SPSS WS 21 / 22

Diese Veranstaltung richtet sich an die Studierenden des Masterstudiengangs SIGB.

SPSS ist ein in Deutschland weit verbreitetes Standardprogramm für Statistik. Die Veranstaltung führt ein in die wichtigsten Programmfunktionen. Dabei kommen u.a. Datensätze aus studentischen Forschungsprojekten zum Einsatz. Die Veranstaltungen wird in zwei Lerngruppen geteilt (Lerngruppe A und Lerngruppe B). Der erste Teil der SPSS Veranstaltung wird im wöchentlichen Wechsel mit der Statistik-Lehrveranstaltung von Herrn Zwingmann angeboten.

Dieses Seminar nutzt intensiv die Tabellen der Forschungsmethoden-Materialsammlung (auf dieser Homepage).

  1. Sitzung

In der ersten Sitzung führe ich in das Programm SPSS ein und erkläre, wie man Daten eingibt. Das Tutorial stammt aus dem Jahr 2020. Es verwendet eine Broschüre des Landes NRW, für die es inzwischen eine neue Fassung gibt. Wenn Sie die gleichen Befunde erhalten wollen wie ich, sollten Sie aber die alte Fassung verwenden.

Wissenswertes zum Programm SPSS und Vorgehen bei der Vorbereitung von Studien

Dateneingabe mit Spss bzw. pspp

Zweite Sitzung: Erste Schritte im Menü Transformieren

Ein Statistikprogramm zu bedienen, bedeutet ziemlich häufig nicht nur Berechnungen durchführen. Sondern häufig müssen auch Daten aufbereitet werden. Die Übung der letzten Sitzung zielt ja langfristig auf die Frage, ob in NRW ein Zusammenhang zwischen kommunalen Förderschulzahlen und Migrationsanteilen belegt werden kann. Der Hintergrund: Wäre doch möglich, dass da einige Kolleg*innen Bilingualität und Lernbehinderung verwechseln. Und weil Schüler*innen aus der Förderschule Lernen häufig auch aus von Armut betroffenen Familien kommen und Familien mit Migrationsgeschichte in Deutschland eher häufig arme Familien sind, ist eigentlich auch aus diesem Grund ein Zusammenhang zu erwarten.

Leider sind die vom Bildungsministerium bereit gestellten Zahlen nicht so, wie für die Berechnungen benötigt. Man kann zwar nachlesen, in welchem Verhältnis Gemeinsamer Unterricht und Förderschule stehen. Aber herausfinden, wie viele Prozent der Schüler*innen mit nicht deutscher Staatsbürgerschaft einer Stadt die Förderschule besuchen, dazu muss man wissen, wie Prozentrechnung funktioniert. Allzu einfach wollen die es uns also nicht machen.

Dritte Sitzung: Statistische Kennwerte errechnen lassen

Das erste, was man normalerweise mit einem Datensatz macht, ist rechnen. Wie geht man vor? Mittelwerte und Standardabweichung sorgen normalerweise zuverlässig für einen Überblick. Dabei kann man eigentlich nicht viel falsch machen. Es macht z. B. keinen Sinn den Mittelwert für Ja/Nein-Daten zu berechnen (Nominalniveau). Das Arithmetische Mittel bei Schätzdaten (Ordinalniveau) zu berechnen, ist zwar nicht ganz lehrbuchgemäß. Aber wie Sie vielleicht noch aus Ihrer Schulzeit wissen, enthalten Notenspiegel bei Klausuren durchaus relevante Informationen. Was dann in Ihren Forschungsbericht kann, hängt ein wenig davon ab, wer das lesen soll. In Statistikklausuren würde ich das nicht in jedem Fall empfehlen. Bei Hausarbeiten hängt das von der Prüfer*in ab. Und soll das alles veröffentlicht werden, sollten Sie vielleicht überlegen, ob Ihre Leser*innen etwas mit den eigentlich gebotenen Alternativen umgehen können (Median).

Mittelwerte usw. berechnen.

