinweisen und Ratschlägen sowie eventuelle Druckfehler keine Haftung.

Coverfoto: Who is Danny – stock.adobe.comLektorat: Tobias SchwaiboldKorrektur: Isolde Kommer

Print ISBN: 978-3-527-72011-8ePub ISBN: 978-3-527-84023-6

Über die Autoren

Donncha Hanna arbeitet neben vielen anderen, wesentlich spannenderen Tätigkeiten als Dozent an der School of Psychology der Queen's University Belfast in Nordirland. Seit mehr als 10 Jahren (er ist noch nicht so alt wie Martin Dempster) unterrichtet er Studierende in Bachelor- und Master-Studiengängen sowie ganz normale Menschen, die bereits einer Arbeit nachgehen, in Statistik. In seiner Forschung beschäftigt er sich mit geistiger Gesundheit und den Gründen dafür, warum Studierende das Fach Statistik nicht mögen (beide Themen haben nicht unbedingt etwas miteinander zu tun). Er bemüht sich, Statistikwissen auf unterhaltsame und leicht verständliche Weise zu vermitteln, ohne es unzulässig zu vereinfachen. Vielleicht gelingt ihm das eines Tages sogar. Donncha lebt mit zwei Flughunden, einem Igel und einem Menschen namens Pamela in Belfast.

Martin Dempster ist ebenfalls Dozent (Senior Lecturer) an der School of Psychology der Queen's University Belfast in Nordirland. Er ist Gesundheitspsychologe und geprüfter Statistiker. Seit mehr als 20 Jahren unterrichtet er Studierende im Bachelor-Studiengang Psychologie in Statistik und Forschungsmethoden. Als Psychologe interessiert er sich für die Abwehrhaltung, die Studierende oft gegenüber dem Fach Statistik an den Tag legen, und versucht, die Ursachen dafür aufzudecken (wobei er hofft, nicht selbst eine dieser Ursachen zu sein) und zu bekämpfen. Er ist bemüht, Statistikwissen in leicht verständlicher Form zu vermitteln (was nicht immer einfach ist). Martin lebt in Whitehead, einem Küstendorf im Landkreis Antrim in Nordirland, weil praktisch niemand je von diesem Ort gehört hat.

Über den Überarbeiter

Stefan Hollenberg ist Professor für Psychologie und Sozialwissenschaftliche Methoden/Statistik an der Hochschule für Polizei und öffentliche Verwaltung Nordrhein-Westfalen (HSPV NRW) in Deutschland. Er hat die vorliegende 2. Auflage des Buchs umfassend aktualisiert und erweitert.

Inhaltsverzeichnis

Cover

Titelblatt

Impressum

Über die Autoren

Über den Überarbeiter

Einleitung

Über dieses Buch

Was Sie nicht lesen müssen

Törichte Annahmen über den Leser

Wie dieses Buch aufgebaut ist

Symbole, die in diesem Buch verwendet werden

Wie es weitergeht

Teil I: Daten beschreiben

Kapitel 1: Statistik? Ich dachte, es geht um Psychologie!

Machen Sie sich ein Bild von Ihren Variablen

Was ist SPSS?

Was sind R und RStudio?

Deskriptive Statistik

Inferenzstatistik

Forschungsdesigns

Die ersten Schritte

Kapitel 2: Mit welchem Typ Daten haben wir es zu tun?

Diskrete und stetige Variablen

Verschiedene Messniveaus

Rollenbestimmung für Variablen

Kapitel 3: Alle Daten rein in SPSS oder in R

Die SPSS-Variablenansicht

Das Datenansicht-Fenster in SPSS

SPSS-Ausgabefenster

Grundlegende Arbeitsschritte in RStudio

Nützliche Packages in R installieren

Vorbestehende Datensätze in R laden

Kapitel 4: Lagemaße

Grundlagen für das Lagemaß

Der Modalwert

Mit Häufigkeitstabellen den Modalwert in R bestimmen

Der Median

Der Mittelwert

Die Qual der Wahl: Modalwert, Median oder Mittelwert?

Kapitel 5: Streuungsmaße

Zur Definition der Streuung

Der Bereich

Interquartilsabstand

Standardabweichung

Die freie Wahl zwischen Bereich, Interquartilsabstand und Standardabweichung

Kapitel 6: Grafiken und Diagramme

Histogramme

Balkendiagramme

Kreisdiagramme

Boxplots

Teil II: Statistische Signifikanz

Kapitel 7: Wahrscheinlichkeit und Inferenz

Statistische Inferenz genauer betrachtet

Wahrscheinlichkeit verstehen

Kapitel 8: Hypothesen testen

Null- und Alternativhypothesen verstehen

Fehler bei der statistischen Inferenz

Ein- und zweiseitige Hypothesen

Konfidenzintervalle

Kapitel 9: Was ist bei der Normalverteilung eigentlich normal?

