Sie sollten sich Mehrfachkorrespondenzanalyse ansehen. Dies ist eine Technik, um Muster und Strukturen in kategorialen Daten aufzudecken. Dies ist ein Beispiel für das, was manche Leute " Französische Datenanalyse" nennen.

In SPSS können Sie den Befehl CORRESPONDENCE verwenden. Wenn Sie das Menü bevorzugen, ist es über "Analysieren -> Datenreduktion -> Korrespondenzanalyse" verfügbar.

Beginnen Sie jedoch vorher mit Kreuztabellen zwischen den Variablen. In SPSS heißt der Befehl CROSSTABS oder klicken Sie auf "Analysieren -> Beschreibende Statistik -> Kreuztabellen"

Möglicherweise möchten Sie den Befehl AUTORECODE ( > Automatic Recode transformieren ) anzeigen, wenn Sie viele Zeichenfolgendaten lesen, die in numerische Daten konvertiert werden müssen.

Parametrische und nichtparametrische Korrelationen sind im Menü > Correlate für einen ersten Blick verfügbar. Es gibt Werkzeuge als Erweiterungen für die Farbcodierung signifikanter und / oder großer Korrelationen. Es gibt auch ein vom Benutzer veröffentlichtes Tool zum Generieren einer grafischen Darstellung einer Korrelationstabelle, das Sie im Grafikforum auf der SPSS Community-Website finden.

Versuchen Sie kategoriale Regression (optimale Skalierung).

Nominale Variablen haben keine Skalierung. Wie weit ist "geschieden" von "verheiratet"? Dies ist nur dann sinnvoll, wenn Sie über ein anderes Maß verfügen, mit dem Sie die nominalen Variablenebenen in Reihenfolge und Abstand voneinander bringen können.

Ordnungsvariablen haben auch keine Skalierung. Wie weit ist "fair" von "gut"? Es gibt Ordnung, aber keine Distanz in einer Ordnungsrangfolge. Sie können sie in Bezug auf eine andere abhängige Variable auf eine Skala setzen.

Es gibt also keine Korrelation mit Ordnungsvariablen oder Nominalvariablen, da die Korrelation ein Maß für die Assoziation zwischen Skalenvariablen ist.

Das optimale Skalierungsverfahren erstellt jedoch eine Skalierung für nominale Variablen (und Ordnungszahlen), basierend auf der Zuordnung der Variablenebenen zu einer abhängigen Variablen. Diese Syntax erzeugt eine Korrelationsmatrix zwischen einer skalenabhängigen Variablen und nominalen unabhängigen Variablen.

  GET FILE = 'C: \ Programme \ IBM \ SPSS \ Statistics \ 22 \ Samples \ English \ car_sales.sav'.DATASET NAME DataSet1 WINDOW = FRONT.DATASET ACTIVATE DataSet1.CATREG VARIABLES = Verkauf Hersteller Modelltyp / ANALYSE = Verkauf (LEVEL = SPORD, DEGREE = 2, INKNOT = 2) MIT Hersteller (LEVEL = NOMI) Modell (LEVEL = NOMI) Typ (LEVEL = NOMI) / DISKRETISIERUNG = Verkauf (RANGLISTE) Hersteller ( RANKING) Modell (RANKING) Typ (RANKING) / PRINT = CORR QUANT (Hersteller Modell Typ) / PLOT = TRANS (Hersteller Modell Typ) (20).  

Beachten Sie, dass ich auch die Quantifizierungen und Diagramme für die transformierten Variablen. Sie können die Korrelationskoeffizienten nur verstehen, wenn Sie auch die neuen Skalen verstehen, die für die nominalen (oder ordinalen) Variablen erstellt wurden.

CATREG ist eine sehr leistungsstarke und umfangreiche Funktion von SPSS. Siehe auch:

• Fallstudie
• Doktorarbeit des Erstellers der SPSS-Implementierung

Eine weitere Option zum Ermitteln der Beziehung zwischen ordinalen und nominalen Variablen ist die Verwendung von Entscheidungsbäumen . Sie erhalten keinen Korrelationskoeffizienten, aber der Algorithmus gruppiert nominelle Variablen und teilt ordinale Variablen basierend auf der Zuordnung zu einer anderen Variablen.

Mit der CRT-Methode und der Auswahl der Variablenbedeutung (Ausgabe> Statistik) können Sie eine Rangfolge der Zuordnung jeder unabhängigen (Prädiktor-) Variablen zur abhängigen (Ziel-) Variablen erstellen. Die Wichtigkeit ist ein Maß für die Assoziation wie die Korrelation.

