09.12.13 1
TRANSCRIPT
![Page 1: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/1.jpg)
09.12.13
1
VL Methodenlehre I WS13/14 Schäfer
DAS THEMA: TABELLEN UND ABBILDUNGEN • Standardisierung von Daten • Darstellung von Daten in Texten,
Tabellen und Abbildungen
VL Methodenlehre I WS13/14 Schäfer
Standardisierung von Daten • z-Standardisierung • Standardnormalverteilung
![Page 2: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/2.jpg)
09.12.13
2
• Ausgangspunkt: einzelne Messwerte und Kennwerte lassen sich schwer
vergleichen, wenn sie von verschiedenen Messinstrumenten stammen
• Beispiel: Tim hat im Abitur in Bayern 620 Punkte, Mia im Abitur in
Sachsen 640 Punkte à ist Mia wirklich besser, wenn wir wissen, dass
das Abitur in Sachsen etwas leichter war?
• Lösung: Daten auf eine einheitliche Skala transformieren
• eine Transformation berücksichtigt immer Lage und Streuung von
Verteilungen
• bei der z-Transformation bekommt jede Person einen neuen Wert
zugewiesen, der nun vergleichbar (standardisiert) ist:
DIE Z-STANDARDISIERUNG
VL Methodenlehre I WS13/14 Schäfer
z-‐Wert absolute Differenz zum Mi:el rela&viert an der Streuung
• z-Werte bilden eine standardisierte Skala
• sie haben immer einen Mittelwert von 0 und eine SD von 1
• die Verteilung der z-Werte sieht daher immer gleich aus
• sind die Rohwerte normalverteilt, ergibt die z-Verteilung eine
Standardnormalverteilung:
DIE STANDARDNORMALVERTEILUNG
VL Methodenlehre I WS13/14 Schäfer
Standardabweichung
Prozente
z-‐Werte
![Page 3: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/3.jpg)
09.12.13
3
• jedem z-Wert kann ein bestimmter Flächenanteil der SNV zugeordnet
werden
• der Flächenanteil entspricht der Auftretenswahrscheinlichkeit für diesen
Wert und alle kleineren Werte
zurück zum Beispiel – wir brauchen M und SD der beiden Bundesländer:
und können dann die z-Werte bestimmen:
à beide sind überdurchschnittlich
à Tim hat aber – im standardisierten Vergleich – die bessere Leistung
erreicht
DIE STANDARDNORMALVERTEILUNG
VL Methodenlehre I WS13/14 Schäfer
à wenn der z-Wert von Tim etwa 75% der Fläche der Verteilung
abschneidet, heißt das, dass nur etwa 25% aller Schüler besser waren als er
DIE STANDARDNORMALVERTEILUNG
VL Methodenlehre I WS13/14 Schäfer
Mia Tim
![Page 4: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/4.jpg)
09.12.13
4
• neben der z-Standardisierung gibt es weitere Standardisierungs-
Möglichkeiten à so entstehen entsprechend andere Verteilungen
• auch die IQ-Verteilung ist eine standardisierte Verteilung mit M = 100
und SD = 15
DIE STANDARDNORMALVERTEILUNG
VL Methodenlehre I WS13/14 Schäfer
VL Methodenlehre I WS13/14 Schäfer
Darstellung von Daten in Texten, Tabellen und Abbildungen • Texte und Tabellen • Abbildungen
![Page 5: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/5.jpg)
09.12.13
5
• wenige deskriptive Daten lassen sich gut im Fließtext beschreiben
• liegen mehr Daten vor, bietet sich eine übersichtliche Darstellung in
Tabellen an
• auch hier werden Lage- und Streuungsmaße angegeben
• in Manuskripten werden Tabellen nach APA-Richtlinien formatiert:
TEXTE UND TABELLEN
VL Methodenlehre I WS13/14 Schäfer
MusiksFl M SD
Klassik 2,9 1,1
Rock 4,1 0,8
Rap 3,3 1,2
TEXTE UND TABELLEN
VL Methodenlehre I WS13/14 Schäfer
![Page 6: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/6.jpg)
09.12.13
6
• auch in Abbildungen sollten Lage- und Streuungsmaße enthalten sein
ABBILDUNGEN
VL Methodenlehre I WS13/14 Schäfer
ABBILDUNGEN
VL Methodenlehre I WS13/14 Schäfer
![Page 7: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/7.jpg)
09.12.13
7
alternative Darstellungsmöglichkeiten (siehe Inferenzstatistik):
Liniendiagramm ...mit Fehlerbalken
ABBILDUNGEN
VL Methodenlehre I WS13/14 Schäfer
mit Standardfehlern Fehlerplots
Beginnt die Beschriftung der Y-Achse bei 0?
