Forschungsmethoden der Psychologie (Fach) / Datenscreening (Lektion)
In dieser Lektion befinden sich 8 Karteikarten
Datenscreening und -aufarbeitung
Diese Lektion wurde von Jewelzy erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
- Warum sollte man Daten immer screenen? oft kommt es zu Eingabe- oder Umkodierungsfehlern der Umgang mit fehlenden Daten ist oft nicht konsistent --> das sollte erkannt und behoben werden wichtig ist ein Überblick über Ausreißer und Verteilungen viele statistische Verfahren haben Vss, die überprüft werden sollten
- Wie können Eingabefehler passieren? Daten werden falsch eingelesen Fehlende Werte sind nicht oder nicht konsistent deklariert Vertippen beim Eingeben Items falsch invertiert Skalen falsch zusammengefasst
- Wie gehe ich vor, wenn ich die Berfürchtung habe, dass Daten falsch eingelesen wurden und/oder fehlende Werte nicht konsistent deklariert wurden? --> schauen, ob alle Daten richtig eingetragen wurden Das sieht man häufig, wenn die Datenmatrix durchgescrollt wird nachgeschaut wird, wie fehlende Werte deklariert sind Deskriptive Analysen betrachtet werden (Mittelwerte, Median, Min, Max, Häufigkeitstabellen) Graphiken angeschaut werden →Vergleichen mit Erwartungen! Kontrolle wenn nicht erwartungskonform!
- Woran erkenne ich, dass Items falsch invertiert sind? Man erkennt das, wenn die Häufigkeitstabellen nicht spiegelbildlich sind
- Woran erkennt man, dass Skalen falsch zusammengefasst wurden? Erkennt man, wenn Neubildung der Skala andere Ergebnisse bringt die aufsummierten und geteilten Mittelwerte der Einzelitems ein anderes Ergebnis bringen --> Skalenbildung kontrollieren Ergebnisse unplausibel erscheinen
- Was sind "Ausreißer"? = Beobachtungen, die nicht in die erwartete Messreihe passen Extreme Werte bei einem Merkmal ungewöhnliche Merkmalskombinationen
- Wie findet man Ausreißer? Betrachtung deskriptive Analysen (Mittelwerte, Min, Max, Häufigkeitstabellen) Graphiken (Boxplot, Histogramme, Scatterplot)
- Was sind Ursachen für Ausreißer und wie kann ich dann mit ihnen umgehen? fehlerhafte Dateneingabe --> Kontrolle und Korrektur falsche/keine Kodierung von fehlenden Werten --> Kontrolle und Korrektur Population mit extremen Werten --> Daten beibehalten, wenn Einfluss eines Datenpunktes zu stark; ggf. Transformueren/Kategorisieren Ausreißer nicht aus gewünschter Population --> Löschen (Achtung, starke Limitation) Weitere Möglichkeiten separate Analyse der Ausreißer Analyse mit und ohne Ausreißer rechnen Kategorisieren Ausreißerunanfällige Verfahren rechen (Rangdaten)