Wenn Sie nur an einer Faktorstufe interessiert sind (z. B. [Familienstand] = 'Verheiratet'), verwenden Sie eine Dummy-Codierung für eine neue Variable, sodass Verheiratet = 1, wenn Ehe status = 'Married' else 0. Mit der Dummy-Variablen erstellen Sie zwei Gruppen: Married und alles andere. Sie können die Dummy-Variable als Skalierungsvariable verwenden, da sich die von Ihnen erstellten Gruppen auf einer Skala befinden, die eine Einheit voneinander entfernt ist.

1. Verwenden Sie Transform > Automatic Recode , um zwei numerische Variablen zu erstellen, die die Informationen Ihrer beiden Zeichenfolgenvariablen enthalten.
2. Führen Sie eine Häufigkeitstabelle der neuen Variablen und aus Stellen Sie sicher, dass die Zeichenfolgenattribute korrekt sind. Z.B. Überprüfen Sie, ob Rechtschreibfehler (Pendeln gegen Kommunen), Verwirrung im Plural / Singular (Autos gegen Auto) und grammatikalische Unterschiede (Fahren gegen Fahren) vorliegen. Räumen Sie sie auf, indem Sie sie aggregieren, oder jede dieser Varianten wird als einzige Ebene behandelt.
3. Likerts Skala mit 5 Ebenen kann sicher als Ordnungsvariable behandelt werden, und die beiden anderen Variablen werden aus den Zeichenfolgenvariablen generiert sind wahrscheinlich nominelle Variablen. Um die Zuordnung von
   • Ordinal zu Ordinal zu testen, können Sie den Spearman-Korrelationskoeffizienten berücksichtigen. ( > Bivariate analysieren ) Sie müssen das Kontrollkästchen "Spearman" aktivieren, um die Statistik zu erhalten.
   • Nominal vs. nominal, wahrscheinlich ein Chi-Quadrat-Test. ( > analysieren Beschreibende Statistik > Kreuztabelle Geben Sie die Variablen in Zeile und Spalte ein, klicken Sie dann auf Statistik und überprüfen Sie Chi-Quadrat .) li>
   • Nominal vs. ordinal, Sie können Kruskal-Wallis in Betracht ziehen. ( > analysieren Nicht parametrisches > Legacy-Dialogfeld > K-unabhängige Stichproben . Fügen Sie die Likert-Variablen in die Testvariablenliste ein und fügen Sie die nominale Variable in die Gruppierungsvariable ein Code>).
   /
4. ol>

   Nun möchte ich diese Variablen zwischen ihnen korrelieren, um ein aussagekräftiges Muster zu finden. Wie mache ich das in SPSS?

   Seien Sie vorsichtig mit der Absicht, ein aussagekräftiges Muster zu finden . Wenn Sie nur den Test ausführen und einen Grund für etwas finden, das sinnvoll erscheint, werden Sie nur von den Statistiken gespielt. Stattdessen würde ich Ihnen vorschlagen, einige Fragen zu verfassen und einige Hypothesen zu erstellen, wie sie korrelieren / verknüpfen sollten, bevor Sie die Daten überhaupt berühren. Wenn Sie nur versuchen, eine mögliche Beziehung zu untersuchen, behandeln Sie sie streng als hypothesengenerierende Aktivität und testen Sie die Assoziation statistisch anhand einiger anderer Daten.

   Außerdem möchte ich die Werte von testen Einige Variablen für die gesamte Anzahl der Einträge.

   Entschuldigung, ich verstehe nicht, was dies bedeutet.

Eine Korrelation von nominalen (z. B. Ja oder Nein des Kunden) und ordinalen (z. B. 5-Punkte-Likert-Skala bei Zufriedenheit) Variablen kann unter Verwendung einer Chi-Quadrat-Analyse erhalten werden.Die 2 x (5?) - Tabelle (die ein Forscher möglicherweise durch Bucketing-Kategorien auf eine 2 x 2-Tabelle reduzieren möchte) prüft anhand einer Hypothese, ob eine signifikante Beziehung besteht (Chi-Quadrat-Teststatistik), während mindestens SPSS auch ein Maß für liefertdie Stärke der Beziehung über die Phi-Koeffizienten (oder Cramers-Koeffizienten).Beachten Sie, dass diese richtungslos sind, da nominelle Variablen keine Richtung haben.