[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-1-en-105":3,"doc-detail-572986-en":53,"doc-seo-572986-105":76},{"code":4,"msg":5,"data":6},0,"success",[7,14,19,24,29,34,39,44,49],{"id":8,"doc_module":9,"doc_module_name":10,"category_name":11,"show_sort_weight":12,"slug":13},11,1,"Template","Presentations",90,"presentations",{"id":15,"doc_module":9,"doc_module_name":10,"category_name":16,"show_sort_weight":17,"slug":18},12,"Resumes",80,"resumes",{"id":20,"doc_module":9,"doc_module_name":10,"category_name":21,"show_sort_weight":22,"slug":23},14,"Invoices",70,"invoices",{"id":25,"doc_module":9,"doc_module_name":10,"category_name":26,"show_sort_weight":27,"slug":28},15,"Posters",60,"posters",{"id":30,"doc_module":9,"doc_module_name":10,"category_name":31,"show_sort_weight":32,"slug":33},16,"Social Media",50,"social-media",{"id":35,"doc_module":9,"doc_module_name":10,"category_name":36,"show_sort_weight":37,"slug":38},17,"Forms",40,"forms",{"id":40,"doc_module":9,"doc_module_name":10,"category_name":41,"show_sort_weight":42,"slug":43},18,"Letters",30,"letters",{"id":45,"doc_module":9,"doc_module_name":10,"category_name":46,"show_sort_weight":47,"slug":48},21,"Paper Templates",5,"papers-templates",{"id":50,"doc_module":9,"doc_module_name":10,"category_name":51,"show_sort_weight":4,"slug":52},158,"General","general-158",{"code":4,"msg":5,"data":54},{"doc_id":55,"user_id":56,"nickname":57,"user_avatar":58,"doc_module":9,"category_id":8,"category_name":11,"doc_title":59,"doc_description":60,"doc_content":61,"file_id":62,"file_url":63,"file_type":64,"file_size":65,"view_count":66,"is_deleted":4,"is_public":9,"is_downloadable":9,"audit_status":9,"page_count":67,"language":68,"language_code":69,"site_id":70,"html_lang":71,"table_of_contents":72,"faqs":73,"seo_title":74,"seo_description":60,"update_tm":75,"read_time":9},572986,962090768658,"Alexandar","https://ap-avatar.wpscdn.com/davatar_6f874abed73319feea01a86fa6f0fab8","Datenanalyse & Jamovi Cheat Sheet","Datenanalyse-Anleitung für Jamovi mit Fokus auf Datenniveaus (nominal, ordinal, metrisch) und passender deskriptiver Auswertung wie Modus, Median, Mittelwert sowie Standardabweichung. Enthält Schrittfolgen für fehlende Werte, das Berechnen neuer Variablen, Transformationen und das Umcodieren von Variablen (u. a. Dichotomisierung, Gruppenbildung, Codierungen umkehren). Ergänzt werden Vorgehensweisen und Auswertungskriterien für Kreuztabellen (Chi², Phi, Cramer’s V), Korrelationen (Pearson/Spearman, Signifikanz, N, Plots) sowie lineare Regression inkl. Modell- und Annahmechecks wie Autokorrelation und Collinearity.","Datenanalyse & Jamovi CHEAT SHEET  \nDatenniveaus  \nNOMINALSKALA: Unterschiede  \nORDINALSKALA: Rangfolge  \nMETRISCHE SKALEN: Abstände mess-und interpretierbar  \nModus Median Mittelwert  \nnominal ordinal metrisch  \nJe höher das Niveau, desto genauer das Lagemaß. Geben Sie das Genauste an!  \nSTANDARDABWEICHUNG (SD): Streuung um den Mittelwert; bei metrischen Variablen mit dem Mittelwert angeben.  \nMittelwert – SD 􀃆 􀃅 Mittelwert + SD  \ndeskriptive Verfahren  \nIn Jamovi: Exploration 􀃆 Descriptives  \nNOMINAL:  Frequency Tables , Mode & Bar plot  \nORDINAL:  Frequency Tables, Median & Bar plot (Histogram bei vielen Ausprägungen)  \nMETRISCH:  Mean & Std. Deviation; Histogram/ Density Plot oder Box plot/ Violin  \nbei Bedarf jeweils: N & Missing; Minimum & Maximum (z. B. bei Alter sinnvoll)  \nGruppenvergleiche: nominale Variable bei „Split by“ einfügen 􀃆 sinnvoll bei wenigen Ausprägungender Gruppierungsvariable  \n\n| Transformationen I |\n| --- |\n| FEHLENDE WERTE\u003Cbr>1. Doppelklick auf Variable\u003Cbr>2. Klick auf Feld neben Missing Values\u003Cbr>3. Klick auf Add Missing Value\u003Cbr>4. Formel eingeben BEISPIELE:\u003Cbr>when $source == 1 􀃆 Wert 1 wird zu Missing when $source >= 6 􀃆 Werte ab 6 werden zu Missing |\n| NEUE VARIABLE BERECHNEN\u003Cbr>1. Ins Data-Tab wechseln\u003Cbr>2. Klick auf Compute\u003Cbr>3. Ganz oben Namen eingeben\u003Cbr>4. Darunter ggf. eine Beschreibung\u003Cbr>5. Formel eingeben BEISPIELE:\u003Cbr>Summenindex 􀃆 Summe aus Werten in N\u003Cbr>Variablen:\u003Cbr>1. fx = var1 + var2 +…+ varN; oder\u003Cbr>2. fx = SUM(var1, var2,…, varN, ignore_missing = 0)\u003Cbr>Mittelwertindex 􀃆 Mittelwert aller Werte in N\u003Cbr>Variablen:\u003Cbr>1. fx = (var1 + var2 +…+ varN)/N; oder\u003Cbr>2. fx = MEAN(var1, var2,…, varN, ignore_missing = 0)\u003Cbr>Ignore_missing:\u003Cbr>0 = missing in einer d. Ursprungsvariablen führt zu missing in neuer Variable.\u003Cbr>1 = missings werden ignoriert. |\n\nUMCODIEREN VON VARIABLEN  \n1. Ins Data-Tab wechseln  \n2. Variable durch Klick auswählen  \n3. Klick auf Transform  \n4. Neben using transform eine gespeicherte Transformation oder create new transform auswählen  \nTransformationen II  \nBEISPIELE ZUR UMCODIERUNG Dichotomisierung 􀃆 Variable mit n Ausprägungenin Variable mit 2 Ausprägungen umwandeln, z.B.  \nAlter bis 50 und 50+  \n1. Klick auf Add recode condition  \n2. Kondition eingeben (kleiner 50):  \n􀂾 if $source \u003C 50  \n3. Wert der ersten Gruppe bei use eingeben use 0  \n4. Wert der zweiten Gruppe bei else useeingeben  \n􀂾 else use 1  \nGruppen bilden 􀃆 Variable mit n Ausprägungen in Variable mit k Ausprägungen umwandeln, z.B. Alter in Gruppen (bis 24, 25-29, 30-39,…,60+)  \n1. Klick auf Add recode condition  \n2. 1. Kondition eingeben (kleiner 25):  \n􀂾 if $source \u003C 25  \n3. Wert der ersten Gruppe bei useeingeben  \n􀂾 use 0  \n4. Klick auf Add recode condition  \n5. 2. Kondition eingeben (kleiner gleich 29):  \n􀂾 if $source \u003C= 29  \n6. Wert der zweiten Gruppe bei useeingeben  \n􀂾 use 1  \n7. Schritte 4 bis 6 für die übrigen Gruppen wiederholen  \nJamovi ignorierthier die Fälle unter 25, da diese im vorherigen Schritt  \nschoneinen neuen Wert  \nbekommen  \nCodierungen umkehren 􀃆 Werte von Skalenabfragen (z.B. 1-5) umdrehen  \n1. Klick auf Add recode condition  \n2. Kondition eingeben (gleich 5):  \n􀂾 if $source == 5  \n3. neuen Wert bei use eingeben  \n􀂾 use 1  \n4. Schritte 1 bis 3 für die übrigen Skalenwertewiederholen  \n| Kreuztabellen |\n| --- |\n| HINTERGRUND\u003Cbr>Werden eingesetzt, um zu testen, ob es einen Zusammenhang zwischen 2 nominalen oder 1 nominalen und 1 ordinalen Variable gibt\u003Cbr>\u003Cbr>Var 1  Var 2  /  \u003Cbr>Durch Χ² (Chi²) wird geprüft, ob dietatsächlich beobachteten Häufigkeiten von den erwarteten Häufigkeiten abweichen. Erwartete Häufigkeit = erwartete Anzahl der Fälle, wenn kein Zusammenhang besteht |\n| DURCHFÜHRUNG\u003Cbr>1. Ins Analyses-Tab wechseln\u003Cbr>2. Klick auf Frequencies\u003Cbr>3. Independent Samples auswählen\u003Cbr>4. abhängige Variable in Zeilen\u003Cbr>5. unabhängige Variable in Spalten Statistics:  Χ², Phi and Cramer‘s V\u003Cbr>Cells:  Observed counts, Expected counts, Column Percentages |\n\nERGEBNISSE  \nAlle","cbCaisUAdCUw4olA","https://ap.wps.com/l/cbCaisUAdCUw4olA","pdf",267216,4,3,"German","de",105,"en","# Datenniveaus\n## Nominalskala, Ordinalskala, Metrische Skalen\n# Deskriptive Verfahren\n## Modus, Median, Mittelwert\n## Standardabweichung (SD)\n# Gruppenvergleiche\n# Transformationen I\n## Fehlende Werte\n## Neue Variable berechnen\n# Umcodieren von Variablen\n## Dichotomisierung\n## Gruppen bilden\n## Codierungen umkehren\n# Kreuztabellen\n## Hintergrund\n## Durchführung\n# Korrelationen\n## Hintergrund\n## Durchführung\n# Ergebnisse und Interpretation\n# Regressionen\n## Hintergrund\n## Durchführung\n## Voraussetzungen","[{\"question\":\"Welche deskriptiven Kennwerte passen zu nominalen, ordinalen und metrischen Datenniveaus?