0000004108 00000 n Diese charakterisieren die Häufigkeitsverteilung durch einen einzigen Wert, der die gesamte Verteilung so gut wie möglich repräsentieren soll. Einen "natürlichen Nullpunkt" würde ich das jetzt nicht nennen. Daten transformieren/ neue Variabeln erzeugen/ Daten aggregieren oder verschmelzen 4. Die Werte die SPSS mit einem Kreuz markiert sind deshalb Extremwerte, diese liegen sogar mehr als 3 Interquartilsabstände vom oberen Quartil entfernt (vgl. Allerdings ist auch hier darauf zu achten, dass 40 Grad nicht doppelt so warm wie 20 Grad sind, da die Temperaturskala einen willkürlich festgelegten Nullpunkt hat (den Gefrierpunkt des Wassers). Mathematisch ist es egal, welche der beiden Skalen vorliegt, es ist eher eine inhaltliche Frage, ob etwas intervallskaliert oder ratioskaliert ist. Datenverteilung in SPSS: Statistische Daten und die SPSS Software gehören zusammen wie Butter und Brot. Allen gemeinsam ist es, dass sie symmetrisch um den Mittelwert sind, "glockenförmig" sind und asymptotisch gegen 0 laufen. von ym.87 » 09.08.2013, 08:56, Beitrag » 09.08.2013, 14:43, Beitrag Abbildung 8: Datenverteilung in einem Boxplot. Vielen Dank im . Das Vorzeichen zeigt Dir an, in welche Richtung die Datenverteilung verschoben sind. 0 bis 5, 1 bis 7) eine Abstufung der Intensität dar - zum Beispiel von "stimme überhaupt nicht zu" bis zu "stimme voll und ganz zu" oder von "sehr unglücklich" bis "sehr glücklich". Datenverteilung mittels SPSS, Daten und Variablen: Beurteilung der Schiefe mittels SPSS, Statistische Tests – Überblick & Beispiele, Deskriptive Statistik | Erklärung mit vielen Beispielen, Statistische Regression verstehen und anwenden, Python programmieren mit SPSS: Vorteile und Anwendungsbeispiele. Dies lässt sich schnell anhand der Spalte "kumulierte Prozente" aus der Häufigkeitstabelle feststellen. SPSS-Beispieldatensatz. Bei den Linkage-Methoden wird in jedem Schritt geprüft, welche der Cluster sich am nächsten liegen. Hallo zusammen, ich habe ein Frage bzgl.dem Skalenniveau meines Testes. Hierbei wird die Ähnlichkeit/Unähnlichkeit von zwei Objekten betrachtet. Womöglich ist SPSS nicht damit einverstanden, dass die Ausprägungen 2 und 4 denselben Inhalt haben. Die Entscheidung für ein bestimmtes Mass wird in der Praxis aufgrund inhaltlicher Überlegungen (Was sollte hoch gewichtet werden?) Skalenniveau auf • Diese können zur besseren Übersichtlichkeit (müssen aber nicht) in der Variablenansicht von SPSS eingestellt werden • In SPSS stehen drei Skalenniveaus zur Auswahl (je höher das Niveau, desto höher der Informationsgehalt): - Nominal (Merkmal vorhanden ja/nein) - Ordinal (logische . Skalnniveau ändern - Statistik-Tutorial Forum Es liegt keine Normalverteilung vor. Wichtige Masse sind das arithmetische Mittel, der Median und der Modus. Daten auf Eingabefehler kontrollieren 3. Während das arithmetische Mittel durch Ausreisser stark beeinflusst wird, ist der Median gegenüber Extremwerten robust, da er zur Bestimmung lediglich die Ränge der Beobachtungen, nicht aber deren absolute Ausprägungen berücksichtigt. Cleff 2015: 55). Das ist der rechnerische Durchschnittswert aller Werte. Backhaus, Klaus et al. Zudem sind bei Frage b) die Skalenniveaus der Items unterschiedlich, mal steht dort "Skala" und mal "Nominal". Skala. PDF Wiederholung SPSS und Einführung in die SPSS Syntax Bei nur zwei Merkmalsausprägungen spricht man auch von einer dichotomen oder binären Variablen. Bei divisiven Verfahren wird zunächst ein Cluster gebildet, das alle Datenpunkte enthält. Ein Beispiel für ordinalskalierte Daten sind Schulnoten. Es gibt fünf Skalenniveaus: Nominalskala. Alle beschriebenen Parameter lassen sich mit SPSS im Dialogfenster "Häufigkeiten" berechnen. Dass heisst, SPSS fasst Intervallskalen und Ratioskalen unter dem Begriff "Skala" zusammen. DATENVERTEILUNG in SPSS - Einführung mit Beispielen und Tipps 0000004648 00000 n von tl1990 » 23.06.2011, 15:58, Beitrag Auf den ersten Blick sind die Daten eventuell also nicht normalverteilt. Im nächsten Schritt werden jeweils jene zwei Cluster fusioniert, deren Zusammenfügen die geringste Erhöhung der Gesamtsumme der quadrierten Distanzen zur Folge hat. Neben dem Ziel der Untersuchung ist auch die Qualität der Daten ausschlaggebend für die Wahl der Analysemethode. Oft ist auch hilfreich, einen Profi bei einer Statistik Beratung um Rat zu fragen. Auch bedeutet der Abstand zwischen einer 1 und einer 2 nicht das Gleiche, wie der Abstand zwischen einer 4 und einer 5. Eine weitere Möglichkeit ist im Variableneditor das Skalenniveau auszuwählen mit Strg+C zu in den Zwischenspeicher zu holen und diejenigen die man überschreiben will mit Strg+V überschrieben. Das Skalenniveau in SPSS: Warum es so wichtig ist. In der Praxis werden oft sehr kleine Stichproben verwendet. Standardabweichung angegeben. Daher werden an dieser Stelle exemplarisch einige Masse für binäre Variablen und einige für intervallskalierte Variablen betrachtet. Geschlecht, Lohnklasse, Fahrzeugklasse) zu Clustern zusammengefasst werden. Lamberti 2001: Seite 33). 0000005656 00000 n Bei agglomerativen Verfahren hingegen werden die Datenpunkte zuerst einzeln betrachtet und dann schrittweise zu Clustern zusammengefasst. Diese zeigt, welche Untersuchungsobjekte zu welchem Cluster gehören – gegeben es liegen 2, 3, 4 oder 5 Cluster vor. /ID=Beschriftungsvariable Die fünf Skalenniveaus: Einfach und verständlich erklärt Es ist zu erkennen, dass die Fälle 1, 2, 3, 4, 5, 10, 11, 12 und 14 das Cluster 1 bilden und die Fälle 6, 7, 8, 9, 13 und 15 das Cluster 2. Grundlagen in der Bedienung von SPSS Dateitypen: .sav - Datendatei .spo - Ausgabe- Navigator = Ergebnisse der SPSS Prozeduren .sps Kommandosprache Typische Arbeitsschritte in SPSS 1. Clusteranalyse | Methodenberatung | UZH STATISTIK-FORUM.de - Hilfe und Beratung bei statistischen Fragen Um die Werte einer Variablen zu standardisieren, wird folgende Formel verwendet: mit n = Anzahl Beobachtungen Beachte. Bereits in der Konstruktion eines Fragebogens oder in der Auswahl deiner Variablen legst du mit deren Skalenniveau fest was du letztlich auswerten kannst. y�k�T�%4j��(+�K1. Unterschiede auftreten oder Du möchtest Hypothesen testen. Im Beispiel ist dies der Fall. Die relative Häufigkeit zeigt, welcher relative Anteil der Untersuchungseinheiten eine bestimmte Merkmalsausprägung aufweist – zum Beispiel wie viel Prozent der Bevölkerung angibt, "eher umweltbewusst" oder "sehr umweltbewusst" zu sein oder welcher Anteil aller SchülerInnen eines Jahrganges eine genügende Testleistung erreicht haben. Welchen Anfängerfehler übersehe ich? Somit sind auch keine Rechenoperationen möglich. Dies macht die deskriptiven Ergebnisse übersichtlicher und dadurch leichter lesbar. - Entscheident sind die zunächst SPSS-Variablentypen, Fehlende-Werte Deklarationen und ggfs Wertelabels (also korrekte Codierung der Antwortkategorien) und korrekte Polungen der Antwortkategorien unter Berücksichtigung der Richtung der Itemformulierungen. Das Skalenniveau ist der erste Wegweiser auf dem langen Weg einer empirischen Arbeit. In unserem Beispiel vom Konzert ist dies die Information über das Geschlecht. Nominalskalierte Daten haben das niedrigste Niveau an Informationsgehalt. Im folgenden Beispiel wird die Ward-Methode angewandt. Ein Statistik-Service kann Dir dabei behilflich sein. In diesem Beitrag erfährst Du die wichtigsten Methoden zum