Vierte Sitzung: Korrelationen (Teil 1)

Korrelationen berechnet man ziemlich häufig. Kann man machen, sobald mindestens Ordinalniveau vorliegt (also z. B. bei Schätzskalen). In diesem Fall darf allerdings kein Mittelwerts-basierter Korrelationskoeffizient verwendet werden. Und pspp bietet leider nur Mittelwerts-basierte Korrelationskoeffzienten. Die Interpretation von Korrelationen ist tückisch. Es gibt einige Fehlentwicklungen der wissenschaftlichen Diskussion, die auf einer Verwechslung von korrelativen und kausalen Zusammenhängen beruhen oder verkennen, dass die meisten Zusammenhänge in den Sozialwissenschaften ein multikausales Geschehen sind. Beispiel hierfür ist die kompensatorische Pädagogik, die die Bedeutung der sozialen Herkunft aus der Unterschicht für die Schullaufbahn von Kindern falsch einschätzte und auch zu ungeeigneten Methoden griff (Kompensation der „Sozialisationsdefizite“).

Ich schlage deshalb vor, dass Sie sich nicht nur das Tutorial anschauen, sondern auch den podcast anhören – obwohl Korrelationen auch Gegenstand bei Herrn Zwingmann sein werden. Ein bisschen Redundanz hat in der Lehre noch nie geschadet.



Korrelationskoeffizienten berechnen


Fünfte Sitzung

Auch in der fünften Sitzung geht es noch einmal um Korrelationen. Sie sollen die Korrelationsanalyse anwenden lernen. Hier stelle ich eine (vereinfachte) Datei zur Verfügung, die Ausgangspunkt eines in der Zeitschrift für Heilpädagogik 2006 veröffentlichten Beitrags war (Mand 2006: Integration für die Kinder der Mittelschicht, Sonderschulen für die Kinder der Migranten und Arbeitslosen). Studierende, die auf meinem Mailverteiler sind, erhalten die SPSS-Datei zugesandt. Sollten Sie diese nicht erhalten haben, melden Sie sich bitte bei mir.

Korrelationen 2

Bitte beachten Sie unbedingt auch meinen Podcast zum Thema Korrelationskoeffizienten interpretieren. Die Befunde können wirklich auf unterschiedliche Art und Weise interpretiert werden.

Korrelationskoeffizienten interpretieren

Sechste Sitzung

In der sechsten Sitzung geht es um die Berechnung von Cohen´s d. Bei der Effektstärke (Effektgröße) handelt es sich um einen wirklich interessanten Kennwert. Berechnen kann man ihn, sobald Arithmetisches Mittel und Standardabweichungen mit geteilt werden. Und diese Kennwerte findet man in fast allen empirischen Studien. Entsprechend spielt Cohen´s d in Meta-Analysen eine wichtige Rolle.

Ebenso eignet sich Cohen´s d für die Methodenforschung. Wer mit Versuchs- und Kontrollgruppe arbeitet, kann so feststellen, ob sich die Versuchsgruppe im Umfang eines geringen, moderaten oder gar starken Effekts von der Kontrollgruppe unterscheidet. In dem heute veröffentlichtem Tutorial stelle ich eine von mir an Förderschulen eines privaten Schulträgers durchgeführte Evaluationsstudie vor: Kleine Stichprobe, sicher nicht repräsentativ. Es geht um den Vergleich von zwei Leseförderungsmethoden. Die eine setzt an der visuellen Theorie der Legasthenie an (Celeco). Die andere arbeitet vor allem an der phonologischen Bewusstheit (Kieler Leseaufbau).

Sie benötigen die Datei LesefoerderungOhneTransformationen.sav. Diese sende ich Ihnen im Verlauf des 1. Novembers per Mail. Sollten Sie diese Mail bis zum Ende des Tages nicht erhalten haben, wenden Sie sich bitte an mich.