Die Normalverteilung verstehen

Bestimmung der Schiefe

Normalverteilung und inferentielle Statistik

Kapitel 10: Standardisierte Werte

Die Grundlagen der standardisierten Werte

Z-Werte in der statistischen Analyse

Kapitel 11: Effektgröße, Effektstärke und Teststärke

Zwischen Effektgröße, Effektstärke und statistischer Signifikanz unterscheiden

Die Effektgröße/-stärke für Korrelationen untersuchen

Die Effektstärke/-größe beim Vergleich der Unterschiede zwischen zwei Wertemengen

Die Effektstärke/-größe für Unterschiede zwischen mehr als zwei Wertemengen

Auswahl von Effektstärkemaßen oder Effektgrößemaßen

Statistische Teststärke verstehen

Teil III: Beziehungen zwischen Variablen

Kapitel 12: Korrelationen

Mit Streudiagrammen Beziehungen bewerten

Den Korrelationskoeffizienten verstehen

Gemeinsame Varianz untersuchen

Die Pearson-Korrelation

Die Spearman-Korrelation

Die Kendall-Korrelation

Partielle Korrelationen

Kapitel 13: Lineare Regression

Grundlagen der Regression

Einfache Regression

Regression mit mehreren Variablen

Die Voraussetzungen für die Regression in SPSS überprüfen

Kapitel 14: Zusammenhänge zwischen diskreten Variablen

Eine Kontingenztabelle zur Zusammenfassung der Ergebnisse

Berechnung von Chi-Quadrat

Die Stärke des Zusammenhangs zwischen zwei Variablen messen

Der McNemar-Test

Teil IV: Forschungsdesigns zur Analyse unabhängiger Gruppen

Kapitel 15: Unabhängige t-Tests und Mann-Whitney-U-Tests

Designs für unabhängige Gruppen

Der

t

-Test für unabhängige Stichproben

Mann-Whitney-U-Test

Kapitel 16: ANOVA zwischen Gruppen

Einfaktorielle ANOVA zwischen Gruppen

Zweifaktorielle ANOVA zwischen Gruppen

Kruskal-Wallis-Test

Kapitel 17: Post-hoc-Tests und geplante Vergleiche für Designs mit unabhängigen Gruppen

Post-hoc-Tests für Designs mit unabhängigen Gruppen

Geplante Vergleiche für Designs mit unabhängigen Gruppen

Teil V: Analysen für Forschungsdesigns mit wiederholten Messungen

Kapitel 18: t-Test und Wilcoxon-Tests für verbundene beziehungsweise abhängige Stichproben

Design mit wiederholten Messungen

t

-Test für abhängige Stichproben

Der Wilcoxon-Test für verbundene Stichproben

Kapitel 19: ANOVA innerhalb von Gruppen

Einfaktorielle ANOVA innerhalb von Gruppen

Zweifaktorielle ANOVA innerhalb von Gruppen

Der Friedman-Test

Kapitel 20: Post-hoc-Tests und geplante Vergleiche für Designs mit wiederholten Messungen

Post-hoc-Tests für Designs mit wiederholten Messungen

Geplante Vergleiche für Designs innerhalb von Gruppen

Unterschiede zwischen Bedingungen untersuchen: die Bonferroni-Korrektur

Kapitel 21: Gemischte ANOVA

Die gemischte ANOVA kennenlernen

Haupteffekte und Interaktionen

Durchführung der gemischten ANOVA in SPSS

Durchführung der gemischten ANOVA in R

Teil VI: Der Top-Ten-Teil

Kapitel 22: Zehn gute Ratschläge für inferentielles Testen

Statistische Statistik ist nicht dasselbe wie praktische Signifikanz

Ohne Vorbereitung ist der Fehler vorprogrammiert

Suchen Sie nicht nach einem beliebigen signifikanten Ergebnis

Überprüfen Sie Ihre Voraussetzungen

Seien Sie konsistent

Unterschiede und Beziehungen sind keine entgegengesetzten Trends

Wo ist mein Post-hoc-Test hingekommen?

Stetige Daten kategorisieren

Mein

p

ist größer als dein

p

Lassen Sie sich helfen!

Kapitel 23: Zehn Tipps für das Zitieren Ihrer Ergebnisse

Den

p

-Wert zitieren

Andere Zahlen zitieren

Vergessen Sie die deskriptiven Statistiken nicht

Verwenden Sie den Mittelwert nicht zu häufig

Zitieren von Effektgrößen und der Richtung der Effekte

Fehlende Teilnehmende

Seien Sie vorsichtig mit der Sprache

Trennen Sie Korrelationen und Kausalität

Beantworten Sie Ihre eigene Frage

Schaffen Sie Struktur

Stichwortverzeichnis

End User License Agreement

Tabellenverzeichnis

Kapitel 3

Tabelle 3.1: Sport bei Menschen mit Lebertransplantation

Tabelle 3.2: Sportaktivität von Menschen mit Lebertransplantation

Kapitel 4

Tabelle 4.1: Depressionswerte für Männer und Frauen

Tabelle 4.2: Sortierte Depressionswerte für Männer und Frauen

Tabelle 4.3: Für Männer und Frauen separat sortierte Depressionswerte

Tabelle 4.4: Vor- und Nachteile des Modalwerts

Tabelle 4.5: Vor- und Nachteile des Medians

Tabelle 4.6: Vor- und Nachteile des Mittelwerts

Kapitel 5

Tabelle 5.1: Vorteile und Nachteile des Bereichs

Tabelle 5.2: Vor- und Nachteile des Interquartilabstands

Tabelle 5.3: Depressionswerte und ihre Abweichung vom Mittelwert

Tabelle 5.4: Depressionswerte und ihre quadrierten Abweichungen vom Mittelwert

Tabelle 5.5: Vor- und Nachteile der Standardabweichung

Kapitel 6

Tabelle 6.1: Interessenwerte der Studierenden an Werbebotschaften bezüglich Alkoh...