Aufspüren und Beheben von Fehlern in der Datenqualität mit der Software SPSS und Strategien zur Datenbereinigung. Dies hilft Dir einen ersten Überblick über Deine Daten zu erhalten. Stell Dir das Vorgehen bei einer nominal- oder ordinalskalierten Variable vor... Da komme ich nicht wirklich auf einen grünen Zweig. Könnten Sie mit die Frage UI01 und die Zeile aus der Syntax wohl mal als XML-Datei an info@soscisurvey.de zukommen lassen? Ich frage mich nur, wieso es nicht einheitlich angezeigt wird. Eine Variable kann als metrisch (stetig) behandelt werden, wenn ihre Werte geordnete Kategorien mit einer sinnvollen Metrik darstellen, sodass man sinnvolle Aussagen über die Abstände zwischen den Werten machen kann. Ist das Vorzeichen positiv, handelt es sich um eine rechtsschiefe Verteilung, der Mittelwert ist also größer als der Median. Ich wollte nun für die Variable "Alter" Altersgruppen bilden und habe gemerkt, dass diese Variable nominalskaliert und nicht metrisch ist. Das Histogramm in Abbildung 2 veranschaulicht denselben Sachverhalt, allerdings ohne Berücksichtigung der fehlenden Werte: Am Histogramm lassen sich leicht Ausreisser erkennen. Für eine tiefergehende Behandlung dieser . Dies lässt sich sehr schnell anhand der Häufigkeitstabelle (Abbildung 1) und des Histogramms (Abbildung 2) erkennen. Es ist identisch mit dem mathematischen Durchschnitt. Bei "Einfacher Übereinstimmung" ("Simple Matching") erhöht D die Ähnlichkeit: Beim Proximitätsmass nach Russel & Rao dagegen reduziert D die Ähnlichkeit: Bei "Dice" wird D nicht berücksichtigt, während A stärker gewichtet wird: Bei den hier beschriebenen Massen handelt es sich lediglich um eine kleine Auswahl. Dies ist notwendig, wenn unterschiedlich verteilte Variablen miteinander verglichen werden sollen und wenn Verfahren angewandt werden, welche normalverteilte Daten voraussetzen. Beide Autos weisen eine bestimmte Eigenschaft auf (A), Der BMW weist eine bestimmte Eigenschaft auf, der Mercedes nicht (B), Der Mercedes weist eine bestimmte Eigenschaft auf, der BMW nicht (C), Keines der Autos weist eine bestimmte Eigenschaft auf (D), Sollen die Variablen standardisiert werden, bevor sie für das Clustering verwendet werden, so kann dies unter. Du stellst fest, natürlich sind dort außer Dir noch andere Menschen. Hier ist der Mittelwert kleiner als der Median. Beispielsweise ist es gelegentlich sinnvoll, Alters- oder Einkommensklassen zusammenzufassen. Meine frage: Hat es Auswirkungen auf meine Ergebnis der Reliabilitätsanalyse und des T-Tests? Drittens habe ich eine Rechts-Links Umfrage durch Selbsteinstufung mit den Werten 1-10. Ist das Proximitätsmass berechnet, so wird anhand eines Clustering-Algorithmus die eigentliche Gruppierung vorgenommen. Hier kommt schließlich das Skalenniveau ins Spiel. Die Annahme dahinter: Je höher der Wert auf der Summenskala, desto mehr wird Stresserleben verstärkt. 0000001566 00000 n Als wichtigste Voraussetzung für die Durchführung von vielen statistischen Verfahren gilt neben der Forderung nach einem bestimmten Skalenniveau die annähernde Normalverteilung der Daten. Sie haben den komfortablen Import aus einer einzelnen SPS-Datei verwendet? Skalenniveaus: alles klar :). Meinen Sie VALUE LABELS oder wirklich VARIABLE LABELS? Bei einer Normalverteilung ist die Kurtosis 0. Er wurde ursprünglich von Jonas Rafi unter dem Namen jamovi guide erstellt. $�����qqpq�^�v�Jm)��+��3F(��k@:��A�H�b`2f �0; ^���2H�00x����:�@�A&���H � �I�� Im Beispiel wurde 2 bis 5 gewählt, wie die letzte Zeile der Syntax zeigt ("/SAVE CLUSTER(2,5)"). Die Voraussetzungen sind allerdings theoretischer Natur und können nicht direkt mit SPSS mit einem Test oder Verfahren überprüft werden. 