Bitte hören Sie sich auch unbedingt den Podcast zum Thema Cohen´s d an. Es gibt unterschiedliche Formeln, einfache und etwas kompliziertere. Weil ich das an einem Beispiel vorrechne, habe ich mich für die einfache Formel entschieden. Ich berechne das nach meiner Kenntnis also ein wenig anders, als Sie das bei Herrn Zwingmann gelernt haben.

Cohen´s d berechnen

Nettuno7:

  1. Wie groß ist Cohen’s d für die Richtigen Wörter? a. Rechenweg:Cohen’s d beträgt -0,12. Der Zusammenhang ist somit negativ, allerdings so klein,dass er kaum relevant ist.
  2. Wie groß ist Cohen’s d für die Falschen Wörter?a. Rechenweg:Cohen’s d beträgt -0,92. Es liegt somit eine starke Effektgröße vor. Die Versuchsgruppe liegt mit ihrem Mittelwert der falschen Wörter niedriger als die Kontrollgruppe. Die Intervention scheint also eine Wirkung erzielt zu haben.

Siebte Sitzung

Wer quantitative Studien auswertet muss ziemlich häufig den ursprünglichen Datensatz ändern. Da will man z. B. die Werte einer Likertskala anders codieren. Oder es wird notwendig, eine neue Variable zu erstellen, die sich aus vielen anderen Variablen zusammensetzt (also einen Index bilden). In dem hier gezeigten Beispiel geht es um die Dichotomisierung einer Variable. Ziel der Bemühungen des Tutorials ist es, eine Vierfeldertafel zu erstellen. Als Datensatz dient noch einmal die Datei Lesefoerdung.sav, die Ihnen ja bereits vorliegen müsste.

Über Kreuztabellen

Achte Sitzung

In der achten Sitzung geht es noch einmal um Kreuztabellen. Kreuztabellen haben viele Vorzüge. Sie stellen nur minimale Voraussetzungen an das Skalenniveau. Kreuztabellen sind leicht zu erklären und auch für statistische Laien verständlich. Etwas komplizierter wird das, wenn Signifikanztests wie die Chi-Quadrat-Methode zum Einsatz kommen. Und manchmal muss man die Daten aufbereiten, damit wirklich Vier-Felder-Tafel entstehen.

Kreuztabellen

Neunte Sitzung

Die nächsten drei Sitzungen befassen sich mit der Auswertung von Soziogrammen. Soziogramme sind ein Instrument, um die sozialen Beziehungen in Gruppen zu untersuchen. Deshalb sind Soziogramme interessant für die vergleichende Inklusionsforschung. Ich habe Soziogramme in mehreren Studien eingesetzt. In den Tutorials geht es um eine 2007 im European Journal of Special Education veröffentlichte Studie (Mand2007ESJEkurz.sav), die die soziale Inklusion von Schüler*innen mit Verhaltensproblemen in Förderschulen Lernen und Klassen mit Gemeinsamen Unterricht vergleicht. Sie erhalten diese Datei per E-Mail, so Sie an meinem Seminar teilnehmen. Bitte informieren Sie mich, wenn Sie diese Datei nicht erhalten haben.

Veränderungen im Beliebtheitstatus werden gerne von Inklusionsgegner*innen verwendet, wenn sie auf angebliche Vorteile von Förderschulen verweisen. Nach dem Wechsel in die Förderschule verlieren nämlich Schüler*innen mit sonderpädagogischem Förderbedarf häufig ihren Außenseiterstatus. Dabei übersehen die Kolleg*innen aber gerne, dass man Förderschulklassen als Klassen verstehen kann, die ausschließlich aus einstigen Außenseiter*innen bestehen. Dass in dieser neuen Gruppe alle weiterhin ihren Außenseiterstatus behalten, ist kaum möglich. Ich untersuche deshalb nicht, welche Veränderungen im Beliebtheitstatus ein Wechsel in die Förderschule mit sich bringt. Sondern ich untersuche, wie das System Förderschule Lernen und inklusive Grundschulklassen mit einer Minderheit umgehen: den Schüler*innen mit Verhaltensproblemen.