Tabelle 6.2: Interessenwerte der Studierenden an Werbebotschaften bezüglich Alkoh...

Tabelle 6.3: Umwandlung von Häufigkeiten in relative Häufigkeiten

Kapitel 7

Tabelle 7.1: Reaktionszeit und Geschlecht von 100 Babys

Kapitel 8

Tabelle 8.1: Fehlertypen bei Schlussfolgerungen aus inferenzstatistischen Tests

Tabelle 8.2: Geschlechter und Noten von Studierenden in der Statistikprüfung

Kapitel 9

Tabelle 9.1: Geschätzte Lebenserwartung von Rauchenden (nach eigener Beurteilung)

Tabelle 9.2: Ergebnisausgabe des

describe()

-Befehls in R

Kapitel 11

Tabelle 11.1: Bewertungen für Männer und Frauen in einem Fahrtest

Tabelle 11.2: Bewertung der positiven Stimmung mit und ohne Schokolade

Kapitel 12

Tabelle 12.1: Übungsstunden für die Statistikklausur und erreichte Klausurpunkte ...

Tabelle 12.2: Daten aus der Befragung zu dem Therapieerfolg und der Absicht, ein...

Tabelle 12.3: Antworten auf die Frage 3 (q3) und Frage 4 (q4) aus dem Impact-of-...

Kapitel 13

Tabelle 13.1: Daten der Untersuchung zum Zusammenhang zwischen Übungsstunden, Kla...

Tabelle 13.2: Regressionsmodell mit den Klausurpunkten als Kriteriumsvariable

Kapitel 14

Tabelle 14.1: 2x2-Kontingenztabelle für Geschlecht und präzises Erinnern einer Te...

Tabelle 14.2: Berechnung der Prozentwerte basierend auf den Zeilensummen

Tabelle 14.3: Berechnung der Prozentwerte basierend auf den Spaltensummen

Tabelle 14.4: Kontingenztabelle mit den erwarteten Häufigkeiten (und beobachteten...

Tabelle 14.5: Kontingenztabelle mit beobachteten minus erwarteten Häufigkeiten

Tabelle 14.6: Kontingenztabelle mit beobachteten minus erwarteten Häufigkeiten, q...

Tabelle 14.7: Kontingenztabelle mit Odds basierend auf Spalten

Tabelle 14.8: Diese Kontingenztabelle zeigt Änderungen der Absicht, einen Softdri...

Kapitel 15

Tabelle 15.1: Geschlecht und die Werte für die Angst vor Statistik

Kapitel 16

Tabelle 16.1: Bewertungen eines Intelligenztests

Tabelle 16.2: Quadrierte Abweichungen vom Gruppenmittelwert

Tabelle 16.3: Um die Variable »Geschlecht« erweiterte Tabelle von bevorzugten Cow...

Tabelle 16.4: Ergebnisse der zweifaktoriellen ANOVA zitieren

Tabelle 16.5: Ergebnis der Untersuchung zur Fernsehpräferenz und zur Sprachentwic...

Kapitel 17

Tabelle 17.1: Kontaktfreudigkeitswerte von jeweils 30 Historikern, Psychologen u...

Kapitel 18

Tabelle 18.1: Ergebnisse der Befragung zur Statistikangst zu den Zeitpunkten T1 u...

Tabelle 18.2: Ergebnisse der Befragung zum Körpergefühl vor und nach dem Durchblä...

Kapitel 19

Tabelle 19.1: Schmerztherapiebewertungen für die drei Bedingungen

Tabelle 19.2: Quadrierte Abweichungen vom individuellen Mittelwert

Tabelle 19.3: IQ-Ergebnisse der Koffein-Musik-Studie

Tabelle 19.4: Schreiben Sie sich auf, in welcher Reihenfolge Sie die Variablen be...

Tabelle 19.5: Das Ergebnis Ihrer zweifaktoriellen ANOVA zitieren

Tabelle 19.6: Ergebnisse der Stimmungsstudie für die drei Varianten Dokumentation...

Kapitel 20

Tabelle 20.1: Interpretation der Tabelle

PAARWEISE VERGLEICHE

Kapitel 21

Tabelle 21.1: Ergebnisse zur Untersuchung von kritischem Denken bei Psychologie- ...

Tabelle 21.2: Das Ergebnis der gemischten ANOVA zitieren

Orientierungspunkte

Cover

Titelblatt

Impressum

Über die Autoren

Inhaltsverzeichnis

Einleitung

Fangen Sie an zu lesen

Stichwortverzeichnis

End User License Agreement

Seitenliste

1

2

3

4

7

8

9

25

26

27

28

29

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

271

272

273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

340

341

342

343

344

345

346

347

348

349

350

351

352

353

354

355

356

357

358

359

360

361

362

363

364

365

366

367

368

369

370

371

372

373

374

375

376

377

378

379

380

381

382

383

384

385

386

387

388

389

390

391

392

393

394

395

396

397

398

399

400

401

402

403

404

405

406

407

408

409

410

411

413

414

415

416

417

418

419

420

421

422

423

424

425

426

427

428

429

430

431

432

433

434

435

436

437

438

439

440

441

442

443

444

445

446

447

448

449

450

451

452

453

454

455

456

457

458

459

460

461

462

463

464

465

466

467

468

469

470

471

472

473

474

475

476

477

478

479

480

481

483

484

485

486

487

488

489

490

491

492

493

494

495

496

497

498

499

500

501

502

503

504

505

506

507

508

509

510

511

512

513

514

515

516

517

518

519

520

521

522

523

524

525

526

527

528

529

530

531

532

533

534

535

536

537

539

540

541

542

543

544

545

Einleitung

Ein Hinweis vorweg: Zwar heißt der Titel dieses Buchs »Statistik für Psychologen«. Es richtet sich aber an Psychologiestudierende, in der Psychologie Tätige und an Psychologieinteressierte jedweden Geschlechts.

Vor einiger Zeit haben wir angehende Psychologiestudierende von 31 Universitäten nach ihrer Meinung zum Fach Statistik gefragt. 51 % der Studierenden war dabei überhaupt nicht bewusst, dass Statistik in ihrem Studiengang eine wichtige Rolle spielt. Generell äußerte sich die Mehrheit eher negativ zum Thema Statistik. Viele Studierende hatten beinahe Angst vor dieser Vorlesung. Wenn auch Sie zu dieser Mehrheit gehören, seien Sie also unbesorgt: Sie sind nicht allein!

Eins muss deswegen unbedingt direkt zu Anfang gesagt werden: Es ist tatsächlich möglich, sich das zum Bestehen Ihres Studiums relevante Statistikwissen anzueignen. Wenn Sie in der Lage sind, die Theorien der kognitiven Psychologie zu verstehen und mit psychobiologischen Modellen zurechtkommen, kann auch die Statistik Sie nicht kleinkriegen. Denken Sie immer daran, dass der Computer nahezu alle komplizierten mathematischen Berechnungen für Sie erledigt! Dieses Buch wurde so einfach wie möglich geschrieben und wird Ihnen dabei helfen, Statistik in der Vorlesung und Ihrer beruflichen Praxis zu meistern. Wir setzen keine statistischen Vorkenntnisse voraus. Im Gegenzug bitten wir Sie, mit einer positiven Einstellung an die Sache heranzugehen.

Sie fragen sich vielleicht, warum Sie Statistik überhaupt brauchen. Schließlich haben Sie sich nicht für Mathematik, sondern für Psychologie eingeschrieben. Sie sollten sich unbedingt vor Augen halten, dass Statistik ein wichtiger und notwendiger Bestandteil aller Psychologie-Studiengänge ist. Schließlich ist die Psychologie eine wissenschaftliche empirische Disziplin. Die quantitative Erfassung von Informationen ermöglicht es uns, die zugrunde liegenden Daten objektiv und vergleichbar darzustellen. All diese Informationen müssen dann sinnvoll zusammengefasst und analysiert werden, sonst können Sie keine Schlussfolgerungen ziehen und Entscheidungen treffen. Ein Grundverständnis in Statistik ist also nicht nur für Ihre eigene Forschungsarbeit wichtig, sondern wird auch gebraucht, um die Arbeit anderer lesen und kritisch hinterfragen zu können.

Auch wenn Sie nicht in der Forschung, sondern in der Praxis arbeiten, bestimmen Statistiken Ihren Alltag. Eine Psychologin, die Menschen mit Depressionen oder Angstzuständen oder Personen, die sich gar selbst verletzen, behandelt, muss beispielsweise entscheiden, welche Therapie unter den gegebenen Umständen am wirkungsvollsten ist. Stehen die Angstzustände in Zusammenhang mit Selbstverletzungen, wie stark sind die Depressionen? Natürlich muss dies für jede Patientin und jeden Patienten individuell beurteilt werden, aber Statistiken geben Ihnen wertvolle Hinweise. Statistisches Grundwissen ist für alle in der Psychologie Tätigen also unabdingbar.

Über dieses Buch

Ziel dieses Buchs ist es, die notwendigen einführenden Kenntnisse zu vermitteln. Es soll Ihnen dabei helfen, statistische Analysen zu verstehen, durchzuführen und zu interpretieren. Das Buch richtet sich ganz klar an noch Unerfahrene im Bereich Psychologie und Statistik, also beispielsweise Studierende im Bachelorstudium. Wir hoffen jedoch, dass es auch für Studierende anderer Fachrichtungen – wie Sozial- oder Naturwissenschaften – hilfreich ist, die sich mit Statistik beschäftigen müssen.

