1 / 13

Tutorium zur Datenanalyse mit SPSS

Tutorium zur Datenanalyse mit SPSS. Im Rahmen des Propädeutikums Abteilung: Allgemeine Psychologie II Tutorin: Susanne Schwager. Gliederung. 1. Organisatorisches 2. Erläuterung des Beispiel-Paradigmas 3. Datenanalyse Schritt 1: E- Merge Schritt 2: E-Data- Aid

quinto
Download Presentation

Tutorium zur Datenanalyse mit SPSS

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Tutorium zur Datenanalyse mit SPSS Im Rahmen des Propädeutikums Abteilung: Allgemeine Psychologie II Tutorin: Susanne Schwager

  2. Gliederung • 1. Organisatorisches • 2. Erläuterung des Beispiel-Paradigmas • 3. Datenanalyse • Schritt 1: E-Merge • Schritt 2: E-Data-Aid • Schritt 3: Vorbereitung der Daten in SPSS • Schritt 4: Analysen in SPSS

  3. 1. Organisatorisches • Termine: 5.1.,12.1. und 19.1. von 14-16 Uhr • Probleme? • Materialien: wo • Fragen/ Anregungen/ Wünsche zum Tutorium: susi.schwager@googlemail.com

  4. 1. Organisatorisches • Bei den Beispieldatensätzen handelt es sich um noch nicht veröffentlichte Daten und eine Weitergabe an Dritte ist nicht erlaubt!

  5. 2. Erläuterung des Beispiel-Paradigmas • Auswirkung von Gewinn-/ Verlust-Framing auf die Leistungen in einer evaluativen Aufgabe • 2 Gruppen: Gain- und Loss-Frame

  6. 2. Erläuterung des Beispiel-Paradigmas • Typischer Framing-Effekt: • Im Gain-Frame wählen Vpn die sichere Alternative • Im Loss-Frame wählen Vpn die unsichere Alternative • Neue Fragestellung: unterscheiden sich Vpn in Verhalten in evaluativen Reaktionsaufgabe • Erwartung

  7. 2. Erläuterung des Beispiel-Paradigmas Design • Anzahl der Faktoren? • 2: Frame(2-stufig) & Valenz Target (2-stufig) • Art der Faktoren? • Target = Within-subject, Frame = between-Subject • Abhängige Variablen? • Reaktionszeiten und Fehlerraten • Gewünschter Effekt? • Interaktion zwischen Frame und Target-Valenz

  8. 3. Datenanalyse - Schritt 1: E-Merge • 1. Sammeln aller E-Prime-Daten in einem Ordner • 2. Auswahl dieses Ordners in E-Merge • Select Unmerged • Merge (Standard Merge) • Siehe Merge Log, wie viele gemergt wurden und ob alles erfolgreich war

  9. 3. Datenanalyse - Schritt 2: E-Data-Aid • Ziel: Daten lesbar für SPSS machen und unwichtige Informationen herausfiltern • Infos filtern mit Arrange-Columns

  10. 3. Datenanalyse - Schritt 2: E-Data-Aid • Bedeutung und Wichtigkeit einzelner Variablen ergeben sich aus Experiment • Einige typische Variablen-Namen (Beispiele): • Stimulus Onset Time (Zeit seit Beginn des Experiments) • Stimulus RT Time (Reaktionszeit seit Beginn des Experiments) • … .ACC (1= richtige Antwort in dem Trial) • … . CRESP (welche war die richtige Antwort) • … . RESP (welche Antwort wurde gegeben) • Oftmals unwichtig: Variablen, die Konstanten sind, wie Session…

  11. 3. Datenanalyse - Schritt 2: E-Data-Aid Exportieren der Daten nach SPSS • File  Export Einlesen in SPSS • Datei  Textdaten lesen • Datei weist kein vordefiniertes Format aus • Variablen mit Trennzeichen • Erste Zeile enthält Variablennamen • Erster Fall in zweiter Zeile • Jede Zeile = ein Fall • Alle Fälle importieren • Kein Texterkennungszeichen, durch Tabulator getrennt • Syntax einfügen lassen

  12. 3. Datenanalyse: Schritt 3 und 4 • Siehe Syntax • Beispiel Boxplot

  13. Was tun, wenn‘s nicht signifikant ist… • Verschiedene Tukeys oder andere RT-Grenzwerte probieren • Statt Mittelwert Median zum Aggregieren verwenden • Versuchspersonen / Stimuli entfernen (nach Ausreißern, VL-Bemerkungen…) • Effekt in Fehlervariablen analysieren • Effekt im Verlauf des Experiments betrachten • Effekt in Subpopulationen untersuchen • Mehr Versuchspersonen • …

More Related