Die Erhebung ist denkbar einfach: Die Schüler*innen waren gebeten, drei Schüler*innen auf einem Zettel notieren, die sie besonders gern mögen, sowie drei Schüler*innen, die sie am wenigsten nett finden. Die Studie wurde in einem internationalen Forschungsverbund durchgeführt und verwendet das gleiche Vorgehen wie vorangehende niederländische Studien. Die Auswertung ist allerdings nicht ganz einfach. Zwar kann man für jede/n Schüler*in festhalten, ob er oder sie zu den als nett oder weniger nett eingestuft wird. Aber die Klassen enthalten ja unterschiedliche Schülerzahlen. Also müssen die Rohdaten etwas transformiert werden, bevor man rechnen kann.

Zehnte Sitzung

Auch die zehnte Sitzung befasst sich noch einmal mit der Auswertung von Soziogrammen. Die notwendigen Transformationen sind erheblich. Um die Schüler*innen gemäß der Vorgaben dres internationalen Forschungsbefund zu transformieren, müssen in einem mehrschnittigen Verfahren Variablen erstellt werden, die mehrere Bedingungen erfüllen: Die Kategorie „abgelehnt“ umfasst z. B. als Bedingungen, dass die jeweiligen Schüler*innen von mehr Mitschüler*innen als „nicht nett“ eingestuft werden als als „nett“, und zumindest von eine/rm Mitschüler*in als „nicht nett“ eingestuft werden.

Die Lösung des Problems ist in pspp komplizierter als SPSS. Man muss eine erste Variable bilden, in der die erste Bedingung erfüllt ist (1 für ja, Bedingung ist erfüllt), dann eine zweite (1 für ja Bedingungen ist erfüllt) und dann die beiden Variablen addieren (2 für beide Bedingungen sind erfüllt) und ggf. noch einmal umcodieren.

Das 10. Tutorial hat leider eine kleine Lücke. Es geht ja um die Auswertung eines Soziogramms, um festzustellen, ob Kinder mit Verhaltensproblemen in Förderschule oder Inklusion gleichermaßen unbeliebt sind. Beliebt sind Kinder dann, wenn sie von mindestens einer/m Schüler*in als nett bezeichnet wurden (beliebt1) und von keiner/m Schüler*in als nicht nett (beliebt 2). Wie man beliebt 1 errechnet habe ich gezeigt. Wie man beliebt2 berechnet, fehlt dagegen. Bitte gehen Sie hier analog vor (beliebt2: nichtnettProSchuelerzahl – Bereich bis kleinster Wert 0 Neuer Wert 1, Else )

Elfte Sitzung

Auch die elfte Sitzung befasst sich noch einmal mit der Auswertung von Soziogrammen. Nun sind die Vorarbeiten weitgehend abgeschlossen und es gilt, herauszufinden, was der eigentliche Anlass der Studie war. Die Studie setzt ja an der angeblichen Schonraumfunktion von Förderschulen an. Und diese These wird durch die Studie von Ahrbeck et al (2021) noch einmal bekräftigt. Ahrbeck konnte in einer nicht repräsentativen Studie, die hauptsächlich in den Berliner Plattenbaustadteilen Marzahn/Hellersdorf und in den mindestens gutbürgerlichen Westberliner Stadtteilen Steglitz/Zehlendorf durchgeführt wurde Hinweise auf nicht allzu beeindruckende Beliebtheitswerte von schwachen und auffälligen Kindern und Jugendlichen ermitteln (ausführlicher in der sechsten Sitzung des Evaluationsseminars). Allerdings fehlten in der Ahrbeck-Studie Vergleichsdaten aus den Förderschulen. Und zum Einsatz kommen Fragebogen. Die hier vorliegende Studie geht anders vor. Sie vergleicht die Beliebtheitswerte von Schüler*innen mit Verhaltensproblemen in Grundschulen und Förderschulen (Lernen). Und sie verwendet ein Soziogramm. Wenn man von einer Schonraumfunktion von Förderschulen ausgeht, muss man eigentlich erwarten, dass Förderschüler freundlicher mit Kindern umgehen, die Verhaltensprobleme haben. Die nun vorliegenden Daten können also die Frage beantworten: Werden Schüler*innen mit Verhaltensproblemen in Förderschulen gleichermaßen abgelehnt wie in der Inklusion? Und damit sind belastbare Aussagen zur angeblichen Schonraumfunktion von Förderschulen möglich.

