Box And Whisker Plot In Spss

Die Boxplot-Diagramme, auch bekannt als Box-and-Whisker-Plots, sind ein mächtiges Werkzeug in der statistischen Datenanalyse. Sie bieten eine visuelle Zusammenfassung der Verteilung eines Datensatzes und heben gleichzeitig wichtige Kennzahlen hervor, wie z.B. Median, Quartile und Ausreißer. In diesem Artikel werden wir die Verwendung von Boxplot-Diagrammen in SPSS (Statistical Package for the Social Sciences) detailliert untersuchen, einschließlich der Erstellung, Interpretation und Anwendung in realen Szenarien.

Was ist ein Boxplot-Diagramm?

Ein Boxplot-Diagramm ist eine standardisierte Möglichkeit, die Verteilung von Daten basierend auf einer Fünf-Zahlen-Zusammenfassung darzustellen: das Minimum, das erste Quartil (Q1), den Median (Q2), das dritte Quartil (Q3) und das Maximum. Die "Box" selbst erstreckt sich vom ersten Quartil (Q1) zum dritten Quartil (Q3) und enthält somit die mittleren 50% der Daten. Der Median wird durch eine Linie innerhalb der Box markiert.

Die "Whisker" erstrecken sich von den Enden der Box bis zu den entferntesten Datenpunkten, die innerhalb eines bestimmten Bereichs liegen. Punkte, die außerhalb dieses Bereichs liegen, werden als Ausreißer dargestellt und potenziell einzeln markiert.

Vorteile von Boxplot-Diagrammen

Boxplot-Diagramme bieten eine Reihe von Vorteilen gegenüber anderen Diagrammtypen:

• Visuelle Zusammenfassung: Sie bieten eine schnelle und übersichtliche Zusammenfassung der Datenverteilung.
• Ausreißererkennung: Sie heben Ausreißer hervor, die weitere Untersuchungen erfordern könnten.
• Vergleich von Datensätzen: Sie ermöglichen einen einfachen Vergleich der Verteilung verschiedener Datensätze.
• Nicht-parametrisch: Sie basieren nicht auf Annahmen über die zugrunde liegende Verteilung der Daten.

Erstellung von Boxplot-Diagrammen in SPSS

SPSS bietet verschiedene Möglichkeiten zur Erstellung von Boxplot-Diagrammen:

1. Über den Diagrammerstellungsassistenten

Der Diagrammerstellungsassistent ist eine grafische Benutzeroberfläche, die den Prozess der Diagrammerstellung vereinfacht. Um einen Boxplot zu erstellen, folgen Sie diesen Schritten:

1. Klicken Sie auf "Grafiken" -> "Diagrammerstellungsassistent".
2. Wählen Sie "Boxplot" aus der Liste der Diagrammtypen.
3. Ziehen Sie die Variable, die Sie analysieren möchten, in das Feld "Y-Achse".
4. (Optional) Wenn Sie Boxplots für verschiedene Gruppen vergleichen möchten, ziehen Sie eine Gruppierungsvariable in das Feld "X-Achse".
5. Klicken Sie auf "OK", um den Boxplot zu erstellen.

2. Über das Menü "Grafiken"

Sie können auch direkt über das Menü "Grafiken" einen Boxplot erstellen:

1. Klicken Sie auf "Grafiken" -> "Legacy Dialogs" -> "Boxplot...".
2. Wählen Sie aus, ob Sie einen einfachen Boxplot (für eine einzelne Variable) oder einen gruppierten Boxplot (zum Vergleich von Gruppen) erstellen möchten.
3. Definieren Sie die Variable(n) für den Boxplot.
4. Klicken Sie auf "OK", um den Boxplot zu erstellen.

Anpassung von Boxplot-Diagrammen

SPSS bietet umfangreiche Möglichkeiten zur Anpassung von Boxplot-Diagrammen. Sie können beispielsweise die Farben, Linienstärken, Beschriftungen und Achsenbeschriftungen ändern. Klicken Sie dazu doppelt auf das Diagramm, um den Diagrammeditor zu öffnen. Im Diagrammeditor können Sie dann die verschiedenen Elemente des Diagramms bearbeiten.