Das Buch ist relativ linear aufgebaut. Es beginnt bei den grundlegenden Konzepten und arbeitet sich dann langsam zu komplexeren Techniken vor. In dieser Reihenfolge wird üblicherweise auch in Vorlesungen vorgegangen. Das bedeutet aber nicht, dass Sie unbedingt mit dem ersten Kapitel beginnen und das Buch dann bis zur letzten Seite durcharbeiten müssen. Jedes Kapitel (und damit auch jede statistische Methode) steht für sich selbst und erfordert nicht notwendigerweise Vorwissen. Suchen Sie beispielsweise nach »partieller Korrelation«, finden Sie im entsprechenden Kapitel eine verständliche Erklärung der Methode, gefolgt von einem Beispiel (mit Schritt-für-Schritt-Anleitungen zum Umgang mit SPSS oder R sowie Tipps zur Interpretation und Wiedergabe der Daten). Jedes statistische Verfahren in diesem Buch wird auf diese Weise beschrieben. So können Sie die gewünschte Methode schnell verstehen, anwenden und die Daten korrekt interpretieren.

Hinweis zu den Hilfsmitteln in diesem Buch

Als statistische Hilfsmittel werden in diesem Buch das Programmpaket SPSS sowie die statistische Programmiersprache R unter Verwendung der Oberfläche RStudio eingesetzt. Die Beispiele werden in diesem Buch immer zunächst mit SPSS durchgerechnet, anschließend wird ein geeigneter R-Code vorgestellt, mit dem dieselben Berechnungen erfolgen können, die idealerweise auch zu (nahezu) denselben Ergebnissen führen sollten. Lesen Sie sich deshalb am besten auch dann die SPSS-Berechnungen und Auswertungen durch, falls Sie nur R verwenden wollen oder sollen. Dadurch können Sie sicherlich noch besser verstehen, wie R vorgeht, und die Ergebnisse interpretieren. Meist können Sie alle Berechnungen direkt selbst durchführen, indem Sie die abgedruckten Daten in SPSS oder RStudio eingeben und die Berechnungen wiederholen, die im Buch vorgestellt werden. Wenn Sie die vorgestellten Bedienungsschritte in SPSS und/oder R zunächst mit den Beispielen ausprobieren und danach auf Ihre eigenen Daten anwenden, können Sie sicherlich auch die komplexeren Berechnungen nachvollziehen.

Aus unserer eigenen Lehrerfahrung wissen wir, dass Statistik nicht unbedingt das Lieblingsfach der meisten Psychologiestudierenden ist. Bei vielen Studierenden steigt beim Gedanken an die Statistikprüfung sogar regelrecht Panik auf. Daher haben wir versucht, meist auf komplizierte mathematische Formeln zu verzichten. Stattdessen halten wir alles so verständlich und kompakt wie möglich und geben zahlreiche Beispiele mit Screenshots.

Was Sie nicht lesen müssen

Wir haben bewusst versucht, unsere Erklärungen möglichst kurz und verständlich zu halten. Dennoch enthält dieses Buch eine Menge Informationen, von denen einige für Sie möglicherweise (derzeit) überhaupt nicht von Bedeutung sind. Außerdem werden Sie auch auf einige graue Textkästen stoßen. Dort werden Themen weiter ausgeführt, die wir für interessant halten. Allerdings sind wir vielleicht etwas voreingenommen, also zögern Sie nicht, diese Kästen zu überspringen.

Törichte Annahmen über den Leser

Beim Schreiben dieses Buchs gingen wir von einigen mehr oder weniger zutreffenden Annahmen über unsere Leserinnen und Leser aus:

Sie haben SPSS installiert und können einen Computer bedienen. Wir erklären nicht, wie man SPSS installiert, erwarten aber auch nicht, dass Sie schon umfassend mit SPSS gearbeitet haben. Eine Einführung ins Programm finden Sie in

Kapitel 3.

Alle SPSS-Abläufe im Buch sind Schritt für Schritt erklärt. Sie können auch ohne SPSS-Installation auskommen, wenn Sie lieber R benutzen wollen, sollten sich die Schritte aber dennoch anschauen.

Sie haben R und RStudio installiert oder wollen dies tun. Ein paar Tipps zur Installation der Programme selbst sowie der relevanten Erweiterungen (der sogenannten Packages) finden Sie an passender Stelle im Text – selbstverständlich ebenso den notwendigen R-Code zum Durchrechnen der Beispiele.

Sie sind kein Mathe-Genie, haben aber ein grundlegendes Zahlenverständnis und beherrschen die mathematischen Grundlagen, die in der gymnasialen Oberstufe vermittelt werden. Wenn Sie wissen, was das Quadrieren oder Wurzelziehen einer Zahl bedeutet, werden Sie sicherlich gut zurechtkommen. Glücklicherweise kümmert sich nämlich der Computer um die konkreten Berechnungen.