Zwölfte Sitzung

In den nun folgenden Sitzungen geht es darum, das Gelernte selbständig und sicher anzuwenden. Da wir gerade bei diesem Thema waren, starte ich mit einer weiteren Übung mit dem Schwerpunkt Soziogramm. Zu den Begleituntersuchungen des Familienklassenprojekts, von dem ja auch in des 11. Sitzung des Evaluationsseminars die Rede war gehörte u.a. auch ein Soziogramm. Dies habe ich aus Gründen der Vergleichbarkeit genau so gestaltet wie für die EJSE-Studie des SPSS Seminars. D.h. die Schüler*innen der Klassen mit Familienklassen-Schüler*innen ud der Kontrollgruppenklassen waren gebeten, 3 Schüler*innen auf einem Zettel zu notieren, die sie besonders nett finden, sowie drei Schüler*innen, die sie am wenigsten mögen. Die Lehrer*innen haben freundlicherweise diese Zettel ausgewertet und die Ergebnisse im Klassenfragebogen festgehalten. Das Soziogramm sollte erstens ermitteln, ob es innerhalb eines Zeitraums von drei Monaten zu Veränderungen im Beliebtheitstatus kommt, und wenn, ob Familienklassenschüler*innen unter den Schüler*innen sind, die den Status „abgelehnt“ loswerden.

Übung: Ein Soziogramm aus der Evaluation des Familienklassenprojekts auswerten

Dreizehnte Sitzung

Die in der dreizehnten Sitzung des SPSS Seminars vorgestellte Studie geht der Frage nach, ob Bilingualität dazu führen kann, dass Schüler*innen für ihre erste Sprache typische Rechtschreibfehler machen. Sprachen unterscheiden sich ja u. a. hinsichtlich der Laute und Lautmerkmale (z. B. Länge und Kürze von Vokalen). Und z. T. werden Kinder, die nicht akzentfrei Deutsch sprechen, aufgefordert, so zu schreiben, wie man spricht. Könnte also durchaus sein, dass dies zu besonderen Fehlern führt. Die Studie arbeitet einerseits mit der Ihnen bereits bekannten Hamburger Schreibprobe. Andererseits wird eine zusätzliche Auswertungsstrategie eingeführt: In einem ersten Schritt werden alle Buchstaben des Diktats in Laute umgewandelt (Lautschrift). Und in einem zweiten Schritt wird geprüft, bei welchen Lauten bzw. Lautmerkmalen Fehler entstehen.

Literacyentwicklung in Brennpunktschulen

Vierzehnte Sitzung

In der 14. Sitzung biete ich eine Probeklausur an. Es handelt sich dabei um Klausurfragen, die ich tatsächlich einmal so verwendet habe (aber nicht mehr verwenden werde).

Ich vermute, dass Sie in der echten Klausur vor allem Zeitprobleme haben werden. Da ist es hilfreich abzuschätzen, wie viel Zeit Sie so benötigen.

Wie die Klausur ausgewertet wird, erfahren Sie in der 15. Sitzung

Fünfzehnte Sitzung

Ergebnisse der Probeklausur

Frage 17.1.

Nullhypothese: Es gibt keine Gendereffekte bei der Wahrnehmung von Verhaltensstörungen.

Alternativhypothese: Es gibt Gendereffekte bei der Wahrnehmung von Verhaltensstörungen.