0000008248 00000 n ANOVA - Varianzanalyse durchführen und interpretieren - Scribbr von tido » 27.08.2013, 14:41, Beitrag Bei ordinalskalierten Daten wird der Median als zwischen den beiden mittleren Werten liegend berichtet. Dieses neue Cluster (1, 14) wiederum wird in Schritt 3 mit dem Datenpunkt 11 geclustert. 0000002245 00000 n Skalenniveau der Daten und Datenverteilung, Prüfung auf Normalverteilung bzw. Bei VALUE LABELS steht Folgendes: Was muss ich denn dort stattdessen angeben, damit das richtig funktioniert? 0 Diese Clusterzughörigkeit lässt sich zudem im Datensatz speichern. Auf der linken Seite des Dendrogramms sind alle Fälle einzeln aufgelistet. Der Kolmogorov-Smirnov-Test auf Normalverteilung ist in SPSS etwas versteckt, er findet sich unter dem Pfad „Analysieren > Nichtparametrische Tests > Alte Dialogfelder > K-S bei einer Stichprobe“. Somit kann man nicht von normalverteilten Daten sprechen. Das Skalenniveau deiner Daten bestimmt, welche Lageparameter und Streuungsmaße du bestimmen kannst. Die Clusteranalyse gruppiert Untersuchungsobjekte zu natürlichen Gruppen (sogenannten "Clustern"). Das klassische Beispiel hierfür ist die Schulnote. Die Kurtosis (Wölbung, Steilheit, Exzess, engl. Darin ist ersichtlich, wie häufig die Personen angeben, "einen Einkaufsbummel" zu unternehmen (Quelle Daten: Allbus 2008, nur Westdeutsche). SPSS exportiert werden, sondern über andere Programme (Word, Excel, R, etc.) SPSS rät dort - und liegt meistens falsch. Sprich angefangen 18-29, 30-44, 45-59. bis letzter Wert "über 96". "skewness") ist ein Mass für die Symmetrie einer Häufigkeitsverteilung. In Deinem Datensatz befinden sich verschiedene Merkmale (Variablen) die ein unterschiedliches Skalenniveau und eine unterschiedliche Datenverteilung besitzen können. Diese enthält die quadrierten Euklidischen Distanzen. Wie bei der Berechnung der Schiefe ist auch bei der Berechnung der Kurtosis zunächst die Verteilung im Histogramm zu betrachten, damit sichergestellt werden kann, dass die Berechnung auch sinnvoll ist. x = Merkmalsausprägung 0000009046 00000 n Umkodieren von Variablen in SPSS - Statistik und Beratung 0000000795 00000 n Die Ausgabe unterstreicht das, was wir eben schon aus der Schiefe abgeleitet haben. Die Syntax sieht dann so aus: /METHOD WARD • Ein sinnvolles Ordnen der Beobachtungen ist möglich. Problem auftritt. Prüfen Sie bitte auch, ob beim Import in der SPSS-Ausgabe ein Fehler angezeigt wird. (2018): Multivariate Analysemethoden, 15. Somit erkennst Du, ob die Daten homogen oder stark differenziert sind. Sie ist nicht doppelt so gut wie eine 3. Gewicht = -103,007 + 0,996 * 180 = 76,27 kg. Zur Analyse mit SPSS müssen die Skalenniveaus aller Variablen, die zur Clusterbildung verwendet werden, auf demselben Niveau sein. Da die Zahlenwerte selbst gewählt werden können, sind sie an sich nicht bedeutsam, sondern arbiträr: So könnte 1 auch für weiblich und 2 für männlich gewählt werden. Wir möchten abschätzen, wie schwer eine 180 cm große Person ist. Der zugehörige Mittelwert wäre damit der Modus, das ist der Wert, dessen Anzahl am häufigsten vorgekommen ist. Da SPSS auch Methoden zulässt, die ein bestimmtes Skalenniveau voraussetzen, das jedoch gar nicht gegeben ist, kommt es jedoch leicht zu Fehlern in der Anwendung und Interpretation der Ergebnisse. nicht übernommen werden als Labels in die Variablenansicht. SPSS skaliert das als nominal. Ich habe leider nicht geschafft, den Screenshot hierhin zu posten, deshalb finden Sie ihn oben unter dem Ursprungspost :). Deskriptive, univariate Analyse (Verteilungen) - UZH Eventuell ist es Deine Absicht, Strukturen zu finden. In diesem Fall ist der berechnete Wert für die Schiefe negativ. Messniveau