\",\"answer\":\"Nominale Daten: Frequency Tables, Mode und Bar plot. Ordinale Daten: Frequency Tables, Median und Bar plot. Metrische Daten: Mean und Std. Deviation, plus Histogram/ Density Plot oder Box plot/Violin.\"},{\"question\":\"Wie werden fehlende Werte in Jamovi gesetzt?\",\"answer\":\"Variable doppelklicken, im Feld neben Missing Values klicken, Add Missing Value auswählen und die zu verändernde Bedingung per Formel eingeben (z. B. when $source == 1 oder when $source \\u003e= 6).\"},{\"question\":\"Welche Voraussetzungen müssen vor der linearen Regression geprüft werden?\",\"answer\":\"In Assumption Checks Autocorrelation prüfen (bei signifikantem Ergebnis keine Regression) und Collinearity über VIF kontrollieren (bei VIF\\u003e10 transformieren oder Variablen entfernen); außerdem Normalität der Fehler bei kleinem N (z. B. \\u003c 200) per Shapiro-Wilk prüfen.\"}]","Datenanalyse & Jamovi Cheat Sheet | PDF",1791930384,{"code":4,"msg":77,"data":78},"ok",{"site_id":70,"language":69,"slug":79,"title":59,"keywords":80,"description":60,"schema_data":81,"social_meta":135,"head_meta":137,"extra_data":139,"updated_unix":140},"data-analysis-jamovi-cheat-sheet","",{"@graph":82,"@context":134},[83,97,117],{"@type":84,"itemListElement":85},"BreadcrumbList",[86,90,93,95],{"item":87,"name":88,"@type":89,"position":9},"https://docshare.wps.com","Home","ListItem",{"item":91,"name":10,"@type":89,"position":92},"https://docshare.wps.com/template/",2,{"item":94,"name":11,"@type":89,"position":67},"https://docshare.wps.com/template/presentations/",{"item":96,"name":59,"@type":89,"position":66},"https://docshare.wps.com/template/data-analysis-jamovi-cheat-sheet/572986/",{"url":96,"name":59,"@type":98,"image":99,"author":104,"headline":59,"publisher":106,"fileFormat":109,"inLanguage":69,"description":60,"dateModified":110,"datePublished":111,"encodingFormat":109,"isAccessibleForFree":112,"interactionStatistic":113},"DigitalDocument",{"url":100,"@type":101,"width":102,"height":103},"https://docshare.wps.com/thumbnails/data-analysis-jamovi-cheat-sheet/572986.png","ImageObject",442,249,{"name":57,"@type":105},"Person",{"url":87,"name":107,"@type":108},"DocShare","Organization","application/pdf","2026-10-20","2026-10-13",true,{"@type":114,"interactionType":115,"userInteractionCount":66},"InteractionCounter",{"@type":116},"ViewAction",{"@type":118,"mainEntity":119},"FAQPage",[120,126,130],{"name":121,"@type":122,"acceptedAnswer":123},"Welche deskriptiven Kennwerte passen zu nominalen, ordinalen und metrischen Datenniveaus?","Question",{"text":124,"@type":125},"Nominale Daten: Frequency Tables, Mode und Bar plot. Ordinale Daten: Frequency Tables, Median und Bar plot. Metrische Daten: Mean und Std. Deviation, plus Histogram/ Density Plot oder Box plot/Violin.","Answer",{"name":127,"@type":122,"acceptedAnswer":128},"Wie werden fehlende Werte in Jamovi gesetzt?",{"text":129,"@type":125},"Variable doppelklicken, im Feld neben Missing Values klicken, Add Missing Value auswählen und die zu verändernde Bedingung per Formel eingeben (z. B. when $source == 1 oder when $source >= 6).",{"name":131,"@type":122,"acceptedAnswer":132},"Welche Voraussetzungen müssen vor der linearen Regression geprüft werden?",{"text":133,"@type":125},"In Assumption Checks Autocorrelation prüfen (bei signifikantem Ergebnis keine Regression) und Collinearity über VIF kontrollieren (bei VIF>10 transformieren oder Variablen entfernen); außerdem Normalität der Fehler bei kleinem N (z. B. \u003C 200) per Shapiro-Wilk prüfen.","https://schema.org",{"og:url":96,"og:type":136,"og:title":59,"og:site_name":107,"og:description":60},"article",{"robots":138,"canonical":96},"index,follow",{"doc_id":55,"site_id":70},1792013747]