SPSS

Description

! = auswendig * = erkennen
Me W
Flashcards by Me W, updated more than 1 year ago
Me W
Created by Me W about 7 years ago
17
0

Resource summary

Question Answer
!SPSS Datendatei einlesen GET FILE = ‘F:\C2\Datei.sav‘.
!Aktives Datenset speichern SAVE OUTFILE = ’F:\C2\neueDatei.sav’ .
!Variablen formatieren FORMATS var1 (F2.2). → 2 Stellen vor und nach dem Komma
!Variablenlabel/Beschriftung ändern VARIABLE LABELS sex ’geschlecht‘.
!Wertelabel ändern VALUE LABELS sex 1 ’männlich‘ 2 ’weiblich‘. ADD VALUE LABELS sex -9999 ’keine Angabe‘.
!Benutzerdefiniert fehlende Werte festlegen MISSING VALUES sex (-9999).
!Abfolge der Fälle sortieren SORT CASES sex v1 (A/D).
!Variable löschen DELETE VARIABLES sex.
!Neue Variablen erstellen Werte vorhandener Variablen löschen COMPUTE var_sum=SUM(var1, var2). COMPUTE var_sum=var1+var2. EXECUTE. MAX/MEAN/SD/VARIANCE/MISSING/SYSMIS Operatoren (+) → geben bei fehlenden Werten keinen Wert aus; Funktionen ignorieren fehlende Werte
!Neue Variable unter Bedingung erstellen IF (sex=1) varsum=SUM(v1 TO v3). EXECUTE.
!Einzelnen Werten oder Wertebereichen einer Variablen neue Werte zuweisen RECODE bildung (1 THRU 3 = 1) (3 THRU 7 = 2) (SYSMIS/MISSING = COPY). RECODE alter (LO THRU 26 = 1) (26 THRU HI = 2) (ELSE = COPY). EXECUTE.
!t-Test für unabhängige Stichproben T-TEST GROUPS = uv1 (1 2) /VARIABLES=av1 /CRITERIA=CI(.95) /MISSING=ANALYSIS → schließt fehlende Fälle von Analyse zu Analyse aus /MISSING=LISTWISE → Analysen nur mit Fällen ohne jegliche Missings /MISSING=INCLUDE → behandelt benutzerdef. Fehlende Werte wie gültige
!t-Test für abhängige Stichproben T-TEST PAIRS = var1 WITH var2 (PAIRED) /CRITERIA=CI(.95) /MISSING=ANALYSIS/LISTWISE/INCLUDE
!Produkt-Moment Korrelation mit Signifikanztest, Mittelwerten, Kovarianz und Kreuzprodukt CORRELATIONS var2 var2. → alle Variablen nebeneinander CORRELATIONS /VARIABLES=var1 var2 WITH var3 var4 → Variablen in Tabelle /PRINT=TWOTAIL NOSIG → zweiseitige p-Werte, significant von 0 verschiedene warden mit Sternchen versehen /MISSING=PAIRWISE/LISTWISE
*Neue Variable mit Rängen oder normalisierten Werten eine bestehenden Variable erzeugen RANK VARIABLES= var1 (A/D) /NORMAL → normalisierte Werte /RANK → Ränge /PRINT=YES/NO → eine/keine Ausgabetabelle /TIES=MEAN → Umgang mit gebundene Werten /FRACTION=BLOM --> Methode Anteilswertschätzung für die Normalisierung
*Anzahl bestimmter Werte in Variablen je Fall ausgeben COUNT anzahl = var1 TO var3 (MISSING). → zählt Missings, außerdem: LO/HI/THRU/SYSMIS
*Transformationen unter Bedingung ausführen DO IF sex=1 RECODE v1 (LO THRU 100 = 1) (100 THRU HI = 2) INTO v1r. END IF.
*Fälle von Analysen ausschließen ohne diese zu löschen COMPUTE filter_$ = (sex=1). FILTER BY filter_$. EXECUTE.
*Fälle auswählen, alle anderen löschen SELECT IF sex=1.
*Daten in Gruppen einteilen, die separat analysiert werden SORT CASES BY sex (A/D). SPLIT FILE SEPARATE/LAYERED BY sex. SPLIT FILE OFF.
*Häufigkeitstabelle und -diagramme, univariate Statistiken ausgeben FREQUENCIES VARIABLES = score Nscore /FORMAT=AVALUE/DVALUE → auf/absteigend /STATISTICS=MEAN STDDEV MINIMUM MAXIMUM /NTILES=4 → Perzentile, die Verteilung in x gleichgroße Flächen teilt /PERCENTILES=5 95 → einzelne Perzentile /ORDER=ANALYSIS/VARIABLES → eine vergleichende Tabelle/für jede Variable eine eigene Tabelle /HISTOGRAM NORMAL → fügt in Histogramm Normalverteilungskurve ein
*Univariate Statistiken DESCRIPTIVES VARIABLES=var1 var2 /MISSING=LISTWISE/VARIABLE /SAVE → Variablen werden z-standardisiert und in Datenset eingefügt /STATISTICS=MEAN STDDEV MIN MAX.