Interpretation von Boxplot-Diagrammen

Die Interpretation von Boxplot-Diagrammen erfordert ein Verständnis der darin enthaltenen Informationen:

Die Box

• Oberes Ende der Box (Q3): Das dritte Quartil, das heißt 75% der Daten liegen unter diesem Wert.
• Unteres Ende der Box (Q1): Das erste Quartil, das heißt 25% der Daten liegen unter diesem Wert.
• Länge der Box (Interquartilsabstand IQR = Q3 - Q1): Gibt die Streuung der mittleren 50% der Daten an. Eine kurze Box deutet auf eine geringe Streuung hin, während eine lange Box auf eine größere Streuung hindeutet.
• Linie innerhalb der Box (Median): Der Median der Daten. Die Position des Medians innerhalb der Box gibt Hinweise auf die Symmetrie der Verteilung. Wenn der Median in der Mitte der Box liegt, ist die Verteilung symmetrisch. Wenn der Median näher am unteren Ende der Box liegt, ist die Verteilung linksschief (negativ schief). Wenn der Median näher am oberen Ende der Box liegt, ist die Verteilung rechtsschief (positiv schief).

Die Whisker

• Obere Whisker: Erstreckt sich vom oberen Ende der Box bis zum größten Datenwert, der innerhalb des 1,5-fachen des IQR vom oberen Ende der Box liegt (Q3 + 1.5 * IQR).
• Untere Whisker: Erstreckt sich vom unteren Ende der Box bis zum kleinsten Datenwert, der innerhalb des 1,5-fachen des IQR vom unteren Ende der Box liegt (Q1 - 1.5 * IQR).

Ausreißer

• Ausreißer: Datenpunkte, die außerhalb der Whisker liegen. Sie werden oft als einzelne Punkte oder Kreise dargestellt. Es ist wichtig, Ausreißer zu untersuchen, da sie auf Messfehler, ungewöhnliche Beobachtungen oder wichtige Informationen hindeuten können.

Reale Beispiele und Daten

Beispiel 1: Vergleich von Testergebnissen

Angenommen, wir haben die Testergebnisse von zwei verschiedenen Schulklassen vorliegen. Mit einem Boxplot können wir die Verteilung der Ergebnisse in den beiden Klassen vergleichen. Wir könnten feststellen, dass Klasse A einen höheren Median hat als Klasse B, was darauf hindeutet, dass die Schüler in Klasse A im Durchschnitt besser abgeschnitten haben. Wir könnten auch feststellen, ob Klasse B mehr Ausreißer nach unten hat, was darauf hindeutet, dass einige Schüler in Klasse B Schwierigkeiten haben.

Beispiel 2: Analyse von Einkommensdaten

Boxplots sind auch nützlich zur Analyse von Einkommensdaten. Wir könnten feststellen, dass die Einkommensverteilung rechtsschief ist, was bedeutet, dass die meisten Menschen ein relativ niedriges Einkommen haben, während einige wenige Menschen ein sehr hohes Einkommen haben. Die Ausreißer würden die Personen mit den höchsten Einkommen darstellen.

Beispiel 3: Vergleich von Wartezeiten

Ein Krankenhaus möchte die Wartezeiten in der Notaufnahme an verschiedenen Wochentagen vergleichen. Mittels Boxplots können die Wartezeiten pro Tag visualisiert werden. Die Länge der Box gibt Aufschluss über die Variabilität der Wartezeiten, der Median über die typische Wartezeit. Ausreißer könnten auf besonders lange Wartezeiten hinweisen, die näher untersucht werden sollten.

Zusammenfassung und Handlungsaufforderung

Boxplot-Diagramme sind ein wertvolles Werkzeug für die explorative Datenanalyse und den Vergleich von Datensätzen. Durch die Visualisierung der Fünf-Zahlen-Zusammenfassung und die Hervorhebung von Ausreißern bieten sie einen schnellen Überblick über die Verteilung von Daten. In SPSS ist die Erstellung von Boxplots einfach und flexibel. Nutzen Sie diese Möglichkeiten, um Ihre Daten besser zu verstehen und fundierte Entscheidungen zu treffen. Experimentieren Sie mit verschiedenen Datensätzen und lernen Sie, die Informationen, die Boxplots liefern, zu interpretieren.

Um das volle Potential von Boxplot-Diagrammen auszuschöpfen, sollten Sie:

• Ihre Daten vor der Erstellung des Diagramms sorgfältig prüfen und bereinigen.
• Die Diagramme ansprechend gestalten, um die Lesbarkeit zu verbessern.
• Die Ergebnisse der Analyse dokumentieren und interpretieren.
• Die Boxplot-Diagramme in Ihre Berichte und Präsentationen integrieren.

Die Beherrschung der Erstellung und Interpretation von Boxplot-Diagrammen in SPSS ist eine wertvolle Fähigkeit für jeden, der mit Daten arbeitet. Nutzen Sie dieses Wissen, um Ihre Datenanalysen zu verbessern und bessere Einblicke zu gewinnen.