In diesem Tutorial wird erl\u00e4utert, wie Sie die Mahalanobis-Distanz in SPSS berechnen.<\/span><\/p>\n Angenommen, wir verf\u00fcgen \u00fcber den folgenden Datensatz, der die Pr\u00fcfungsergebnisse von 20 Studenten zusammen mit der Anzahl der Lernstunden, der Anzahl der von ihnen abgelegten \u00dcbungspr\u00fcfungen und ihrer aktuellen Note im Kurs anzeigt:<\/span> <\/p>\n Mit den folgenden Schritten k\u00f6nnen wir die Mahalanobis-Distanz f\u00fcr jede Beobachtung im Datensatz berechnen, um festzustellen, ob es multivariate Ausrei\u00dfer gibt.<\/span><\/p>\n Schritt 1: W\u00e4hlen Sie die Option \u201eLineare Regression\u201c.<\/strong><\/span><\/p>\n Klicken Sie auf die Registerkarte \u201eAnalysieren\u201c<\/strong> , dann auf \u201eRegression\u201c<\/strong> und dann auf \u201eLinear\u201c<\/strong> :<\/span> <\/p>\n Schritt 2: W\u00e4hlen Sie die Option Mahalanobis.<\/strong><\/span><\/p>\n Ziehen Sie den Wert<\/em> der Antwortvariablen in das Feld mit der Bezeichnung \u201eAbh\u00e4ngig\u201c. Ziehen Sie die anderen drei Pr\u00e4diktorvariablen in das Feld mit der Bezeichnung \u201eIndependent(s)\u201c. Klicken Sie dann auf die Schaltfl\u00e4che Speichern<\/strong> . Stellen Sie im neuen Fenster sicher, dass das Kontrollk\u00e4stchen neben Mahalanobis<\/strong> aktiviert ist. Klicken Sie dann auf Weiter<\/strong> . Klicken Sie dann auf OK<\/strong> .<\/span> <\/p>\n Sobald Sie auf \u201eOK\u201c<\/strong> klicken, wird die Mahalanobis-Distanz f\u00fcr jede Beobachtung im Datensatz in einer neuen Spalte mit dem Titel MAH_1<\/strong> angezeigt:<\/span> <\/p>\n Wir k\u00f6nnen sehen, dass einige Entfernungen viel gr\u00f6\u00dfer sind als andere. Um festzustellen, ob eine der Abst\u00e4nde statistisch signifikant ist, m\u00fcssen wir ihre p-Werte berechnen.<\/span><\/p>\n Schritt 3: Berechnen Sie die p-Werte jeder Mahalanobis-Distanz.<\/strong><\/span><\/p>\n Klicken Sie auf die Registerkarte \u201eTransformation\u201c<\/strong> und dann auf \u201eVariable berechnen\u201c<\/strong> .<\/span> <\/p>\n W\u00e4hlen Sie im Feld \u201eZielvariable\u201c<\/strong> einen neuen Namen f\u00fcr die Variable, die Sie erstellen. Wir denken \u201ep-Wert\u201c. Geben Sie im Feld \u201eNumerischer Ausdruck\u201c<\/strong> Folgendes ein:<\/span><\/p>\n 1 \u2013 CDF.CHISQ(MAH_1, 3)<\/strong><\/span><\/p>\n Klicken Sie dann auf OK<\/strong> .<\/span> <\/p>\n Dadurch entsteht ein p-Wert, der dem Chi-Quadrat-Wert mit 3 Freiheitsgraden entspricht. Wir verwenden drei<\/strong> Freiheitsgrade, da unser Regressionsmodell drei Pr\u00e4diktorvariablen enth\u00e4lt.<\/span><\/p>\n Schritt 4: Interpretieren Sie die p-Werte.<\/strong><\/span><\/p>\n Sobald Sie auf \u201eOK\u201c<\/strong> klicken, wird der p-Wert f\u00fcr jede Mahalanobis-Distanz in einer neuen Spalte angezeigt:<\/span> <\/p>\n Standardm\u00e4\u00dfig zeigt SPSS nur p-Werte mit zwei Dezimalstellen an. Sie k\u00f6nnen die Anzahl der Dezimalstellen erh\u00f6hen, indem Sie unten in SPSS auf Variablen<\/strong> anzeigen<\/strong> klicken und die Zahl in der Spalte \u201eDezimalstellen<\/strong> \u201c erh\u00f6hen:<\/span> <\/p>\n Sobald Sie zur Datenansicht<\/strong> zur\u00fcckkehren, wird jeder p-Wert mit f\u00fcnf Dezimalstellen angezeigt. Jeder p-Wert unter 0,001<\/strong> gilt als Ausrei\u00dfer.<\/span><\/p>\n Wir k\u00f6nnen sehen, dass die erste Beobachtung der einzige Ausrei\u00dfer im Datensatz ist, da sie einen p-Wert von weniger als 0,001 hat:<\/span> <\/p>\n Wenn in Ihren Daten ein Ausrei\u00dfer vorhanden ist, haben Sie mehrere M\u00f6glichkeiten:<\/span><\/p>\n 1. Stellen Sie sicher, dass der Ausrei\u00dfer nicht auf einen Dateneingabefehler zur\u00fcckzuf\u00fchren ist.<\/strong><\/span><\/p>\n Manchmal gibt eine Person beim Speichern der Daten einfach den falschen Datenwert ein. Wenn ein Ausrei\u00dfer vorhanden ist, \u00fcberpr\u00fcfen Sie zun\u00e4chst, ob der Datenwert korrekt eingegeben wurde und kein Fehler vorliegt.<\/span><\/p>\n 2. Entfernen Sie den Ausrei\u00dfer.<\/strong><\/span><\/p>\n Wenn der Wert wirklich ein Ausrei\u00dfer ist, k\u00f6nnen Sie ihn entfernen, wenn er erhebliche Auswirkungen auf Ihre Gesamtanalyse hat. Erw\u00e4hnen Sie in Ihrem Abschlussbericht oder Ihrer Analyse unbedingt, dass Sie einen Ausrei\u00dfer entfernt haben.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":" Der Mahalanobis-Abstand ist der Abstand zwischen zwei Punkten in einem multivariaten Raum. Es wird h\u00e4ufig verwendet, um Ausrei\u00dfer in statistischen Analysen mit mehreren Variablen zu erkennen. In diesem Tutorial wird erl\u00e4utert, wie Sie die Mahalanobis-Distanz in SPSS berechnen. Beispiel: Mahalanobis-Distanz in SPSS Angenommen, wir verf\u00fcgen \u00fcber den folgenden Datensatz, der die Pr\u00fcfungsergebnisse von 20 Studenten […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel: Mahalanobis-Distanz in SPSS<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal1.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal2.png\")
<\/p>\n![\"Mahalanobis-Distanz](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal3.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal4.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal5.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal6.png\")
<\/p>\n![\"P-Werte](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal7.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal8.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mahal9.png\")
<\/p>\n Wie man mit Ausrei\u00dfern umgeht<\/strong><\/span><\/h3>\n