*Test auf Normalverteilung; univariate Verfahren der explorativen Datenanalyse EXAMINE VARIABLES=var1 var2 (BY var3) /PLOT BLOXPLOT HISTOGRAM /COMPARE VARIABLES / GROUPS → alles in 1 Diagram / Variablen getrennt /STATISTICS DESCRIPTIVES /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL. → Gruppen der UV warden getrennt analysiert
*Sammlung nichtparametrischer Tests NPAR TESTS /M-W=av BY uv (1 2) → Mann-Whitney-U-Test /MISSING=ANALYSIS / LISTWISE.
*Einfaktorielle Varianzanalyse ONEWAY av1 BY uv1 /CONTRAST=-1 1 0 /CONTRAST=0 1 -1 /STATISTIC DESCRIPTIVES / WELCH / LEVENE /PLOT MEANS → Mittelwertdiagramm /MISSING ANALYSIS / LISTWISE / EXCLUDE / INCLUDE
*Ein- und mehrfaktorielle univariate Varianz-, Regressions- und Kovarianzanalyse UNIANOVA av BY uv1 uv2 WITH kovar /METHOD=SSTYPE (3) → Standard /INTERCEPT=INCLUDE / EXCLUDE → Ordinatenabschnitt / auf 0 gesetzt /PRINT=DESCRIPTIVES ETASQ /PLOT=PROFILE (a b a*b) → Liniendiagramme für Haupteffekte, Interaktionseffekte /CRITERIA=ALPHA(.05) /DESIGN=a b a*b
*Kreuztabellen und Maße des Zusammenhangs CROSSTABS /TABLES=vazeilen BY vaspalten /STATISTICS=CHISQ PHI → Chi2 Unabhängigkeitstest /CELLS=COUNT EXPECTED. → beobachtet und bei Unabhängigkeit erwarteten Häufigkeiten, die in Zellen der Kreuztablle ausgegeben werden
*Einfache und multiple (lineare) Regression REGRESSION /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE/PAIRWISE /STATISTICS COEFF OUTS R ANOVA CHANGE → Change zeigt Änderungen in R^2 /NOORIGIN / ORIGING → lässt Modellkonstante schätzen / setzt Modellkonstante auf 0 (Ursprung)
*Durchführung von uni- und multivarianten Varianz-, Kovarianz- und Regressionsanalysen gemäß dem allgemeinen linearen Modell ANOVA mit Messwiederholung ANCOVA GLM av1 BY uv1 WITH kovar /WSFACTOR=Belohnung 2 Polynomial → legt Namen der Messwiederholungsvariable fest, sowie Anzahl der Stufen und Kontrasttyp /METHOD=SSTYPE(3) --> Standard /PLOT=PROFILE(a b a*b) → erzeugt Liniendiagramme der Mittelwerte für Haupt- und Interaktionseffekte /PRINT=DESCRIPTIVES ETASQ /CRITERIA=ALPHA(.05) /WSDESIGN=Belohnung → legt Messwiederholungsdesign fest /DESIGN=var1. → legt fest, welche Effekte der UVs im Modell berücksichtigt werden
GET GET DATA Datei → Öffnen → Daten Datei → Textdateien einleisen
SAVE Datei → Speichern Datei → Speichern unter
SORT CASES Daten → Fälle sortieren
COMPUTE Transformieren → Variable berechnen
IF Transformieren → Variable berechnen → Falls
RECODE Transformieren → Umkodieren
T-TEST Analysieren → Mittelwerte vergleichen
CORRELATIONS Analysieren → Korrelation → Bivariat
RANK Transformieren → Rangfolge bilden
COUNT Transformieren → Werte in Fällen zählen
FILTER Daten → Fälle auswählen
SELECT IF Daten → Fälle auswählen
SPLIT FILE Daten → aufgeteilte Datei
FREQUENCIES Analysieren → deskriptive Statistiken → Häufigkeiten
DESCRIPTIVES Analysieren → deskriptive Statistiken → deskriptive Statistik
EXAMINE Analysieren → deskriptive Statistiken → explorative Datenanalyse
NPAR TESTS Analysieren → nicht parametrische Tests → alte Dialogfenster
ONEWAY Analysieren → Mittelwerte vergleichen → einfaktorielle Varianzanalyse
UNIANOVA Analysieren → allgemeines lineares Modell → univariat
CROSSTABS Analysieren → deskriptive Statistiken → Kreuztabellen
REGRESSION Analysieren → Regression → Linear
GLM Analysieren → allgemeines lineares Modell → Messwiederholung/Multivariat
Show full summary Hide full summary

Similar

FDM - 145 - Statistik
Phi Sas
Explorative Faktorenanalyse
Esther Netz
Explorative Faktorenanalyse
Inna Sh
Jekyll and Hyde
elliesussex
Driver's Exam
darrinmagnus
OCR GCSE Latin Vocab flash cards - all
jess99
GCSE PE - 2
lydia_ward
AS Unit 1 Physics Flashcard Deck
Callum McClintock
Characters in Lord of the Flies
lowri_luxton
Organic Chemistry Functional Groups
linpubotwheeds
Romeo and Juliet notes
Faizaan Mohmed