LÜGEN MIT ABBILDUNGEN
VL Methodenlehre I WS13/14 Schäfer
![Page 8: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/8.jpg)
09.12.13
8
Zeigt die Y-Achse gleich große Intervalle?
LÜGEN MIT ABBILDUNGEN
VL Methodenlehre I WS13/14 Schäfer
TEIL 4: EXPLORATIVE DATENANALYSE
VL Methodenlehre I WS13/14 Schäfer
![Page 9: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/9.jpg)
09.12.13
9
VL Methodenlehre I WS13/14 Schäfer
DAS THEMA: GRAFISCHE DATENANALYSE • Darstellung von Verteilungen • Darstellung von Zusammenhängen
zwischen Variablen
VL Methodenlehre I WS13/14 Schäfer
Darstellung von Verteilungen • Boxplot • Stamm-und-Blatt-Diagramm
![Page 10: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/10.jpg)
09.12.13
10
• Mittelwert und SD liefern recht idealisierte Darstellungen, da sie
symmetrisch- oder normalverteilte Daten zugrunde legen
• für die Darstellung von Auffälligkeiten (Schiefe, Ausreißer) eignen sich
daher andere Maße besser
• verwendet man die verzerrungs-resistenten Maße Median und IA, erhält
man ein Boxplot
BOXPLOT
VL Methodenlehre I WS13/14 Schäfer
BOXPLOT
VL Methodenlehre I WS13/14 Schäfer
Median IA Whiskers
Wo liegen die Whiskers? 1. BesFmmen der Zäune: IA x 1,5 nach oben und untern an die Box antragen 2. diejenigen echten Werte suchen, die auf der Seite der Box am nächsten dran liegen
IA = 19-‐14 = 5 IAx1,5 = 7,5 oberer Zaun: 19+7,5 = 26,5 unterer Zaun: 14-‐7,5 = 6,5 oberer Whisker: 21 unterer Whisker: 12
wichtige Informationen: • Wie lang ist die Box? à Höhe der Streuung • Wo liegt der Median innerhalb der Box? à
Symmetrie/Schiefe der Verteilung • Liegen Werte außerhalb der Whiskers? à Ausreißer
(werden durch Sterne oder Kreise dargestellt)
![Page 11: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/11.jpg)
09.12.13
11
BOXPLOT UND HÄUFIGKEITSVERTEILUNG
VL Methodenlehre I WS13/14 Schäfer
BOXPLOT UND HÄUFIGKEITSVERTEILUNG
VL Methodenlehre I WS13/14 Schäfer
![Page 12: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/12.jpg)
09.12.13
12
à bei schiefen Verteilungen liefern Boxplots wesentlich bessere Aussagen
über die Streuung als die SD
à außerdem bleiben Ausreißer unberücksichtigt
BOXPLOT UND STANDARDABWEICHUNG
VL Methodenlehre I WS13/14 Schäfer
• zeigt jeden einzelnen Wert einer Verteilung
• hilft schiefe oder ungewöhnliche Verteilungen (z.B. multimodale) zu
identifizieren
STAMM-UND-BLATT-DIAGRAMM
VL Methodenlehre I WS13/14 Schäfer
Häufigkeit von Werten die Blä:er zeigen die Einerstelle oder die Nachkommastelle jeweils für eine Person
der Stamm zeigt die Dezimalstelle oder die Zahl vor dem Komma
z.B. eine Person mit dem Wert 2,3 (oder 23)
![Page 13: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/13.jpg)
09.12.13
13
Beispiel für ein back-to-back Stamm-und-Blatt-Diagramm
STAMM-UND-BLATT-DIAGRAMM
VL Methodenlehre I WS13/14 Schäfer
