Kapitel 1

Statistik? Ich dachte, es geht um Psychologie!

In diesem Kapitel

Wenn wir unseren Erstsemester‐Studenten in ihre anfangs neugierigen und begeisterten Gesichter blicken und ihnen dann mitteilen, dass Statistik ein wesentlicher Bestandteil ihres Studiengangs ist, reagiert etwa die Hälfte von ihnen richtig erschrocken. »Wir wollen Psychologie studieren und nicht Statistik«, rufen sie. Wahrscheinlich dachten sie, während ihres Studiums verwirrten Leuten zu helfen, die sich auf die Couch legen und über ihre Mütter erzählen. Wir erklären ihnen dann, dass die Statistik zu allen Psychologievorlesungen im Grundstudium gehört und dass sie ohne Statistik nicht auskommen werden, wenn sie vorhaben, bis ins Hauptstudium zu gelangen oder als Psychologen zu arbeiten. Dann jammern sie: »Aber ich bin kein Mathematiker! Ich interessiere mich für Menschen und ihr Verhalten.« Wir erwarten nicht, dass unsere Studenten Mathematiker sind. Wenn Sie dieses Buch einmal grob durchblättern, werden Sie sofort sehen, dass es keine furchterregenden Gleichungen enthält. Heute gibt es zum Glück Computerprogramme wie SPSS, die die komplizierten Berechnungen für uns erledigen.

Psychologie ist eine wissenschaftliche Disziplin. Wenn Sie mehr über Menschen lernen wollen, müssen Sie objektiv Informationen sammeln, diese zusammenfassen und analysieren. Nur so können Sie Informationen interpretieren und ihnen eine theoretische wie praktische Bedeutung geben. Die Zusammenfassung und Analyse von Informationen ist aber nichts anderes als Statistik! Statistik ist also ein grundlegender Bestandteil der Psychologie.

Dieses Kapitel möchte Ihnen einen Überblick über die wichtigsten statistischen Konzepte geben, denen Sie in Ihren Grundkursen zur Psychologie begegnen. Sie werden auch Verweise auf Kapitel finden, in denen Sie mehr zu den jeweiligen Themen erfahren. Also los, werden Sie zum Statistik‐Superhelden!

Machen Sie sich ein Bild von Ihren Variablen

Für alle quantitativen Forschungen in der Psychologie müssen Informationen (sogenannte Daten) gesammelt werden. Diese können durch Zahlen dargestellt werden. Beispielsweise lassen sich Depressionsstufen durch Depressionspotenziale darstellen, die man anhand eines Fragebogens ermittelt. Auch das Geschlecht einer Person kann durch eine Zahl dargestellt werden (1 für männlich, 2 für weiblich). Die von Ihnen gemessenen Eigenschaften werden als Variablen bezeichnet, weil sie variieren! Sie können für eine Person über die Zeit variieren (Depressionspotenziale können über die Lebensdauer einer Person variieren) oder zwischen verschiedenen Personen (Personen können als männlich oder weiblich klassifiziert werden, aber nach erfolgter Klassifikation ändert sich diese Variable im Allgemeinen nicht mehr).

Mit den Variablen in einer Datenmenge sind verschiedene Namen und Eigenschaften verknüpft, mit denen Sie sich vertraut machen sollten. Variablen können stetig oder diskret sein, sie können unterschiedliche Maße haben und sie können unabhängig oder abhängig sein. Wir werden in Kapitel 2 genauer darauf eingehen. Anfänglich werden all diese Begriffe recht verwirrend sein, aber Sie müssen sie unbedingt gut verstehen, weil alle wichtigen statistischen Analysen davon Gebrauch machen. Beispielsweise kann es sinnvoll sein, ein mittleres Depressionspotenzial von 32,4 für eine bestimmte Teilnehmergruppe zu nennen, während ein mittleres Geschlechtsmaß von 1,6 für dieselbe Gruppe wenig sinnvoll ist! Um die Mittelwerte wird es in Kapitel 4 gehen.

Variablen sind diskret, wenn sie Kategorien abbilden (zum Beispiel männlich und weiblich). Man nennt sie stetig, wenn die Werte überall innerhalb eines vorgegebenen Wertebereichs liegen können. Beispielsweise können Depressionspotenziale jeden Zahlenwert zwischen 0 und 63 annehmen, wenn sie anhand des Beck‐Depressions‐Inventars gemessen werden. Außerdem unterscheiden sich Variablen in ihren Messeigenschaften. Es gibt vier Messniveaus:

Darüber hinaus sollten Sie die Variablen in Ihren Daten als unabhängig oder abhängig klassifizieren. Diese Klassifizierung hängt von der aktuellen Fragestellung ab. Wenn Sie beispielsweise den Unterschied in Depressionspotenzialen zwischen Männern und Frauen untersuchen, ist die unabhängige Variable das Geschlecht, das heißt die Variable, für die Sie eine Änderung prognostizieren möchten. Das Depressionspotenzial ist hingegen die abhängige Variable, das heißt die Ergebnisvariable, deren Ergebnisse von der unabhängigen Variablen abhängen.

Was ist SPSS?