Sie möchten keine komplexen, multivariaten Statistiken auswerten und können auf eine präzise Beleuchtung der mathematischen Hintergründe verzichten. Dieses Buch richtet sich ausdrücklich an Anfängerinnen und Anfänger. Wir begrenzen uns daher auf Methoden, die Einsteigende benötigen.

Wie dieses Buch aufgebaut ist

Dieses Buch ist in sechs Teile gegliedert:

In

Teil I

des Buchs dreht sich alles um die Beschreibung und Zusammenfassung von Daten. Zunächst werden anhand von Beispielen die verschiedenen Arten von Variablen und die Skalenniveaus erklärt. Diese beiden Konzepte bilden die Entscheidungsgrundlage dafür, wie Sie mit Ihren Daten umgehen und welche statistischen Methoden anwendbar sind. Außerdem beschäftigen wir uns hier mit SPSS und R beziehungsweise RStudio. Wenn Sie also noch nie SPSS oder R benutzt haben oder eine kleine Auffrischung in den grundlegendsten Grundlagen benötigen, sind Sie hier genau richtig! In diesem Teil beginnen wir auch mit der Basis der deskriptiven Statistik: Mittelwert, Modus und Median. Anschließend erläutern wir die Maßzahlen der Streuung und gehen genauer auf das Erstellen und Interpretieren von Grafiken mit SPSS und R ein.

Teil II

des Buchs konzentriert sich auf zentrale Begriffe der Statistik. Sie wissen nicht, was der Unterschied zwischen einer Null- und einer Alternativhypothese ist? Sie fragen sich, was statistische Inferenz bedeutet und was der

p

-Wert und die Effektgröße damit zu tun haben? Dann sind Sie in diesem Teil genau richtig!

Teil III

des Buchs befasst sich mit der schließenden Statistik (auch inferentielle Statistik oder Interferenzstatistik genannt), beispielsweise Korrelation, Regression und Tests für kategoriale Daten. Wir erklären, wann und wofür jede Methode verwendet wird und wie man die entsprechende Analyse mit SPSS und R durchführen kann. Außerdem erfahren Sie, wie Sie die Ergebnisse richtig interpretieren und statistisch korrekt zusammenfassen.

Auch

Teil IV

des Buchs befasst sich mit der schließenden Statistik, nämlich den Unterschieden zwischen zwei oder mehreren unabhängigen Datengruppen. Dabei werfen wir ein besonderes Augenmerk auf den

t

-Test für unabhängige Stichproben, den Mann-Whitney-U-Test und die Varianzanalyse (ANOVA). Auch hier lernen Sie, wann und wofür jede Methode eingesetzt wird, wie man die entsprechende Analyse mit SPSS oder R beziehungsweise RStudio durchführt und wie Sie die Ergebnisse richtig interpretieren und zusammenfassen.

Teil V

des Buchs beschäftigt sich noch einmal mit der schließenden Statistik, jetzt aber mit den Unterschieden zwischen zwei oder mehr wiederholten Messungen. Hier finden Sie den

t

-Test für abhängige Stichproben, den Wilcoxon-Test und die bereits erwähnte Varianzanalyse (ANOVA). Mit der gemischten ANOVA konzentrieren wir uns hier aber auf die Analyse von Forschungsdesigns, die sowohl unabhängige Stichproben als auch wiederholte Messungen umfassen.

Teil VI

, der letzte Teil des Buchs, versorgt Sie mit zehn guten Ratschlägen für inferentielles Testen. Vielleicht können Sie damit einige der häufigsten Statistikfehler vermeiden.

Symbole, die in diesem Buch verwendet werden

Wie in allen … für-Dummies-Büchern finden Sie in diesem Buch Textstellen, die mit Symbolen markiert sind. Diese enthalten ganz besondere Informationen:

Dieses Icon gibt hilfreiche Tipps, mit denen Sie Zeit und Gehirnschmalz sparen können.

Diese Textstellen sind besonders wichtig! Sie enthalten Infos, die Sie auch dann noch wissen sollten, wenn Sie das Buch wieder zugeklappt haben.

Dieses Symbol kennzeichnet Fallen, in die Anfänger oft tappen.

Hier finden Sie ausführlichere Informationen zu Themen, die im Text nur am Rande behandelt werden. Wenn Sie schnell vorankommen möchten, können Sie diese Textstellen auslassen.

Wie es weitergeht

Sie können dieses Buch natürlich einfach von vorne bis hinten durchlesen. Allerdings haben wir es so geschrieben, dass Sie auch direkt zu einzelnen Themen springen können, ohne sich seitenweise durch mathematische Formeln, R-Code oder detaillierte SPSS-Optionen quälen zu müssen, die Sie gerade überhaupt nicht brauchen. Wenn Sie auf dem Gebiet der Statistik ziemlich unerfahren sind, empfehlen wir Ihnen trotzdem, mit Kapitel 1 zu beginnen. Wenn Sie einfach nur Hilfe bei den ersten Schritten mit SPSS oder R benötigen, legen Sie am besten mit Kapitel 3 los. Sie fragen sich, was doch gleich der p-Wert oder eine Effektgröße war? Starten Sie mit Teil II. Falls Sie nach einem bestimmten Thema oder Schlagwort suchen, helfen Ihnen das Inhalts- und das Stichwortverzeichnis weiter.

