Suchergebnisse

1. Versuchsanordnung und Datenerhebung -- 2. Kodierung und Datenerfassung -- 2.1 Der Kodiervorgang -- 2.2 Die Datenerfassung -- 2.3 Erstellung der SPSS-Kommandos -- 3. Datenprüfung -- 3.1 Mögliche Fehler und deren Konsequenzen -- 3.2 Gesichtspunkte möglicher Datenprüfungen -- 3.3 Strategien zur Fehlersuche -- 4. Prüfung der Variablen auf Normalverteilung -- 4.1 Prüfung über Schiefe und Exzeß -- 4.2 Prüfung durch den Kolmogorov-Smirnov-Anpassungstest -- 4.3 Vergleich der beiden Prüfverfahren und Konsequenzen bei Verletzung der Normal Verteilungsannahme -- 5. Mittelwertvergleiche für zwei unabhängige Gruppen -- 5.1 Der t-Test für unabhängige Gruppen -- 5.2 Der Median-Test für zwei unabhängige Gruppen -- 5.3 Der Mann-Whitney U-Test -- 5.4 Andere nicht-parametrische Tests für zwei Gruppen -- 5.5 Überlegungen zum effizienten Einsatz der vorgestellten Verfahren -- 6. Mittelwertvergleiche für mehrere unabhängige Gruppen -- 6.1 Einfaktorielle Varianzanalyse zur Prüfung der Gruppengleichheit -- 6.2 Prüfung der Gruppengleichheit über die Kruskal-Wallis-Rangvarianzanalyse -- 6.3 Zusammenfassende Interpretation und Konsequenzen für den nächsten Auswertungsschritt -- 6.4 Einfaktorielle Varianzanalyse zur Prüfung der Effekte der Hochspannungsleitungen -- 6.5 Rangvarianzanalyse zur Prüfung der Effekte der Hochspannungsleitungen -- 6.6 Prüfung der Effekte der Hochspannungsleitungen über die zweifaktorielle Varianzanalyse -- 6.7 Anmerkungen zu den Leistungen der einfaktoriellen und mehrfaktoriellen Varianzanalysen in SPSS -- 7. Mittelwertvergleiche für abhängige Messungen -- 7.1 Mittelwertvergleiche zwischen zwei abhängigen Messungen -- 7.2 Mittelwertvergleiche für mehrere abhängige Messungen -- 8. Korrelationsanalytische Verfahren -- 8.1. Bivariate Korrelationsanalyse -- 8.2. Die Partialkorrelationsanalyse -- 9. Verfahren der Skalenanalyse und Datenreduktion -- 9.1 Die Faktorenanalyse -- 9.2 Die Item-Gesamtwert-Korrelation -- 9.3. Vergleich von Faktorenanalyse und Item-Gesamtwert-Korrelation -- 10. Anmerkungen zu SPSS/PC, SPSS-X und früheren SPSS-Versionen.