Frage 17.2. Die Nullhypothese kann verworfen werden

Frage 17.3 p beträgt 0,004

Die Studie ermittelt hochsignifikante Unterschiede zwischen Lehrerinnen und Lehrern hinsichtlich der Wahrnehmung auffälligen Verhaltens. Lehrer glauben häufiger, dass ihre Schüler Verhaltensprobleme haben.

Frage 17.4 Im Menü Transformieren.

Frage 17.5 Zu berechnen ist: 

100/(OhneAbschlMigra + HauptMigra + RealMIgra + Fachabi Migra + AbiMigra) * AbiMigra

und:

100/(OhneAbschNullmigra + HauptNullmigra + RealNullMigra + FachabiNullMigra+ AbiNullMigra) * AbiNullMigra

7 Gedanken zu „SPSS WS 21 / 22“

  1. Bei meiner Eingabe kam ich zu folgenden Ergebnis:
    M= 9,07 und SD= 2,51. Zudem liegt das Minimum bei 4,48 und das Maximum bei 15,18.
    Außerdem habe ich manuell den Range berechnet, der 10,07 beträgt.

    Jedoch weiß ich nicht, wie ich genau die Werte interpretieren soll/kann.

    Antworten
    • OK, vielen Dank. Sie untersuchen ja die Frage, wie viele Schüler*innen in kreisfreien Städten NRWs die Förderschule besuchen. Ein Arithmetisches Mittel von 9,07 bedeutet also, dass dies im Durchschnitt 9 Prozent sind. Die Frage ist nun: Sind neun Prozent Förderschüler viel? Dies können Sie nur in Auseinandersetzung mit anderen Förderschülerquoten entscheiden (andere Bundesländer, andere Staaten). Die Standardabweichung von 2,51 bedeutet (in etwa), dass die Städte im Durchschnitt 2,51 % vom Mittelwert (also 9 %) entfernt sind. Die Unterschiede von Stadt zu Stadt sind also nicht allzu hoch. Minimum und Maximum unterscheiden sich allerdings deutlich. Range ist ja definiert als Abstand zwischen dem größten und kleinsten Messwert. Bei der Interpretation verweise ich auf die Veranstaltungen von Herrn Zwingmann. Ich persönlich finde, das ist kein besonders wichtiges Streuungsmaß. Ist z. B. ziemlich Ausreißer-empfindlich.

      Antworten
      • Vielen Dank für Ihre Antwort. Also kann man folglich die Standardabweichung erst dann besser interpretieren, wenn man Vergleichswerte hat?

        Antworten
        • Die Standardabweichung kann man auch ohne Vergleichswerte interpretieren. Die sagt einfach, wie unterschiedlich die Werte sind, also hier: Wie sehr sich die Förderschulquoten von Stadt zu Stadt unterscheiden. Die Frage, ab welchem Wert Förderschulquoten hoch sind, kann man allerdings am besten beurteilen, wenn man weiß, wie viele Schüler anderswo in die Förderschule müssen. 9 % ist nach meiner Wahrnehmung ein ziemlich hoher Wert.

          Antworten
  2. Zuerst habe ich die prozentualen Werte von SL und SE berechnet, indem ich für SLproz=100/(sz1bis10)*SL und SEproz=100/(sz1bis10)*SE.
    Des Weiteren habe ich den prozentualen Durchschnitt aller Förderschüler:innen errechnet:
    100/n(Schülerzahl aller Schulen 1-10 Klasse) * (Schüler Lerne+Schüler sozial-emotional). Wenn meine Rechnung richtig ist, komme ich zu folgenden Werten:
    Mittelwert= 3,42% und Standardabweichung= 0,71%. Somit sind laut dieser Studie im Durchschnitt 3,42% der Schüler:innen auf einer Schule mit Förderschwerpunkt.
    Jedoch bin ich mir in diesem Fall nicht sicher, ob ich die Formel richtig angewendet habe.
    Daneben habe ich noch den prozentualen Anteil der Arbeitslosen ausrechnen lassen.

