Szenario:
Du untersuchst, ob ein Motivations-Workshop die Motivation von Mitarbeitenden signifikant steigert. Dazu wird die Motivation vorher und nachher gemessen.
Datensatz: Mittel_Motivationsvergleich.csv
Variablen:
person: ID der Versuchspersonmotivation_vorher: Skalenwert (1–10) vor dem Workshopmotivation_nachher: Skalenwert (1–10) nach dem Workshop
1. Daten einlesen
daten <- read.csv("Mittel_Motivationsvergleich.csv")
2. Voraussetzungen prüfen
a) Differenzen berechnen und testen
daten$diff <- daten$motivation_nachher - daten$motivation_vorher
shapiro.test(daten$diff)
b) Visualisieren (optional)
boxplot(daten$motivation_vorher, daten$motivation_nachher, names = c("Vorher", "Nachher"))
qqnorm(daten$diff); qqline(daten$diff)
3. t-Test für abhängige Stichproben
t.test(daten$motivation_vorher, daten$motivation_nachher, paired = TRUE)
4. Alternative bei Verletzung der Normalverteilung
wilcox.test(daten$motivation_vorher, daten$motivation_nachher, paired = TRUE)
1. Datei importieren
- Öffne SPSS
- Datei → Öffnen → Mittel_Motivationsvergleich.csv
2. Voraussetzungen prüfen
- Menü: Analysieren → Deskriptive Statistiken → Explore
- Zielvariable:
diff(erst nach Berechnung) - Erstelle die Differenz: Transformieren → Variable berechnen →
motivation_nachher - motivation_vorher
→ Shapiro-Wilk-Test und Histogramm geben Aufschluss über die Verteilung
3. t-Test für abhängige Stichproben
- Menü: Analysieren → Mittelwerte vergleichen → t-Test bei verbundenen Stichproben
- Paare:
motivation_vorherundmotivation_nachher - OK klicken
4. Alternative bei Nicht-Normalverteilung
Test: Wilcoxon-Vorzeichen-Rang-Test
Menü: Analysieren → Nichtparametrische Tests → Zwei verbundene Stichproben
Testvariablen: motivation_vorher, motivation_nachher
Alles klar?
Ich hoffe, der Beitrag war für dich soweit verständlich. Wenn du weitere Fragen hast, nutze bitte hier die Möglichkeit, eine Frage an mich zu stellen!