Fast alle Beispieldatensätze sind vollständig im Buch abgedruckt. Umfangreichere Datensätze und R-Codes finden Sie auch auf unserer Website https://www.wiley-vch.de/ISBN9783527720118. Die in diesem Buch verwendeten Datensätze sind allerdings zu Lehrzwecken so übersichtlich gehalten, dass Sie die Daten bequem selbst eingeben können. Auch bei der Suche nach Fehleingaben, Zahlendrehern und so weiter können Sie eine Menge lernen. Insbesondere empfehlen wir Ihnen, die R-Codes nicht einfach nur herunterzuladen, sondern selbst einzugeben, um die Möglichkeiten, Besonderheiten und Fallstricke von R kennenzulernen.

Und keine Sorge, weder Ihr PC noch Ihr Kopf können explodieren. Also nichts wie los mit der Analyse Ihrer Daten!

Teil I

Daten beschreiben

IN DIESEM TEIL …

Lernen Sie die wichtigsten Konzepte kennen, die Sie benötigen, um statistische Daten präzise und erfolgreich zu beschreiben.Lernen Sie die Grundlagen der deskriptiven Statistik mit den wichtigen Ms kennen – Mittelwert, Modus, Minimum, Maximum und Median– und weitere wichtige Konzepte wie beispielsweise Streuungsmaße.Erstellen und interpretieren Sie Diagramme für die Darstellung Ihrer Daten.Erfahren Sie, wie Sie mit dem Computerprogramm SPSS (»Statistical Package for Social Sciences«) oder mithilfe der Software RStudio mit R einfache Statistiken erstellen können.

Kapitel 1

Statistik? Ich dachte, es geht um Psychologie!

IN DIESEM KAPITEL

Variablen und Messniveaus verstehenDeskriptive und inferentielle Statistik einordnenForschungsdesigns unterscheiden

Wenn wir unseren Erstsemesterstudierenden in ihre anfangs neugierigen und begeisterten Gesichter blicken und ihnen dann mitteilen, dass Statistik ein wesentlicher Bestandteil ihres Studiengangs ist, reagiert etwa die Hälfte von ihnen richtig erschrocken. »Wir wollen Psychologie studieren und nicht Statistik«, rufen sie. Wahrscheinlich dachten sie, während ihres Studiums verwirrten Leuten zu helfen, die sich auf die Couch legen und über ihre Mütter erzählen. Wir erklären ihnen dann, dass die Statistik zu allen Psychologievorlesungen im Bachelor- und Masterstudium gehört und dass sie ohne Statistik nicht auskommen werden, wenn sie vorhaben, psychologisch zu arbeiten. Dann jammern sie: »Aber ich bin doch kein Mathematiker! Ich interessiere mich für Menschen und ihr Verhalten.« Wir erwarten nicht, dass unsere Studierenden Mathematikerinnen sind oder werden. Wenn Sie dieses Buch einmal grob durchblättern, werden Sie sofort sehen, dass es (fast) keine furchterregenden Gleichungen enthält. Heute gibt es zum Glück Computerprogramme wie beispielsweise SPSS, die Programmiersprache R oder die Software RStudio, die die komplizierten Berechnungen für uns erledigen können.

Psychologie ist eine wissenschaftliche Disziplin. Wenn Sie mehr über Menschen lernen wollen, müssen Sie objektiv Informationen sammeln, diese zusammenfassen und analysieren. Nur so können Sie Informationen interpretieren und ihnen eine theoretische wie praktische Bedeutung geben. Die Zusammenfassung und Analyse von Informationen ist aber nichts anderes als Statistik! Statistik ist also ein grundlegender Bestandteil der Psychologie.

Dieses Buch möchte Ihnen einen Überblick über die wichtigsten statistischen Konzepte geben, denen Sie im Bachelorstudium Psychologie begegnen werden. Sie werden auch Verweise auf Kapitel finden, in denen Sie mehr zu den jeweiligen Themen erfahren.

Machen Sie sich ein Bild von Ihren Variablen

Für alle quantitativen Forschungen in der Psychologie müssen Informationen (sogenannte Daten) gesammelt werden. Diese können durch Zahlen dargestellt werden. Beispielsweise lassen sich Depressionsstufen durch Depressionspotenziale darstellen, die man anhand eines Fragebogens ermittelt. Auch das Geschlecht einer Person kann durch eine Zahl dargestellt werden (zum Beispiel 1 für männlich, 2 für weiblich, 3 für divers). Die von Ihnen gemessenen Eigenschaften werden als Variablen bezeichnet, weil sie variieren! Sie können für eine Person über die Zeit variieren (Depressionspotenziale können über die Lebensdauer einer Person variieren) oder zwischen verschiedenen Personen (Personen können beispielsweise als männlich, weiblich oder divers klassifiziert werden, aber nach erfolgter Klassifikation ändert sich diese Variable im Allgemeinen nicht mehr).