einer Variablen - IBM Zudem sind die anwesenden Personen auch unterschiedlich alt und unterschiedlich groß. Ein Beispiel hierfür sind Items, die auf einer Likert-Skala gemessen werden. Wirklich toll <3, Hallo und vielen Dank! SPSS-Menü: Analysieren > Klassifizieren > Hierarchische Cluster. Worin unterschieden sich die Klassen voneinander? Messniveau einer Variablen - IBM Auf dieser Seite werden die Skalenniveaus sowie ihre Bezeichnungen in SPSS kurz vorgestellt. Auflage Berlin. Ein Markforschungsinstitut möchte 15 Berufe anhand der Kriterien Einkommen und Markenbewusstsein in Gruppen einteilen. Wenn Du auf „Diagramme > Veraltete Dialogfelder > Histogramm“ klickst, kannst Du Dir auch das Histogramm anzeigen lassen. Diese sind dann für einige Analyseverfahren wie die Varianzanalyse von besonderer Bedeutung, und müssen eventuell genauer untersucht werden. Bei intervallskalierten Variablen werden im Ergebnisbericht immer Mittelwert und Varianz bzw. im Rahmen meiner BA bin ich zurzeit dabei, meine Daten in SPSS auszuwerten. Lagemasse beschreiben die sogenannte zentrale Tendenz der Daten. Trotzdem wurde "CEO" in Cluster 1 aufgenommen. Vielen Dank für die Antworten. Es trifft zu, dass sowohl die Abstände definiert sind, aber es lassen sich auch Aussagen über die Verhältnisse der Skala machen. Beitrag Und die -9 ist ja auch in den Labels enthalten. SPSS gibt eine sogenannte "Näherungsmatrix" aus (Abbildung 5). Das bedeutet wir können die Hypothese, die Verteilung sei keine Normalverteilung, nicht ablehnen. Eine Skala eines höheren Niveaus kann also als Skala eines niedrigeren Niveaus behandelt werden, aber nicht umgekehrt (Beispiel: Auf der Basis des Alters in Jahren (Ratioskala) kann eine binäre Variable darüber erstellt werden, ob jemand minderjährig ist (Nominalskala), aber umgekehrt nicht). Metrisch fasst hierbei die Intervall- und Ratioskala zusammen. Posten Sie bitte den Ausschnitt. von tl1990 » 24.06.2011, 10:08, Beitrag SKALENNIVEAU in SPSS | Überblick, praktische Beispiele & Tipps - Mentorium Mehrfachantworten in benutzerdefinierten SPSS-Tabellen: Anzahl Befragte UND Anzahl der Nennungen darstellen Die Herausforderung bei Mehrfachantworten besteht darin, die Prozentzahlen korrekt zu interpretieren und insbesondere zwischen Prozent der Befragten und Prozent der Antworten zu unterscheiden. Doch was genau ist ein Skalenniveau eigentlich? Lamberti 2001: Seite 35). Jun 2019, 23:47, Mitglieder in diesem Forum: 0 Mitglieder und 2 Gäste. Die univariate, deskriptive Analyse ist ein wichtiger Schritt im Rahmen jeder Datenanalyse. Auch die Temperatur in Kelvin ist ratioskaliert, da der Nullpunkt dem physikalischen absoluten Nullpunkt entspricht. Wünschenswert ist es deshalb, möglichst alle Daten auf Intervallskalenniveau zu erheben. Ich habe die Summenskala in SPSS gebildet, allerdings frage ich mich nun, welches Skalenniveau diese Summenskala denn hat? Vielen Dank lieber Support für die schnelle Antwort! "kurtosis") einer Verteilung drückt aus, ob die Verteilung im Vergleich zu einer Normalverteilung eher "schmalgipflig" oder "breitgipflig" ist. Das Streudiagramm in Abbildung 9 veranschaulicht die Clusterzugehörigkeit der einzelnen Datenpunkte. Trotzdem werden solche Items in der Praxis oft als intervallskaliert behandelt, wenn die Annahme plausibel erscheint. Backhaus et al. Sie werden daher manchmal auch "Kategorialskalen" genannt. Ausserdem gilt folgende Faustregel für die  Beziehung der drei Masse der zentralen Tendenz: Die Verteilung in der rechten Hälfte von Abbildung 3 hingegen ist eher rechtsschief. Anderen Studenten hat auch das noch gefallen, Skalenniveau verstehen und in SPSS umsetzen. Nichts ist so ärgerlich wie eine scheinbar