so, als erstes eine schöne Korrelationen-Tabelle. Die nicht schön ist, sondern hässlich und unüberschaubar. Aber so ist das Leben

Bild 6.jpg
Hier werden
statistische Zusammenhänge angezeigt.
Um diese Tabelle zu verstehen müsst ihr einfach an der Kopfzeile und -spalte die zwei Variablen finden, über deren Zusammenhang ihr erfahren wollt. z.B. Geschlecht und Bedingung. Anhand dieser Zwei erkläre ich euch, wie man das abließt.
Bild 7.jpg
Hier sehen wir drei Werte. Der dritte interessiert uns nicht (N = Anzahl an Probanden). Die ersten zwei sind aber sehr wichtig!
die
Korrelation (in diesem Fall nach Pearson) sagt uns, in wie Fern die Werte der zwei Variablen zusammenhängen. Eine Korrelation von 1.0 ist eine absolute korrelation (100% Zusammenhang), eine von 0 ist kein Zusammenhang. In diesem Fall ist die Korrelation zw. dem Geschlecht der Probanden und der experimentellen Bedingung, in der sie zufällig gelandet sind, äußerst gering (was zu erwarten wäre). Korrelationen unter 0,2 sind sehr klein; mittel ab 0,5 und stark ab etwa 0,8.
Ich habe die Variablen Mann und Frau mit den Werten 1 und 2 kodiert, und die Bedingungen NULL und EINS mit den gleichen Werten kodiert. Weil die Korrelation negativ ist, wissen wir, dass je höher das Geschlecht (also, bei Frauen), desto kleiner die Bedingung (also, sind bei Bedingung NULL gelandet). Und weil die Korrelation so klein ist, freuen wir uns, weil eine minimale Korrelation ist in diesem Fall positiv, ansonsten wäre das eine Störvariable, die man (sehr aufwendig) rausrechnen müsste.
Die
Signifikanz ist aber
noch wichtiger!! als die Korrelation an sich! und das ist, was die mittlere Zahl ist (hier: 0,122)
Anhand der Signifikanz wissen wir, ob der Zusammenhang auch konstant ist, das heißt, dass der Unterschied zwischen beiden Gruppen (hier z.B. Männern und Frauen) groß genug ist, um ihn Aufmerksamkeit zu widmen.
Die Signifikanz interpretiert man so: ein Wert KLEINER als 0,05 ist signifikant. Alles andere ist Zufall, oder wenigstens nicht mit ausreichender Sicherheit interpretierbar. Der Wert 0,05 ist ein Konzenzwert, und bedeutet so viel wie "
die Wahrscheinlichkeit, dass der Unterschied zwischen beiden Gruppen durch ZUFALL zustande kam, ist KLEINER als 5%. In diesem Fall ist diese Wahrscheinlichkeit größer als 12%. Nicht die kleinste, aber bei so vielen Probanden recht unwahrscheinlich, dass es irgendwas ausmacht.
Also, das erste, was ihr guckt, ist die Signifikanz. Wenn diese kleiner als 0,05 ist, dann guckt ihr die Korrelation. In diesem Fall, selbst wenn die Korrelation signifikant gewesen wäre, wäre sie zu klein gewesen, um für die Interpretaion der Daten bedeutsam zu sein.
Die Items, die hier korreliert sind, sind der Reihe nach folgende:
Bedingung NULL = 0, EINS = 1
Geschlecht Frau = 2, Mann = 1
Alter
Anzahl an sexuellen Partner
Anzahl an alkoholische Einheiten pro Woche
In den Vororten gewohnt: nein = 0, Ja = 1
Psychologiestudent: nein = 0, ja = 1
Die Umfrage bis zum Ende durchgeführt: Nein = 1, Ja = 0
-- Hinzugefügt: 17th März 2010, 2:45 pm --Jetzt eine Auswahl an Korrelationen, die lustig/interessant sein könnten:
1. Je älter die Probanden, desto wahrscheinlicher, dass sie Männer sind
2. Männer haben konstant mehr sexuelle Partner als Frauen, allerdings nicht VIELE mehr.
3. Männer trinken konsistent mehr als Frauen, aber nicht sooo viel mehr.
4. Frauen haben öfter in den Vororten gelebt.
5. es gibt viel mehr Frauen als Männer, die Psychologie studieren
viele dieser Unterschiede sind dann verständlicher wenn man bedenkt, dass die meisten Frauen Studenten sind, die meisten Männer Foristen.
6. Je älter, desto mehr sexuelle Partner (duh)
7. Je älter, desto wahrscheinlicher, dass sie die Befragung abgebrochen haben
8. KEIN Zusammenhang zw. Alkoholkonsum und Anzahl der sexuellen Partner!
9. Psychologen trinken ein bisschen weniger als der Rest der Befragten (waaaas?)
10. KEIN Zusammenhang zw. in den Vororten wohnen und der Anzahl der sexuellen Partner!
nachher versuche ich euch die Ergebnisse der Untersuchung bzgl. der Unterschiede zw. Skalen mit und ohne NULL zu berichten. Grafiken kommen

Du hast keine ausreichende Berechtigung, um die Dateianhänge dieses Beitrags anzusehen.