Mit den Variablen in einer Datenmenge sind verschiedene Namen und Eigenschaften verknüpft, mit denen Sie sich vertraut machen sollten. Variablen können stetig oder diskret sein, sie können unterschiedliche Maße haben und sie können unabhängig oder abhängig sein. Wir werden in Kapitel 2 genauer darauf eingehen. Anfänglich werden all diese Begriffe recht verwirrend sein, aber Sie müssen sie unbedingt gut verstehen, weil alle wichtigen statistischen Analysen davon Gebrauch machen. Beispielsweise kann es sinnvoll sein, ein mittleres Depressionspotenzial von 32,4 für eine bestimmte Teilnehmergruppe zu nennen, während ein mittleres Geschlechtsmaß von 1,6 für dieselbe Gruppe wenig sinnvoll ist! Um die Mittelwerte wird es in Kapitel 4 gehen.

Variablen sind diskret, wenn sie Kategorien abbilden (zum Beispiel männlich, weiblich oder divers). Man nennt sie stetig, wenn die Werte überall innerhalb eines vorgegebenen Wertebereichs liegen können. Beispielsweise können Depressionspotenziale Zahlenwerte zwischen 0 und 63 annehmen, wenn sie anhand des Beck-Depressions-Inventars gemessen werden. Außerdem unterscheiden sich Variablen in ihren Messeigenschaften. Es gibt vier Messniveaus:

Nominal

: enthält die wenigste Information aller Niveaus. Auf nominalem Niveau wird ein numerischer Wert willkürlich zugeordnet. Das Geschlecht ist ein Beispiel für ein

nominales Messniveau

(zum Beispiel 1 für »männlich«, 2 für »weiblich«, 3 für »divers«). Es ist nicht sinnvoll zu sagen, eine Ausprägung sei größer oder kleiner als die andere, lediglich über Häufigkeiten (beispielsweise 35 Teilnehmende sind weiblich, 47 männlich und 15 divers) oder über Anteilswerte (beispielsweise »in der Stichprobe waren 35 % weibliche, 40 % männliche, 20 % diverse Teilnehmende, 5 % machten keine Angaben«) können bei diesem Skalenniveau Aussagen getroffen werden.

Ordinal

: Die Noten bei einer Klassenarbeit sind ein Beispiel für ein

ordinales Messniveau

. Wir können Teilnehmende von der besten bis zur schlechtesten Note einordnen, aber wir wissen nicht, um wie viel besser die eine Person im Vergleich zur zweiten Person war. Wie groß zum Beispiel der Unterschied zwischen »gut« und »ausreichend« ist, bleibt meist unklar.

Intervall

: Beispielsweise

Intelligenzquotienten werden auf

Intervallniveau

gemessen, das heißt, wir können die Punktezahlen sortieren und der Abstand zwischen zwei benachbarten Punktzahlen ist gleich groß. Der Unterschied zwischen Intelligenzquotienten von 95 und 100 ist daher also – statistisch – derselbe wie der Unterschied zwischen Intelligenzquotienten von 115 und 120.

Verhältnis- oder Ratioskala

: Bei einem

Verhältnis- oder Ratio-Messniveau

können die Punktwerte sortiert werden. Der Unterschied zwischen den einzelnen Punkten auf der Skala ist gleich und – das kommt zum vorherigen Skalenniveau hinzu – die Skala hat einen echten

absoluten Nullpunkt

. Beispielsweise wird das Gewicht auf Verhältnisskalenniveau gemessen. Das Vorliegen eines echten Nullpunkts sagt aus, dass ein Gewicht von null dem Fehlen von Gewicht entspricht. Außerdem können Sie proportionale Aussagen treffen, zum Beispiel »10 kg sind halb so schwer wie 20 kg, 15 kg dreimal so schwer wie 5 kg«.

Intervall- und Verhältnisskala werden auch als »metrische Skalen« oder »Kardinalskalen« bezeichnet.

Darüber hinaus sollten Sie die Variablen in Ihren Daten als unabhängig oder abhängig klassifizieren können. Diese Klassifizierung hängt von der aktuellen Fragestellung ab. Wenn Sie beispielsweise den Unterschied in Depressionspotenzialen zwischen männlichen, weiblichen und sich als divers bezeichnenden Personen untersuchen, ist die unabhängige Variable das Geschlecht, das heißt die Variable, für die Sie eine Änderung prognostizieren möchten. Das Depressionspotenzial ist hingegen die abhängige Variable, das heißt die Ergebnisvariable, deren Ergebnisse von der unabhängigen Variablen abhängen.

In den Beispielen in diesem Buch werden aus Gründen der Anschaulichkeit der Berechnungen in Beispielen häufig nur zwei Geschlechterbezeichnungen (männlich, weiblich) verwendet. Das soll keinesfalls bedeuten, dass es nur diese beiden Geschlechter gibt.

Was ist SPSS?