Deskriptive Statistik verstehen

Vorwort 5 1 Deskriptive Statistik: 1.1 Was ist deskriptive Statistik? 19 1.2 Was ist deskriptive Statistik nicht? 25 2 Ein Heimspiel: Grundlagen der deskriptiven Statistik 30 2.1 Fußball erklärt die deskriptive Statistik. Oder umgekehrt.? 31 2.2 Zahlen, Ziffern und Werte: Grundbegriffe 32 2.3 Messniveau einer Variablen: oder: Was hat Messen mit meinen Daten zu tun? 39 2.3.1 Nominalskala 43 2.3.2 Ordinalskala 47 2.3.3 Intervallskala 52 2.3.4 Verhältnisskala 54 2.3.5 Absolutskala 56 2.3.6 Weitere Skalenbegriffe 58 2.4 Konsequenzen des Messniveaus für die praktische Arbeit mit Daten 62 3 Vor dem Anpfiff: Was sollte ich vor dem Beschreiben über die Daten wissen? 66 3.1 Das Spiel beginnt: Wie wurden die Daten erhoben? 68 3.2 Was sind verborgene Strukturen? Ziehung und Auswahlwahrscheinlichkeit: Ein Stadion als eigene Welt 74 3.3 Sind die Daten fit: Darf eine deskriptive Statistik überhaupt erstellt werden? 85 3.4 Auszeit: Was sind Datentabellen? Am Beispiel einer Bundesligatabelle 94 3.5 Was kann ich an meinen Daten beschreiben? Ein big picture 101 4 Das Herz der deskriptiven Statistik: Maßzahlen 110 4.1 Beschreiben von Mengen und Anteilen 115 4.2 Beschreiben des Zentrums: Lagemaße 124 4.3 Beschreiben der Streuung: Streumaße 129 4.4 Beschreiben der Form: Formmaße 133 4.5 Beschreiben von Grenzen und Bereichen 135 4.6 Beschreiben von Treffern: ROC! ROC! 143 4.6.1 Wetten, dass? Maßzahlen 145 4.6.2 ROC'n'Roll: Interpretation von ROC-Kurven 153 4.7 Beschreiben von Zeit 160 4.7.1 Maß: Geometrisches Mittel 162 4.7.2 Funktion: Regressionsfunktion 163 4.7.3 Trends: Zeitreihen und Prognosen 167 4.8 Beschreiben von Prozessen, z.B. Pipelines 177 4.9 SAS und SPSS für die deskriptive Statistik 184 4.9.1 SAS Menüs und Prozeduren: Übersicht 184 4.9.2 SPSS Menüs und Prozeduren: Übersicht 187 5 Für das Auge: Tabellen und Grafiken 190 5.1 Strukturieren von Information, am Beispiel von Tabellen 191 5.1.1 Vor- und Nachteile von Tabellen 192 5.1.2 Ausrichtung und Dimensionalität von Tabellen 194 5.1.3 Ein einfaches Beispiel: 0×klassierte Tabellen 200 5.2 1×klassierte Tabellen: Grundlagen und Vertiefungen 202 5.2.1 Grundlagen: Eine Variable auf Nominalniveau 203 5.2.2 Vertiefung I: Eine Variable auf Ordinalniveau (Ranginformation) 207 5.2.3 Vertiefung II: Kategorialvariablen mit Lücken (Missings) 215 5.2.4 Metrische Variablen: 1×klassiert (Mittelwerttabellen) 219 5.3 Höher klassierte Tabellen und mehr 221 5.3.1 Eine Kreuztabelle: Zwei Kategorialvariablen 221 5.3.2 Ein weiteres Beispiel: Zwei intervallskalierte Variablen 2×klassiert 228 5.4 Grafiken: Kommunikation über das Auge 230 5.4.1 Crashkurs und Dos and Don'ts 231 5.4.2 Datenpunkte: Einzelne Werte (univariat) 240 5.4.3 Aggregierung und Gruppierung einer Variablen 246 5.4.4 Messwertpaare: Streudiagramme und mehr 256 5.4.5 Ein Ausblick: Weitere Varianten 261 6 Dream-Team: Datenqualität und Deskriptive Statistik 265 6.1 Vollständigkeit 267 6.2 Einheitlichkeit 269 6.3 Doppelte (Doubletten) 271 6.4 Fehlende Werte (Missings) 273 6.5 Ausreißer 276 6.6 Plausibilität 280 6.7 Trainingseinheiten 284 7 Jonglieren mit Zahlen als Gewicht und Text 286 7.1 Deskriptive Statistik mit Gewichten 286 7.1.1 Deskriptive Maße mit Gewicht 288 7.1.2 Hintergrund: Was sind eigentlich Gewichte? 292 7.1.3 Die Macht von Gewichten: Ihre Folgen 305 7.2 Wie schreibe ich eine deskriptive Statistik? Zahlen im Text 312 7.2.1 Allgemein gebräuchliche Zahlen 313 7.2.2 Präzise Zahlen und Messungen 316 7.2.3 Symbole und Statistiken 317 8 Werkzeuge: Einführung in EG und SPSS 322 8.1 SAS Enterprise Guide 323 8.1.1 Start des Enterprise Guide 324 8.1.2 Der Arbeitsbereich: Fenster in das Datenmeer 327 8.1.3 Die Datentabelle 328 8.1.4 Attribute und ihre Funktionen 333 8.2 IBM SPSS Statistics 355 8.2.1 Start von SPSS 355 8.2.2 Fenster "Datenansicht" 356 8.2.3 Fenster "Variablenansicht" 359