bahnbrechende Erkenntnis, die aber nur aufgrund einer fehlerhaften Skalierung zustande kommt. Copyright © 2023 Mentorium GmbH. Sowohl bei der Standardabweichung als auch der Varianz fallen Ausreisser stark ins Gewicht. Simply ask a question to quickly get answers from other professionals, and directly from SoSci Survey. In "Schritt 1" werden sodann jene beiden Cluster zusammengefügt, die sich am nächsten liegen. Ordinalskala. Intervallskalierte Daten sind die Masse der Daten, die auftreten. Die Fragestellung der Clusteranalyse wird oft wie folgt verkürzt:"Können die Untersuchungsobjekte zu natürlichen Gruppen (Clustern) zusammengefügt werden?". Das Skalenniveau ist sofort in aller Munde, sobald man auch nur vage an die Auswertung statistischer Daten denkt. Daher steigt die Grösse des Koeffizienten mit jedem Schritt. Konkreter könnte das ein erstes Anzeichen einer linkssteilen/rechtsschiefen Datenverteilung sein. SPSS scheint die Ausführung also nicht an der Stelle abzubrechen. Liegen die Daten in einer perfekten Normalverteilung vor, wäre die Schiefe der Variable also genau null. Vor der Berechnung der Schiefe sollte die Verteilung zunächst also in einem Histogramm betrachtet werden. Unterschiedliche statistische Verfahren erfordern unterschiedliche mathematische Prozesse für eine Datenanalyse. sowie der Forschungstradition getroffen. Zur Analyse mit SPSS müssen die Skalenniveaus aller Variablen, die zur Clusterbildung verwendet werden, auf demselben Niveau sein. SPSS kennt drei verschiedene Arten für ein Skalenniveau: nominal, ordinal und metrisch. erstellt und eingebunden werden) 5.3. In diesem Fall werden beide Ausprägungen als Modi (Plural von Modus) genannt - die Verteilung ist bimodal - oder es wird im Falle von metrischen Daten der Mittelwert der beiden Ausprägungen berichtet. Je nach Linkage-Methode wird diese Distanz zwischen den Clustern unterschiedlich bestimmt: Die Ward-Methode ist die am häufigsten verwendete Varianz-Methode. Skalenniveaus verstehen und bestimmen - mit Beispielen - Scribbr Skalenniveau der Daten und Datenverteilung. Somit werden sehr schnell falsche Schlussfolgerungen gezogen. von Helpme! 2018: 177). Häufigkeitsverteilungen beschreiben, wie oft die verschiedenen Merkmalsausprägungen einer Variablen im Datensatz vorkommen. Der Datensatz kann unter Quick Start heruntergeladen werden. Da diese Einstellung keinen Einfluss auf die Auswertung hat, ist das aber irrelevant. Beispiele für ratioskalierte Merkmale sind Alter, Einkommen oder Grösse. "standard deviation", daher oft als "SD" abgekürzt) ist die Quadratwurzel der Varianz. "Unimodal" bedeutet, dass die Verteilung nur einen Modus hat. Hier gibt es zwei Möglichkeiten, männlich oder weiblich. von tido » 08.08.2013, 10:29, Beitrag Eine besonders häufig anzutreffende Ordinalskala ist die Likert-Skala (auch "Ratingskala", siehe Abbildung 2). Dies ist hier im Beispiel nicht der Fall. Entscheident sind die zunächst SPSS-Variablentypen, Fehlende-Werte Deklarationen und ggfs Wertelabels (also korrekte Codierung der Antwortkategorien) und korrekte Polungen der Antwortkategorien unter Berücksichtigung der Richtung der Itemformulierungen. Gibt es sehr viele verschiedene Merkmalsausprägungen im Datensatz, so fasst man sie oftmals zu Klassen zusammen. ORDINAL für ordinalskalierte Daten Somit kannst Du nach der explorativen Datenanalyse schon feststellen, welche Tests durchführbar sind, oder ob Du den Datensatz noch aufbereiten musst. Anderen Studenten hat auch das noch gefallen, Datenverteilung in SPSS – Der Weg zur empirischen Analyse. Einfacher ist die Aussage mit der Standardabweichung: Die Schulstunden streuen um durchschnittlich 2.5 Stunden um den Mittelwert.