VL Methodenlehre I WS13/14 Schäfer
Darstellung von Zusammenhängen zwischen Variablen • Streudiagramm • Sonnenblumendiagramm • Bubble-Plot • Streudiagramm-Matrix
![Page 14: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/14.jpg)
09.12.13
14
um den Zusammenhang von Variablen zu visualisieren, kann man Werte
von Personen auf beiden Variablen in ein gemeinsames Diagramm
einzeichnen à Streudiagramm
à das Diagramm zeigt eine Punktewolke, die etwas über das
Vorhandensein und die Stärke des Zusammenhangs verrät
STREUDIAGRAMM
VL Methodenlehre I WS13/14 Schäfer
• je „dünner“ die Punktewolke – also je mehr sie sich um eine gedachte
Linie konzentriert – desto stärker der Zusammenhang
• außerdem kann der Zusammenhang
positiv oder negativ sein
• seine Größe lässt sich durch den
Korrelationskoeffizienten ausdrücken
STREUDIAGRAMM
VL Methodenlehre I WS13/14 Schäfer
unkorreliert
schwach positiv stark positiv
schwach negativ stark negativ
![Page 15: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/15.jpg)
09.12.13
15
• der Zusammenhang kann auch kurvi-linear sein
STREUDIAGRAMM
VL Methodenlehre I WS13/14 Schäfer
• Streudiagramme können nur mit Daten ab Intervallskalenniveau
konstruiert werden
• die Variablen können dabei auch nur 2 Ausprägungen haben (siehe
Intervallskalenniveau bei dichotomen Variablen)
STREUDIAGRAMM
VL Methodenlehre I WS13/14 Schäfer
1 – weiblich 2 – männlich
![Page 16: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/16.jpg)
09.12.13
16
• liegen in einem Streudiagramm viele Werte aufeinander, kann die Interpretation schwierig werden
• Abhilfe schafft das Sonnenblumendiagramm, in dem die Anzahl
übereinander liegender Werte durch Blütenblätter dargestellt wird
à besonders sinnvoll, wenn eine der Variablen nur wenige Ausprägungen
hat
SONNENBLUMENDIAGRAMM
VL Methodenlehre I WS13/14 Schäfer
Durchschni:snote
• eine dritte Variable kann in Streudiagrammen eingefügt und durch die
Größe der Punkte (Bubbles) codiert werden à Bubble-Plot
BUBBLE-PLOT
VL Methodenlehre I WS13/14 Schäfer
Bubbles = soziale Kompetenz
![Page 17: 09.12.13 1](https://reader034.vdokument.com/reader034/viewer/2022051713/586e5b121a28ab95168bae7a/html5/thumbnails/17.jpg)
09.12.13
17
• der Zusammenhang mehrerer Variablen kann auch mit Hilfe mehrerer
normaler Streudiagramme in einer Matrix dargestellt werden
STREUDIAGRAMM-MATRIX
VL Methodenlehre I WS13/14 Schäfer
LITERATUR
VL Methodenlehre I WS13/14 Schäfer
• Hussy, W., Schreier, M. & Echterhoff, G. (2010). Forschungsmethoden in
Psychologie und Sozialwissenschaften. Heidelberg: Springer.
• Schäfer, T. (2010). Statistik I. Deskriptive und Explorative Datenanalyse.
Wiesbaden: Springer VS.
• Sedlmeier, P. & Renkewitz, F. (2013). Forschungsmethoden und Statistik: Ein
Lehrbuch für Psychologen und Sozialwissenschaftler. München: Pearson.