Die nachfolgende Datenanalyse untersucht den Datensatz "Arrests for Marihuana Possession". Der Datensatz erfasst Personen, die von 1997 bis 2002 in Toronto aufgrund des Besitzes kleiner Mengen von Marihuana festgenommen worden sind. Es handelt sich dabei um einen Auszug von einer umfassenderen Erhebung, die im Rahmen eines Artikels der Toronto Star-Zeitung veröffentlicht wurde.
Mit Hilfe von Rstudio wird die dekriptive Statistik betrachtet (diskrete, metrisch-verhältnisskalierte Variablen und kategoriale, nomalskalierte Variablen), T-tests sowie Signifikanztests durchgeführt und Korrelationskoeffizienten berechnet.
Inhaltsverzeichnis
1 Vorstellung des Datensatzes „Arrests for Marihuana Possession“
2 Forschungsfragen und Hypothesen
3 Datenimport und Überblick über den Datensatz
3.1 Datenimport
3.2 Überblick
4 Variablenüberblick
4.1 Sex - Geschlecht
4.2 Age – Alter
4.3 Employed - Beschäftigt
4.4 Checks – Anzahl der Einträge in Polizeiakten
5 Beschreibung und Analyse der Hypothesen
5.1 Haben Männer und Frauen ein unterschiedliches Kriminalverhalten?
5.1.1 Deskriptive Statistik
5.1.2 Analyse
5.2 Hat ein Beschäftigungsverhältnis einen Einfluss auf das kriminelle Verhalten?
5.2.1 Deskriptive Statistik
5.2.2 Analyse
5.3 Steht das Alter der verhafteten Person in einem Zusammenhang mit dem kriminellen Verhalten?
5.3.1 Vorbereitung der Datenanalyse
5.3.2 Deskriptive Statistik
5.3.3 Signifikanztest
6 Fazit
Zielsetzung & Themen
Die Arbeit untersucht anhand eines Datensatzes über Marihuana-Verhaftungen in Toronto (1997–2002), ob und wie das kriminelle Verhalten – gemessen an der Anzahl polizeilicher Einträge – durch soziodemografische Variablen wie Geschlecht, Beschäftigungsstatus und Alter beeinflusst wird.
- Statistische Datenanalyse mit R/RStudio
- Einfluss von Geschlechterunterschieden auf Kriminalitätsraten
- Korrelation zwischen Beschäftigungsverhältnis und kriminellem Verhalten
- Zusammenhang zwischen dem Alter der Personen und der Anzahl der Polizeieinträge
- Deskriptive und inferenzstatistische Hypothesenprüfung
Auszug aus dem Buch
5.1.2 Analyse
Das Geschlecht ist eine kategoriale Variable, die Merkmalsausprägungen sind unabhängig voneinander. Die Anzahl der Einträge in der Polizeiakte ist eine numerische Variable. Die aufgestellte Hypothese ist zweiseitig gerichtet und es werden die beiden Mittelwerte verglichen, was durch einen T-Test ermöglicht wird.
Der durchgeführte T-Test ist statistisch hochsignifikant. Der p-wert liegt mit 5.457e-16 deutlich unter dem Signifikanzniveau von 0,05. Die Nullhypothese wird verworfen. Es gibt einen Zusammenhang zwischen dem Geschlecht und dem kriminellen Verhalten.
Zusammenfassung der Kapitel
1 Vorstellung des Datensatzes „Arrests for Marihuana Possession“: Einführung in den verwendeten Datensatz, der Personen umfasst, die zwischen 1997 und 2002 in Toronto wegen Marihuanabesitzes verhaftet wurden.
2 Forschungsfragen und Hypothesen: Formulierung der zentralen Forschungsfrage und der drei Hypothesen bezüglich Geschlecht, Beschäftigung und Alter.
3 Datenimport und Überblick über den Datensatz: Beschreibung des technischen Vorgehens zum Laden der Daten in RStudio und Bereinigung des Datensatzes für die Analyse.
4 Variablenüberblick: Deskriptive Aufbereitung der relevanten Variablen wie Geschlecht, Alter, Beschäftigungsstatus und Anzahl der polizeilichen Einträge.
5 Beschreibung und Analyse der Hypothesen: Detaillierte statistische Auswertung der Hypothesen mittels deskriptiver Statistik, T-Tests und Regressionsanalysen.
6 Fazit: Zusammenfassende Beantwortung der Forschungsfrage und Diskussion der Grenzen der durchgeführten statistischen Analyse.
Schlüsselwörter
Datenanalyse, RStudio, Sozialpsychologie, Marihuana, Kriminalverhalten, Geschlecht, Beschäftigungsstatus, Alter, Polizeiakten, Signifikanztest, T-Test, Regressionsanalyse, Hypothesenprüfung, deskriptive Statistik, Korrelation.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der statistischen Untersuchung von Verhaftungsdaten im Zusammenhang mit Marihuanabesitz in Toronto zwischen 1997 und 2002.
Was sind die zentralen Themenfelder der Analyse?
Die zentralen Themen sind der Einfluss von soziodemografischen Merkmalen (Geschlecht, Alter) und sozioökonomischen Faktoren (Beschäftigung) auf das kriminalitätsrelevante Verhalten, quantifiziert durch polizeiliche Einträge.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, empirisch zu prüfen, ob signifikante Zusammenhänge zwischen den genannten Variablen und der Anzahl polizeilicher Einträge bestehen.
Welche wissenschaftlichen Methoden werden verwendet?
Es werden Methoden der deskriptiven Statistik (Mittelwerte, Histogramme), T-Tests für Gruppenvergleiche sowie Korrelations- und Regressionsanalysen mittels RStudio angewandt.
Was wird im Hauptteil behandelt?
Im Hauptteil werden die Hypothesen schrittweise überprüft, wobei jeweils eine deskriptive Darstellung erfolgt, gefolgt von der inferenzstatistischen Analyse (T-Tests oder Signifikanztests).
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Datenanalyse, Kriminalverhalten, RStudio, Hypothesenprüfung und Korrelation.
Welchen Einfluss hat das Geschlecht auf die Polizeieinträge laut Analyse?
Die Analyse zeigt einen signifikanten Zusammenhang: Männer weisen in der untersuchten Stichprobe im Durchschnitt eine höhere Anzahl an Polizeieinträgen auf als Frauen.
Wie wirkt sich ein Beschäftigungsverhältnis auf das Ergebnis aus?
Die Untersuchung ergibt, dass beschäftigte Personen tendenziell weniger Polizeieinträge haben als unbeschäftigte Personen; die Nullhypothese wurde hierbei verworfen.
Gibt es einen Zusammenhang zwischen dem Alter und den Polizeieinträgen?
Ja, die Regressionsanalyse zeigt einen geringen, aber statistisch signifikanten positiven Zusammenhang: Je jünger die verhaftete Person, desto höher ist die Anzahl der Einträge im Polizeiregister.
- Citation du texte
- Lena Vogel (Auteur), 2019, Angewandte Datenanalyse. Untersuchung des Datensatzes "Arrests for Marijuana Possession", Munich, GRIN Verlag, https://www.grin.com/document/583697