    Darüber hinaus habe ich mich gefragt, welche Korrelationen am spannensten sein könnten:
    Zuerst habe ich die Anzahl der Arbeitslose mit Schüleranzahl Lernen miteinander korreliert: r=0,956; das bedeutet, dass ein sehr starker Zusammenhang zwischen einem Haushalt mit arbeitlosen Eltern und dem Förderschwerpunkt Lernen besteht. Im zweiten Schritt habe ich die Anzahl der Arbeitlosen mit Schüleranzahl sozial-emotional korreliert und kam zu einem sehr ähnlichen Ergebnis: r=0,826%.
    Zum Vergleich wollte ich den Zusammenhang zwischen den Prozentwerten ebenfalls herausfinden; kam jedoch zu ganz anderen Werten
    r (SLproz mit Arbproz)=0,437 und r(SEproz mit Arbproz)=0,155. Woran liegt das?

    Neben diesem Zusammenhang habe ich noch die Korrelation r(SL mit auslproz) und r(SE mit auslproz) berechnet. Hier waren die Werte nicht so hoch, sondern lagen eher im moderaten Feld. r(SL mit auslproz)=0,352 und r(SE mit auslproz)=0,202.
    Im Gegensatz zur Datenerhebung in den vergangenen Sitzunge, in denen ein starker Zusammenhang zwischen Foederproz und Auslproz bestand, zeigt sich hier ein anderes Bild. Ein ausländischer Hintergrund bedingt moderat einen Förderschwerpunkt im Bereich Lernen bzw. Sozial-emotional.
    Wenn ich aber nun die Schüler mit Lern-/ bzw. sozial-emotional Förderschwerpunkt in Prozent mit Auslproz miteinander korrelieren lasse, kommen -wie in den Korrelationsberechnungen für Arblos- wieder andere Werte raus:
    r(SLproz mit Auslproz)=0,833 und r(SEproz mit Auslproz)=368.
    SEproz-Auslproz und SE-Auslproz unterscheiden sich nicht stark. SLproz-Auslproz zeigt ihr aber einen sehr starken Zusammenhang.

    Wie kommen in beiden Fällen unterschiedliche Werte heraus?

    Antworten
    • Also zunächst einmal: Die Formel SLproz und SEproz sieht richtig aus.
      Was die Korrelation zwischen Arbeitslosen & Förderschülerzahl anbelangt – kann es sein, dass Sie die absoluten Zahlen korreliert haben und nicht die Prozentwerte? Da kommt nichts vernünftiges bei heraus. Denn in großen Städten sind nun einmal mehr Schüler als in kleinen Städten, in großen Städten sind auch mehr Arbeitslose als in kleinen Städten usw. Die so errechneten Zusammenhänge kann man nicht sinnvoll interpretieren. Die Korrelation von SLproz und Seproz ist da besser. Wenn Sie errechnen, dass Ausländeranteile weniger deutlich mit den Schülerzahlen in den Förderschule Lernen als mit den Schülerzahlen in der Förderschule emsoz korrelieren ergeben sich einige interessante Interpretationsoptionen. Eine davon wäre: Es sind die Kinder der Eltern mit nicht deutscher Staatsbürgerschaft, die in den Förderschulen überepräsentiert sind. Eine andere: Die Auskländerquoten der Städte stehen für irgend ein anderes Merkmal, das hier wichtig wird. Sind wirklich tückisch, diese Korrelationbskoeffizienten.

      Antworten
  3. Nach der Berechnung der relativen Arbeitslosigkeit und des Anteils von Schüler*innen an Förderschulen „Lernen“ konnte ich folgende mittlere bis starke Zusammenhänge feststellen:

    Je höher die Arbeitslosigkeit in einem Kreis/einer kreisfreien Stadt, desto weniger Menschen stimmten bei der Kommunalwahl für die FDP ( r= -0,37 ).

    Je höher die Arbeitslosigkeit in einem Kreis/einer kreisfreien Stadt, desto größer ist der Anteil von Schüler*innen an Förderschulen „Lernen“ (r= 0,44).

    Antworten

Schreibe einen Kommentar