1. Versuchsanordnung und Datenerhebung -- 2. Kodierung und Datenerfassung -- 2.1 Der Kodiervorgang -- 2.2 Die Datenerfassung -- 2.3 Erstellung der SPSS-Steuerkarten -- 3. Datenprüfung -- 3.1 Mögliche Fehler und deren Konsequenzen -- 3.2 Gesichtspunkte möglicher Datenprüfungen -- 3.3 Strategien zur Fehlersuche -- 3.4 Anmerkungen -- 4. Prüfung der Variablen auf Normalverteilung -- 4.1 Prüfung über Schiefe und Exzeß -- 4.2 Prüfung durch den Kolmogorov-Smirnov-Anpassungstest -- 4.3 Vergleich der beiden Prüfverfahren und Konsequenzen bei Verletzung der Normalverteilungsannahme -- 5. Mittelwertvergleiche für zwei unabhängige Gruppen -- 5.1 Der t-Test für unabhängige Gruppen -- 5.2 Der Median-Test für zwei unabhängige Gruppen -- 5.3 Der Mann-Whitney U-Test -- 5.4 Andere nichtparametrische Tests für zwei Gruppen -- 5.5 Überlegungen zum effizienten Einsatz der vorgestellten Verfahren -- 6. Mittelwertvergleiche für mehrere unabhängige Gruppen -- 6.1 Einfaktoriellle Varianzanalyse zur Prüfung der Gruppengleichheit -- 6.2 Prüfung der Gruppengleichheit über die Kruskal-Wallis- Rangvarianzanalyse -- 6.3 Zusammenfassende Interpretation und Konsequenzen für den nächsten Auswertungsschritt -- 6.4 Einfaktorielle Varianzanalyse zur Prüfung der Effekte der Hochspannungsleitungen -- 6.5 Rangvarianzanalyse zur Prüfung der Effekte der Hochspannungsleitungen -- 6.6 Prüfung der Effekte der Hochspannungsleitungen über die zweifaktorielle Varianzanalyse -- 6.7 Anmerkungen zur Anwendung der einfaktoriellen und mehrfaktoriellen Varianzanalyse in SPSS -- 7. Mittelwertvergleiche für abhängige Messungen -- 7.1 Mittelwertvergleiche zwischen zwei abhängigen Messungen -- 7.2 Mittelwertvergleiche für mehrere abhängige Messungen -- 8. Korrelationsanalytische Verfahren -- 8.1 Bivariate Korrelationsanalyse -- 8.2 Die Partialkorrelationsanalyse -- 9. Verfahren der Skalenanalyse und Datenreduktion -- 9.1 Die Faktorenanalyse -- 9.2 Die Item-Gesamtwert-Korrelation -- 9.3 Vergleich von Faktorenanalyse und Item-Gesamtwert-Korrelation.

Soziologie als empirische Erfahrungswissenschaft beschäftigt sich mit der Beschreibung der sozialen Welt und der Überprüfung theoretischer Mechanismen mit Hilfe statistischer Verfahren. Wer diese Arbeiten verstehen, aber auch kritisch diskutieren will, muss ein Mindestmaß an Verständnis für die Verfahren der sozialwissenschaftlichen Datenanalyse mitbringen. Im Mittelpunkt des vorliegenden Buches steht der Versuch, die entsprechenden statistischen Grundkenntnisse für eigene Analysen zu vermitteln. Darüber hinaus sollen den Lesern die Hilfsmittel an die Hand gegeben werden, um vorhandene Analysen kritisch reflektieren und gegebenenfalls eben auch fundiert kritisieren zu können. Der Inhalt Zur Aufgabe der empirischen Sozialforschung und der quantitativen Datenanalyse im soziologischen Forschungsprozess • Zur Datenlage: eigene Datenerhebungen oder Sekundäranalysen? • Erste Schritte der Datenanalyse: Aufbereitung, Datenbeschreibung und bivariate Zusammenhänge • Faktorenanalyse und Skalierung • Lineare Regressionen • Zur Logik der Datenanalyse: Welche Auswertungsstrategie passt am besten zu meiner Fragestellung?• Logistische Regressionen • Ein Ausblick auf fortgeschrittene statistische Analyseverfahren Die Zielgruppe · Studierende und Lehrende der Soziologie und anderer Sozialwissenschaften · generell an empirischen Studien interessierte Personen · Praktiker im Bereich der empirischen Markt-, Meinungs- und Sozialforschung Die Autoren Dr. Johannes Kopp ist Professor für Soziologie an der Universität Trier. Dr. Daniel Lois ist Juniordozent an der Universität Tübingen

Einführung -- Univariate Deskription und Exploration von Daten -- Multivariate Deskription und Exploration -- Wahrscheinlichkeitsrechnung -- Diskrete Zufallsvariablen -- Stetige Zufallsvariablen -- Mehr über Zufallsvariablen und Verteilungen -- Mehrdimensionale Zufallsvariablen -- Parameterschätzung -- Testen von Hypothesen -- Spezielle Testprobleme -- Regressionsanalyse -- Varianzanalyse -- Zeitreihen -- Einführung in R -- Tabellen.

Datenanalyse ist in einzelnen Kliniken wie im gesamten Gesundheitssystem schwierig bis unmöglich, weil die Daten auf zahlreiche unterschiedliche Datenbanken verteilt sind. Eine neue Software bietet eine fast unglaubliche Lösung des Problems.