Youtor
Bivariate Korrelation in SPSS Skalenniveaus und korrekte Korrelationsmaße
>> YOUR LINK HERE: ___ http://youtube.com/watch?v=lCRiOkwHIGA
// Bivariate Korrelation in SPSS (Skalenniveau+korrekte Korrelatonsmaße) // • (Bivariate) Korrelation gibt an, wie sehr zwei Variablen miteinander zusammenhängen. Ein typischer Fehler von Anwendern dieser vermeintlich leichten Funktion ist das Ignorieren des Skalenniveaus der zu vergleichenden Variablen. Denn abhängig vom Skalenniveau gibt es verschiedene Korrrelationsmaße, die Anwendung finden dürfen. Korrelation testet immer die Nullhypothese, dass die Variablen unabhängig voneinander sind (kein Zusammenhang besteht) und versucht diese zu verwerfen, was mit dem Signifikanzwert gemacht wird. Ist er unter 0,1; 0,05 oder 0,01, wird die Nullhypothese verworfen und die Alternativhypothese angenommen. Diese lautet, dass die Variablen zusammenhängen. • Metrisch skalierte Variablenpaare z.B. sollten mit Bravais-Pearson korreliert werden, ordinal skalierte Variablenpaare mit dem Rangkorrelationsmaß Kendalls Tau, Spearman oder Gamma. Schließlich sind nominal skalierte Variablenpaare mit dem Kontigenzkoeffizient, Phi oder Cramer V zu korrelieren. • Sind die Variablen unterschiedlich skaliert, nutzt man folgendes: metrisch/nominal: Eta; metrisch/ordinal: Kontigenzkoeffizient, Phi oder Cramer V; nominal/ordinal: Chi². Generell kann man Chi² immer nutzen, unbhängig der Skalierung, er testet lediglich auf Unabhängigkeit der Variablen, gibt aber keine Stärke des Zusammenhangs an. • Ein kurze Interpretation der verschiedenen erhaltenen Korrelationskoeffizienten wird ebenfalls vorgenommen. Korrelation hat per se nichts mit Kausalität zu tun. Nur weil zwei Variablen korrelieren, heißt das nicht, dass die eine das andere hervorruft (Kausalität). Ein Beispiel für Scheinkorrelation ist das Alter der Queen in England und die Bevölkerungszahl in England - beide stiegen stetig, hatten aber nichts miteinander zu tun. Kausale (Fehl-)Schlüsse sollten daher tunlichst vermieden werden. • Bei Fragen und Anregungen zur bivariaten Korrelation in SPSS nutzt bitte die Kommentarfunktion. Ob ihr das Video hilfreich fandet, entscheidet ihr mit einem Daumen nach oben oder unten. #statistikampc • • Noch mal zum Nachlesen auf meiner Homepage: • ======================================== • 💡 Alles zur bivariaten Korrelation in SPSS: • https://www.bjoernwalther.com/bivaria... • 💡Pearson-Korrelation: • https://www.bjoernwalther.com/pearson... • 💡Spearman-Korrelation: • https://www.bjoernwalther.com/spearma... • • Empfohlene Videos mit Detailerläuterungen: • ==================================== • 🎥 Pearson-Korrelation: • Korrelation nach Pearson in SPSS bere... • 🎥 Spearman-Korrelation: • Korrelation nach Spearman in SPSS ber... • 🎥 Kendall-Tau-Korrelation: • Kendall-Tau (b+c) in SPSS berechnen -... • 🎥 Chi²-Zusammenhangsmaß: • Chi-Quadrat-Unabhängigkeitstest in SP... • 🎥 Eta²-Zusammehangsmaß: • Eta-Koeffizient berechnen - Zusammenh... • 🎥 Punktbiseriale Korrelation (dichotom+metrisch): • Punktbiseriale Korrelation in SPSS - ... • • ⭐Kanalmitglied⭐ werden: • ======================= • / @statistikampc_bjoernwalther • • Zeitstempel ⏰ • ============ • 0:00 Einleitung • 0:14 Was ist Korrelation? • 0:35 Beispielhaftes falsches Vorgehen • 1:51 Pearson-Korrelation berechnen • 3:23 Übersicht über verschiedene Korrelationskoeffizienten • 3:36 Spearman und Kendall-Tau • 5:00 Kontingenzkoeffizient/Phi,/Cramer V/Chi² • 9:03 Eta² • • Kanal unterstützen? 🙌🏼 • =================== • Paypal-Spende: https://www.paypal.com/paypalme/Bjoer... • Amazon Affiliate-Link: https://amzn.to/2iBFeG9 • Danke für eure Unterstützung! ♥ • • Meine Homepage 💡 • ================= • https://www.bjoernwalther.com
#############################
