Fragen und Diskussionen rund um die Arbeit mit SPSS. Für allgemeine Statistik-Themen, die nicht mit SPSS zusammenhängen, bitte das Statistik-Forum nutzen.
Tut mir leid, dass ich euch mit einer so einfachen Frage belästige.. Aber ich bin echt eine SPSS-Null und versteh es einfach nicht, wann ich welche Korrelation (bzw allgemein welchen Test...) nehmen muss..
Ich hab jetz zb 2 einfache Ausprägungen: Geschlecht und Interview ja (1) oder 0 (nein). ich will einfach sehn, ob bei diesen beiden größen ein zus.häng möglich wäre.. bin nun aber aufgeschmissen, ob ich spearman oder pearson oder chi2 (asypt.sign., was is das eig noch...!?) nehmen muss und wo dann gucken muss beim auswurf usw... hab versucht im inet was rauszukriegen, aber das verwirrt mich mit den ganzen begriffen nur noch mehr..
ein 2.zus.hang den ich betrachten will, ist alter und geschlecht.. vllt könnt ihr mir da auch gleich noch helfen..
danke.. aber ich bezweifel, dass mir das viel weiter hilft.. hatte auch schon bücher zu dem thema, bei denen ichs trotzdem nich wirklich verstanden hab.. und für meine anfrage zu den 2 sachverhalten wird es mir auch nicht rechtzeitig helfen, wenn ichs jetz bestelle.. brauch das für ne kleine auswertung bei nem referat DO..
Tut mir leid, dass ich euch mit einer so einfachen Frage belästige.. Aber ich bin echt eine SPSS-Null und versteh es einfach nicht, wann ich welche Korrelation (bzw allgemein welchen Test...) nehmen muss..
Ich hab jetz zb 2 einfache Ausprägungen: Geschlecht und Interview ja (1) oder 0 (nein). ich will einfach sehn, ob bei diesen beiden größen ein zus.häng möglich wäre.. bin nun aber aufgeschmissen, ob ich spearman oder pearson oder chi2 (asypt.sign., was is das eig noch...!?) nehmen muss und wo dann gucken muss beim auswurf usw... hab versucht im inet was rauszukriegen, aber das verwirrt mich mit den ganzen begriffen nur noch mehr..
ein 2.zus.hang den ich betrachten will, ist alter und geschlecht.. vllt könnt ihr mir da auch gleich noch helfen..
ich wäre äußerst dankbar für hilfe..
s ko dar an was Du gen. herauskr wllst. Ob überh e Zshang vorl. zeigt Dir d. Chi² Test (Signif < 0.05 bed., man k. von e. Zshang ausgehen). Korrel.maß f 4feldertafeln ist d. Phi-Koeffizient.
ich will einfach nur heraus kriegen, ob 1.geschlecht und 2.ob ein interview geführt wurde oder nicht bzw. 1.geschlecht und 2.alter (in gruppen) iwie zus.hängen KÖNNTEN oder es tun. von phi-koeff.hab ich noch nix gehört..
für chi2 müsste ich doch vorher iwelche 0-hypothesen festlegen, oder!?
Ich hab jetz zb 2 einfache Ausprägungen: Geschlecht und Interview ja (1) oder 0 (nein). ich will einfach sehn, ob bei diesen beiden größen ein zus.häng möglich wäre..
Generalist hat hier genau die passende Antwort gegeben
danke, das hat mir sogar was gebracht mit noch einem blick in meinen alten hefter..
nun steh ich aber vor einem neuen problem. ich hab eine variable Alter, die ja eig.metrisch is. das alter wurde im fragebogen auch einzeln abgefragt, nicht gruppiert. ich hab jetzt im nachhinein aber gruppen gebildet und die variable somit geändert. schau ich jetzt auf spearman, weil ordinal (stand so im hefter, bei gruppierten altersgruppen) oder bleibts bei pearson, weil ichs ja erst im nachhinein gruppiert hab?
Bei gruppierten Daten wird weder Spearman noch Pearson berechnet.
Spearman ist eine Rangkorrelation. Das heißt nicht, dass die Daten als Ränge vorliegen müssen, sondern dass das Verfahren aus den Xi Ri berechnet. Wurde hier schon vielfach besprochen, dass Spearman der Pearson über die Ränge ist.
Mit 'Voraus' oder 'Nachhinein' hat das auch nichts zu tun.
-> PHI
sonst ggf. nach weiteren Verfahren suchen (biseriale Korrelation ... ) je nach Datenlage
oh man.. es ist ja nicht so, dass ich dir nicht glauben würde.. aber ich habs so im hefter stehn und weiß jetz nich, was ich glauben soll..:
Die Festlegung des Datentyps hängt stets von der Art der
Messung (Erfassung) der Daten ab, nicht nur von den
tats¨achlichen Eigenschaften der Daten. Wird z. B. das
Alter von Personen nur in Klassen (0–25, 25–65, 65+)
erfasst, liegt diese Variable nur als ordinale Variable vor
(eigentlich Absolutskala).
– nominal -> z.B. Kontingenzkoeffizient
– ordinal -> z.B. Rangkorrelationskoeffizient (Spearman)
– metrisch -> z.B. Korrelationskoeffizient (Pearson)