Die Abkürzung SPSS® steht für Statistical Package for the Social Sciences (deutsch: Statistikpaket für die Sozialwissenschaften). Es ist ein Computerprogramm von IBM®, mit dem Sie Daten speichern, aufbereiten und analysieren können. SPSS ist das gebräuchlichste Statistikpaket in der Sozialwissenschaft, aber natürlich gibt es auch noch andere, vergleichbare Programme für speziellere Analysen. Dieses Buch geht davon aus, dass Sie Ihre Daten mit SPSS analysieren.

In SPSS gibt es drei Hauptansichten oder Fenster. Die erste ist die »Variablenansicht«. Hier ordnen Sie den Variablen, mit denen Sie arbeiten möchten, Label oder Etiketten zu und codieren sie. Beispielsweise könnten Sie die beiden Variablen »Geschlecht« und »Depression« anlegen. Die »Datenansicht« ist wie ein großes Datenblatt, in das Sie alle Ihre Daten eingeben. Das Normalformat für die Dateneingabe verwendet für jede Variable eine Spalte (zum Beispiel Geschlecht oder Depression). Jede Zeile stellt eine Person oder einen Teilnehmer dar. Wenn Sie also Informationen über das Geschlecht und das Depressionspotenzial von 10 Teilnehmern sammeln und eingeben, hätten Sie 2 Spalten und 10 Zeilen in Ihrer SPSS‐Datenansicht. SPSS gestattet die Eingabe von numerischen Daten, nicht numerischen Informationen, wie beispielsweise Namen, und die Zuordnung von Codes (zum Beispiel 1 für männlich und 2 für weiblich).

Mit SPSS können Sie die verschiedensten Datenanalysen durchführen. Hierbei helfen Ihnen Dropdown‐Menüs. Es gibt Hunderte verschiedener Analysen und Optionen, aus denen Sie auswählen können. In diesem Buch erklären wir nur diejenigen statistischen Verfahren, die Sie für Ihre Vorlesung brauchen. Wenn Sie eine Analyse ausgewählt haben, werden Ihre Ergebnisse in einem separaten »Ausgabefenster« angezeigt. Sie können dann alle relevanten Informationen ablesen und interpretieren.

SPSS wurde 1968 veröffentlicht. Es gibt zahlreiche Versionen und Upgrades. Zum Zeitpunkt der Drucklegung dieses Kapitels war die neueste Version SPSS 24.0, die im März 2016 veröffentlicht wurde. Zwischen 2009 und 2010 wurde SPSS kurzzeitig als »Predictive Analytics SoftWare« bezeichnet und war auf Ihrem Computer unter dem Namen PASW zu finden. 2010 wurde es von IBM gekauft und ist seither unter dem einheitlichen Namen IBM SPSS Statistics bekannt. (Und nein, wir wissen auch nicht, warum hinten noch einmal ein »Statistics« steht!).

Deskriptive Statistik

Wenn Sie Daten sammeln, müssen Sie Ihre Erkenntnisse anderen Menschen mitteilen (zum Beispiel Ihrem Professor oder Ihrem Chef). Angenommen, Sie sammeln Daten von 100 Menschen hinsichtlich ihres Grades an Coulrophobie (das ist die Angst vor Clowns). Wenn Sie einfach eine Liste mit 100 Werten in SPSS erstellen, dann ist das nicht besonders aussagekräftig. Stattdessen brauchen Sie eine Möglichkeit, Ihren Datensatz knapp und präzise zu beschreiben. Im Normalfall zeigen Sie dafür zweierlei Informationen an – Lagemaße und Streuung.

Lagemaße

Es gibt verschiedene Arten von Lagemaßen. Alle versuchen, eine Zahl zu erzeugen, die Ihre Variable genauer erklärt. Das gebräuchlichste Maß ist der Mittelwert. Korrekt heißt dieses Maß arithmetisches Mittel. Vermutlich sind Sie schon mit diesem Maß vertraut. Um den Mittelwert zu erhalten, addieren Sie einfach alle Werte für eine Variable und dividieren anschließend durch die Anzahl der betrachteten Teilnehmer oder Fälle.

Eine der Stärken des Mittelwerts als Lagemaß ist, dass er alle Ihre Daten repräsentiert. Das ist jedoch auch gleichzeitig eine Schwäche, weil er von Extremwerten beeinflusst wird. Er stellt Ihre Daten also nicht immer auf repräsentative Weise dar. Der Median oder Zentralwert als Mittelwert sortierter Werte ist gut geeignet, wenn Ihre Variable auf dem Ordinalniveau der Messung bewertet wird. Der Modalwert ist der am häufigsten auftretende Wert in einem Datensatz. Er eignet sich als Lagemaß, wenn Ihre Variable auf Nominalniveau bewertet wird. Lagemaße werden in Kapitel 4 genauer beschrieben.

Streuung

Maße für die Streuung sind Zahlen, die die Standardabweichung oder Variabilität Ihrer Variablen zeigen. Je größer der Streuungswert für eine Variable, desto größer ihre Variabilität, zum Beispiel wie stark die Noten von Statistikstudenten variieren. Ein kleiner Streuungswert deutet darauf hin,...