Erstellen und Interpretieren von Box-Plots in SPSS

Von Fabian
Kategorie: SPSS
Lesezeit: 3 Minuten

Ein Box-Plot wird verwendet, um die fünfstellige Zusammenfassung eines Datensatzes zu visualisieren. Dazu gehören:

  • Das Minimum
  • Das erste Quartil
  • Der Median
  • Das dritte Quartil
  • Das Maximum

In diesem Tutorial wird erläutert, wie Sie Box-Plots in SPSS erstellen und ändern.

So erstellen Sie einen einzelnen Box-Plot in SPSS

Angenommen, wir haben den folgenden Datensatz, der die durchschnittlichen Punkte anzeigt, die 16 Basketballspieler in einem bestimmten Team pro Spiel erzielt haben:

Box-Plot in SPSS erstellen

Um ein Box-Diagramm zur Visualisierung der Verteilung dieser Datenwerte zu erstellen, klicken Sie auf die Registerkarte Analysieren, dann auf Beschreibende Statistik und dann auf Durchsuchen:

Box-Plot in SPSS erstellen 2

Daraufhin wird das folgende Fenster geöffnet:

Box-Plot in SPSS erstellen 3

Um ein Box-Diagramm zu erstellen, ziehen Sie die variablen Punkte in das Feld mit der Bezeichnung Abhängige Liste. Stellen Sie dann sicher, dass unter der Option Anzeige am unteren Rand des Felds die Option Diagramme ausgewählt ist.

Box-Plot in SPSS erstellen 4

Sobald Sie auf OK klicken, wird das folgende Boxplot angezeigt:

Box-Plot in SPSS erstellen 5

So interpretieren Sie dieses Box-Diagramm:

Interpretieren eines Boxplots in SPSS

Ein Hinweis zu Ausreißern

Der Interquartilsabstand ((engl. Interquartile Range = IQR)) ist der Abstand zwischen dem dritten und dem ersten Quartil. SPSS betrachtet jeden Datenwert als Ausreißer, wenn er das 1,5-fache des (engl. Interquartile Range = IQR) größer als das dritte Quartil oder das 1,5-fache des (engl. Interquartile Range = IQR) kleiner als das erste Quartil ist.

Ausreißer werden in SPSS als winzige Kreise angezeigt. Im vorherigen Beispiel gab es keine Ausreißer, weshalb im Boxplot keine winzigen Kreise angezeigt wurden. Wenn unser größter Wert im Datensatz jedoch tatsächlich 50 wäre, würde das Box-Diagramm einen winzigen Kreis anzeigen, um den Ausreißer anzuzeigen:

Box-Plot-Ausreißer in SPSS

Wenn in Ihrem Datensatz ein Ausreißer vorhanden ist, haben Sie einige Möglichkeiten:

  • Stellen Sie sicher, dass der Ausreißer kein Dateneingabefehler ist. Manchmal werden Datenwerte einfach falsch aufgezeichnet. Wenn ein Ausreißer vorhanden ist, überprüfen Sie zunächst, ob der Wert korrekt eingegeben wurde und ob es sich nicht um einen Fehler handelt.
  • Weisen Sie dem Ausreißer einen neuen Wert zu. Wenn sich herausstellt, dass der Ausreißer auf einen Dateneingabefehler zurückzuführen ist, können Sie ihm einen neuen Wert zuweisen, z. B. den Mittelwert oder den Median des Datensatzes.
  • Entfernen Sie den Ausreißer. Wenn der Wert ein echter Ausreißer ist, können Sie ihn entfernen, wenn er erhebliche Auswirkungen auf Ihre Gesamtanalyse hat. Stellen Sie einfach sicher, dass Sie in Ihrem Abschlussbericht oder Ihrer Analyse erwähnen, dass Sie einen Ausreißer entfernt haben.

So erstellen Sie mehrere Box-Plots in SPSS

Wenn Sie mehrere Variablen haben, kann SPSS auch mehrere nebeneinander liegende Box-Plots erstellen. Angenommen, wir haben die folgenden Daten zu Durchschnittspunkten, die von 16 Spielern in drei verschiedenen Teams erzielt wurden:

multiple Boxplots in SPSS erstellen

Um ein Box-Diagramm für jede dieser Variablen zu erstellen, können Sie erneut auf die Registerkarte Analysieren, dann auf Beschreibende Statistik und dann auf Durchsuchen klicken. Wir können dann alle drei Variablen in das Feld Abhängige Liste ziehen:

multiple Boxplots in SPSS erstellen 2

Sobald wir auf OK klicken, werden die folgenden Box-Plots angezeigt:

Mehrere Box-Plots in SPSS

Dies hilft uns, die Unterschiede in der Verteilung zwischen diesen drei Teams leicht zu visualisieren.

Wir können auch Folgendes beobachten:

  • Die pro Spiel erzielten Medianpunkte sind für Team B am höchsten und für Team C am niedrigsten
  • Die Variation in der Anzahl der pro Spiel erzielten Punkte ist für Team B am höchsten. Dies lässt sich daran ablesen, wie lange der Boxplot mit Team A und Team C verglichen wird.
  • Der Spieler mit den höchsten Punkten pro Spiel ist in Team B und der Spieler mit den niedrigsten Punkten pro Spiel ist in Team C.

Box-Plots sind nützlich, weil sie uns so viele Informationen über die Verteilung von Datensätzen nur aus einem einzigen Plot liefern können.

Statistik: Der Weg zur Datenanalyse

* Amazon Affiliate Link


Das könnte Sie auch interessieren: