Einführung in SPSS / SS 2010 – HAW Hamburg – René Reineke  1 

 
SPSS‐Piaxisleitfauen
ExemplarischeFragestellungenundmöglicheLösungsmethoden
Dieser Leitfaden orientiert sich an den Kursinhalten der SPSS‐Einführung, erhebt jedoch keinen Anspruch 
auf Vollständigkeit und stellt keine Zusammenfassung dar. Die Bedienung von SPSS, wie bspw. das 
Bearbeiten der Grafiken, der Tabellen und die theoretischen Grundlagen sind nicht Bestandteil dieses 
Dokuments. 
Aufgehend von praxisnahen Fragestellungen, die in dieser Form auch in der Hausarbeit zu lösen sein 
könnten, wird ein exemplarischer Lösungsweg in SPSS beschrieben. Es wird angenommen, dass die 
Datenquelle in einer Form vorliegt, welche die direkte Verarbeitung möglich macht. In der Praxis sind jedoch 
häufig vorherige Analysen, bspw. auf Ausreißer, oder Umkodierungen, das Gewichten von Fällen, etc. 
notwendig. Dies muss bei der Anwendung beachtet werden. 
Inhalt
1  Eine kategoriale Variable ............................................................................................................................. 2 
1.1  Kommen alle Kategorien gleich häufig vor? ........................................................................................ 2 
1.1.1  Numerische Beschreibung ........................................................................................................... 2 
1.1.2  Grafische Beschreibung ............................................................................................................... 2 
1.1.3  Statistische Analyse ..................................................................................................................... 4 
1.2  Entsprechen Häufigkeiten bestimmten Vorgaben? ............................................................................ 5 
1.2.1  Numerische und grafische Beschreibung .................................................................................... 5 
1.2.2  Statistische Analyse ..................................................................................................................... 5 
2  Mehrere kategoriale Variablen ................................................................................................................... 6 
2.1  Datenbeschreibung ............................................................................................................................. 6 
2.1.1  Numerische Beschreibung ........................................................................................................... 6 
2.1.2  Grafische Beschreibung ............................................................................................................... 7 
2.2  Sind zwei kategoriale Variablen unabhängig? ..................................................................................... 9 
2.2.1  Datenbeschreibung ..................................................................................................................... 9 
2.2.2  Unabhängigkeitstest .................................................................................................................... 9 
3  Eine metrische Variable ............................................................................................................................. 10 
3.1  Wie kann man die Verteilung einer metrischen Variablen beschreiben? ......................................... 10 
3.1.1  Klassifizieren, Tabellen und Histogramme ................................................................................ 10 
3.1.2  Maßzahlen zur Beschreibung der Verteilung ............................................................................ 12 
3.1.3  Boxplott ..................................................................................................................................... 13 
4  Mehrere metrische Variablen ................................................................................................................... 13 
4.1  Wie stark ist der Zusammenhang zwischen zwei metrischen Variablen? ......................................... 13 
Einführun
 
4.1.
4.1.2
 
1 Ein
Dieses Ka
Variable.
1.1 Ko
1.1.1 N
Analysier
Abb.)‐> H
A
In der Au
1.1.2 G
Balkendi
ng in SPSS / S
1  Grafisc
2  Korrel
nekatego
apitel beschr
 
ommenal
Numerische
ren ‐> Deskri
Häkchen bei H
Abbildung 1: Di
usgabe sind i
GrafischeB
agramm 
SS 2010 – HA
che Beschrei
ationskoeffiz
orialeVar
ränkt sich au
lleKatego
eBeschreib
iptive Statisti
Häufigkeitsta
ie auszuwerten
n den ersten
eschreibun
Diagramme
Balkendiag
 
AW Hamburg
ibung ...........
zient nach Pe
riable
f Fragestellu
orienglei
bung
iken ‐> Häufi
abellen setze
nde Variable wi
n beiden Spa
ng
e ‐> Diagram
ramm ‐> unt
g – René Rei
....................
earson und S
ungen in Zusa
ichhäufig
figkeiten … ‐>
en ‐> OK. 
ird per Doppel
lten die (abs
mmerstellung
tersuchende 
neke 
....................
Spearman ....
ammenhang
gvor?
> markieren d
klick oder Klick
soluten) Häu
g ‐> Galerie (B
Variable in X
....................
....................
g mit einer ei
der auszuwe
ken+Ziehen in d
figkeiten und
Balken) ‐> Do
X‐Achse zieh
....................
....................
inzelnen kate
ertenden Var
die rechte Spalt
d Prozentwe
oppelklick au
en ‐> OK. 

....................
....................
egorialen 
riable (siehe 
 
te gelegt 
erte enthalte
uf einfaches 
. 13 
. 14 
en. 
Einführun
 
Kreisdiag
ng in SPSS / S
gramm 
SS 2010 – HA
Abbildu
 
Anschließe
Balkendiag
 
Abb
 
Eine alterna
Kreissegme
AW Hamburg
ung 2: Zu unter
nd öffnet sic
ramm, welch
ildung 3: Häufi
ative Form st
ente, deren F
g – René Rei
rsuchende Varia
ch das Ausga
hes anschließ
gkeitsverteilun
tellt das Kre
Fläche propo
neke 
able wird per K
befenster vo
ßend ggf. we
ng einer katego
isdiagramm 
ortional die H
Klicken+Ziehen 
on SPSS und 
eiterbearbeit
orialen Variable
dar. Die Kate
Häufigkeitsve
 auf die X‐Achs
man erhält d
tet werden k
e als Balkendia
egorien sind 
erteilung der

 
se gezogen 
das 
kann. 
 
gramm 
hierbei die 
r einzelnen 
Einführun
 
1.1.3 S
Über eine
signifikan
Analysier
> OK. 
Die „Erwa
Gleichver
ng in SPSS / S
Statistische
en Ein‐Stichp
nt häufiger a
ren ‐> Nichtp
artete Anzah
rteilung an. D
SS 2010 – HA
Merkmale d
 
Diagramme
Kreisdiagra
 
 
Nachteilig i
Unterschied
sich allerdin
deutlich zu 
eAnalyse
proben‐Chi‐Q
uftritt oder a
parametrisch
hl“ in der mit
Das Residuu
AW Hamburg
darstellt. 
e ‐> Diagram
amm ‐> unter
st, dass sich 
de schwer zu
ngs Beschrift
erhöhen. 
Quadrat‐Test
alle Auspräg
he Tests ‐> Ch
ttleren Spalt
m ist die Diff
g – René Rei
mmerstellung
rsuchende V
Abbildung 4: U
die tatsächl
u erkennen s
tungen auf d
t kann die Fr
ungen gleich
hi‐Quadrat ‐>
e gibt die er
ferenz der er
neke 
g ‐> Galerie (K
Variable in Au
Unbearbeitete
ichen Häufig
sind. Über An
der Kreisfläch
 
rage beantwo
h verteilt sind
> untersuche
warteten (ab
rsten beiden
Kreis/Polar) 
ufteilen nach
s Kreisdiagram
gkeiten nicht 
npassungen 
he nachtrage
ortet werden
d. 
ende Variable
bsoluten) Hä
n Spalten. 
‐> Doppelkli
h ziehen ‐> OK
mm 
t ablesen lass
an der Darst
en, um die Au
n, ob eine Au
le zu Testvari
äufigkeiten b

ck auf 
K. 
 
sen und feine
tellung lasse
ussagekraft 
usprägung 
iablen ziehen
bei einer 


n ‐
Einführun
 
Die asym
Nullhypo
Präsentat
1.2 En
Statt eine
Verteilun
statistisc
Anteilen 
1.2.1 N
Siehe „Ko
1.2.2 S
Ähnlich z
Form fest
Die Berec
Analysier
> Erwarte
in Prozen
ng in SPSS / S
mptotische Sig
othese verwo
tion). 
ntspreche
e kategoriale
ng geprüft we
he Frage ist 
in der Popul
Numerische
ommen alle 
Statistische
zum vorherig
tgelegt ist. 
chnung erfol
ren ‐> Nichtp
ete Werte m
nt!) einfügen,
SS 2010 – HA
gnifikanz ist 
orfen wird od
enHäufigk
e Variable au
erden. Beisp
dann, ob die
ation entspr
eundgrafis
Kategorien g
eAnalyse
gen Fall, jedo
lgt über: 
parametrisch
arkieren ‐> i
, jeweils per 
AW Hamburg
Abbildung 5
gleich dem p
der beizubeh
keitenbe
uf eine Gleich
piel: Erste Kat
e Anteile von
rechen.  
scheBeschr
gleich häufig 
och ist die Nu
he Tests ‐> Ch
n das Feld W
Hinzufügen 
g – René Rei
5: Chi‐Quadrat
p‐Wert und l
halten ist (nä
estimmten
hverteilung z
tegorie 30%,
n einzelnen K
reibung
vor?“, S. 2.
ullhypothese
hi‐Quadrat ‐>
Werte der Rei
bestätigen ‐
neke 
t‐Ausgabe von S
lässt uns inte
ähere Inform
nVorgabe
zu überprüfe
, zweite Kate
Kategorien in
e in diesem F
> untersuche
ihe nach die 
> OK.  
SPSS 
erpretieren, 
ationen hier
en?
en, kann auch
egorie 60%, d
n einer Stichp
all, dass die 
ende Variable
erwarteten r
 
ob die zuvor
rzu in der Po
h auf eine be
dritte Katego
probe den ta
Verteilung in
le zu Testvari
relativen Hä

r aufgestellte
werPoint‐
estimmte 
orie 10%. Die
atsächlichen 
n bestimmte
iablen ziehen
ufigkeiten (a


er 
n ‐
also 
Einführun
 
Der Outp
relativen 
Die Inter
2 Me
Im Gegen
gemeinsa
2.1 Da
 
2.1.1 N
Ein schne
erhalten 
werden. 
Analysier
Spaltenva
Optional:
ng in SPSS / S
put gibt nun a
 Häufigkeite
pretation erf
ehrereka
nsatz zum 1. 
ame Auftrete
atenbesch
Numerische
eller numeris
werden. Erg
ren ‐> Deskri
ariable einfü
: Häkchen be
SS 2010 – HA
Ab
an der Stelle
n, die erwart
folgt identisc
ategorial
Kapital werd
en von zweie
hreibung
eBeschreib
scher Überbl
gebnis in eine
iptive Statisti
ügen ‐> Butto
ei Prozentwe
AW Hamburg
bildung 6: Der 
e „Erwartete 
teten absolu
ch zum vorhe
eVariabl
den einzelne
en oder meh
bung
lick kann übe
e Matrix, in d
iken ‐> Kreuz
on „Zellen…“ 
erten setzen ‐
g – René Rei
Reihe nach we
Anzahl“ die,
uten Häufigk
erigen Fall.
len
e kategoriale
hr Variablen z
er die Erzeug
der relative w
ztabellen ‐> u
“ ‐> Häkchen 
‐> Klick auf W
neke 
erden die Werte
, auf Grund d
eiten aus. 
e Variablen n
zu beschreib
gung einer Kr
wie auch abs
untersuchen
bei „Beobac
Weiter ‐> Klic
 
e eingeben 
der eben ein
icht für sich 
ben und zu an
reuztabelle (
solute Häufig
de Variablen
chtet“ setzen
ck auf OK 
gegeben erw
untersucht, 
nalysieren. 
(auch: Kontin
gkeiten ausg
n in Zeilenvar
n im Feld „Hä

warteten 
sondern das
ngenztabelle
egeben 
riable und 
äufigkeiten“ ‐

e) 
‐> 
Einführun
 
Das Ergeb
2.1.2 G
Zur Darst
im Folgen
ng in SPSS / S
bnis sieht ist
GrafischeB
tellung eigen
nden die Erst
SS 2010 – HA
t daraufhin ä
eschreibun
nen sich idea
tellung eines
AW Hamburg
Abbildu
hnlich der fo
Abbildung
ng
lerweise gru
s gestapelten
g – René Rei
ung 7: Dialog d
olgenden Da
g 8: Exemplaris
uppierte ode
n Balkendiag
neke 
er Kreuztabelle
rstellung: 
sche Kreuztabe
r gestapelte 
gramms wied

elle 
Balkendiagr
dergegeben. 
 
ramme. Exem
 Dieses wird

 
mplarisch wir
folgt erzeug
rd 
gt: 
Einführun
 
Diagramm
Variable 
Um die A
Dazu em
Doppelkli
ng in SPSS / S
me ‐> Diagra
1 in die X‐Ac
Aussagekraft 
pfiehlt sich d
ick auf das D
SS 2010 – HA
ammerstellu
chse ziehen ‐>
zu erhöhen,
die folgende 
Diagramm ‐>
Abbild
AW Hamburg
ng ‐> in Gale
> Variable 2 
Abbildung
, kann es ma
Vorgehensw
> Optionen ‐>
dung 10: Gesta
g – René Rei
erie Balken a
in das Feld „
g 9: Gestapeltes
nchmal nütz
weise: 
> Auf 100% s
apeltes Balkend
neke 
auswählen ‐>
„Stapel: Farb
s Balkendiagram
zlich sein das
kalieren 
diagramm, auf 
> Doppelklick
be festlegen“
mm 
s Diagramm a
100% skaliert 
k auf „gestap
“ ziehen ‐> O
 
auf 100% zu
 

pelte Balken“

skalieren. 
“ ‐> 
Einführun
 
Durch die
2.2 Si
Gruppen
besteht o
Likertska
2.2.1 D
Orientier
eignet sic
2.2.2 U
Zum Eins
Analysier
ziehen ‐>
Wir erha
Interpret
Zeile Chi‐
ng in SPSS / S
ese Form de
ndzweik
unabhängig 
oder nicht. In
la untersuch
Datenbesch
rung an „Dat
ch hier das g
Unabhängig
satz kommt d
ren ‐> Deskri
> Klick auf „St
Abb
lten daraufh
tation der Erg
‐Quadrat nac
SS 2010 – HA
r Darstellung
kategorial
wird die Fra
n der Ausgan
ht werden. 
hreibung
enbeschreib
ruppierte Ba
gkeitstest
der Chi‐Quad
E
0
E
A
= Ð
iptive Statisti
tatistiken“ ‐>
bildung 11: Var
in eine Tabe
gebnisse erm
ch Pearson a
AW Hamburg
g ist ein Verg
leVariabl
ge gestellt, o
ngssituation 
bung“, S. 6 zu
alkendiagram
drat‐Unabhä
= Ðic bciJc
Ðic bciJcn
iken ‐> Kreuz
> Häkchen be
riablen per Klic
elle als Outpu
möglicht. Die
abgelesen we
g – René Rei
gleich wesen
lenunabh
ob zwischen 
können bspw
ur Anfertigun
mm. 
ngigkeitstest
cn Iorioblc
Iorioblcn s
ztabellen ‐> u
ei „Chi‐Quad
cken + Ziehen e
ut, die uns A
eser kann als
erden. 
neke 
tlich einfach
hängig?
zwei katego
w. zwei ordin
ng einer Kreu
t, der folgen
cn sinJ uno
sinJ nicbt u
untersuchen
drat“ setzen ‐
einsetzen, dann
ufschluss üb
 Wert unter 
er möglich. 
rialen Variab
nalskalierte V
uztabelle. Be
des Hypothe
bbängig. 
unobbängig
de Variablen
‐> Weiter ‐> 
n auf „Statistike
er den p‐We
„Asymptotis
blen eine Bez
Variablen in 
ei der graphis
esenpaar auf
g. 
n in Zeilen un
Klick auf OK 
en“ klicken 
ert gibt und e
sche Signifika

ziehung 
Form einer 
schen Form 
fstellt: 
nd Spalten 
 
eine 
anz“ in der 
Einführun
 
Anschließ
3 Ein
3.1 W
Folgende
untersuc
 I
 d
s
 o
 d
3.1.1 K
Klassifizie
ng in SPSS / S
ßend folgt ei
nemetris
Wiekannm
e Punkte kön
hen möchte
n welchem B
die Verteilun
sind, 
ob es ein Zen
die Daten stä
Klassifizier
eren  Wen
wie 
 
Dies
der 
dass
Wor
vorz
Klas
 
 
 
In S
vorg
wird
 
Tran
klas
auto
 
SS 2010 – HA
Abbildung 12
ne Interpret
scheVari
mandieV
nen betrach

Bereich die D
g der Werte
ntrum oder m
ärker oder w
en,Tabelle
nn nur wenig
bei einer me
s ist allerding
Praxis trifft m
s per man Hä
rkaround bie
zunehmen. D
ssenzahl k be
PSS kann üb
genommen w
d. 
nsformieren 
ssierte Variab
omatisch übe
AW Hamburg
2: Exemplarisch
tation des p‐W
iable
Verteilung
tet werden, 
Daten liegen,
innerhalb d
mehrere Zent
eniger stark 
enundHisto
ge Beobacht
etrischen Va
gs nicht prak
man häufig e
äufigkeitsver
etet es sich a
Die Anzahl de
ei n Beobacht
er die Funkti
werden, wob
‐> Visuelles K
ble bezeichne
er „Trennwe
g – René Rei
hes Ergebnis ein
Werts. 
geinerme
wenn man d

ieses Bereich
tren gibt und
variieren. 
ogramme
ungen vorlie
riable vorge
ktikabel, soba
eher auf eine
rteilung kein
an eine Klass
er Klassen ka
tungen: 
S
2
ion „Visuelle
bei die grafis
Klassieren ‐>
en unter „Kla
rte erstellen
neke 
nes Chi‐Quadra
etrischen
die Verteilun
hes, also wo 
d ob 
egen, kann e
nommen we
ald mehr als 
e große Anza
e aussagekrä
ifizierung de
ann sich an fo
< k < 2u
2
k
= √n 
es Klassieren
che Verteilu
> untersuche
assierte Vari
…“ anlegen ‐
at‐Homogenität
Variablen
ng einer metr
sie stärker u
ine einfache 
erden. 
ca. fünf Aus
ahl von Ausp
äftige Darste
r Daten durc
olgenden Fo
“ eine derart
ng direkt im 
nde Variable
able“ ‐> Tren
‐> OK 
 
tstests 
nbeschre
rischen Varia
und weniger 
e Häufigkeitsv
prägungen v
prägungen (>
ellung mehr 
ch Intervalle 
ormeln orient
tige Einteilun
 Dialogfenst
e auswählen 
nnwerte eing
10 
eiben?
ablen 
ausgeprägt 
verteilung 
vorliegen. In 
100+), so 
erhält.  Als 
tieren, mit 
ng 
er angezeigt
‐> neue, 
geben oder 

Einführun
 
Tabellen 
Histogram
ng in SPSS / S
Es g
Inte
 
Die 
wer
 
Ana
ausw
 
mme  Alte
grap
die 
Eine
 
Diag
„ein
Opti
„Par
 
SS 2010 – HA
gilt die Trenn
ervalle klassie
zuvor klassie
rden: 
alysieren ‐> D
wählen ‐> OK
ernativ kann,
phischen Dar
Darstellung o
e Klassierung
gramm ‐> Di
nfaches Histo
ional: Klasse
rameter fest
AW Hamburg
Abbild
werte so zu 
ert werden, a
erte Variable
Deskriptive St

 ohne eine v
rstellung erze
ohne Zwisch
g findet hier a
agrammerst
ogramm“ ‐> u
enzahl‐ oder b
tlegen…“ klic
g – René Rei
dung 13: Einste
wählen, das
als die übrig
e kann nun ü
tatistiken ‐> 
vorherige ma
eugt werden
henräume, da
automatisch
tellung ‐> Ka
untersuchen
breite manu
cken, anschlie
neke 
ellungen für vis
s konzentrie
en Bereiche.
ber eine reg
Häufigkeiten
anuelle Klass
n. Im Untersc
a eine metris
h statt. 
tegorie Histo
de, metrisch
ell setzen. Im
eßend Werte
uelles Klassiere
rtere Bereic

uläre Häufig
n ‐> untersuc
ierung, ein H
chied zum Ba
sche Variable
ogramm ‐> D
e Variable in
m Fenster „El
e eingeben ‐>
en 
he durch kle
gkeitstabelle 
chende Varia
Histogramm 
alkendiagram
e als Datenq
Doppelklick a
n die X‐Achse
lementeigen
> OK 
11 
einere 
ausgewerte
able 
zur 
mm, erfolgt 
uelle dient. 
auf 
e ziehen ‐> 
schaften auf


Einführun
 
3.1.2 M
Zur Besch
werden, 
Analysier
Spalte zie
ng in SPSS / S
 
Maßzahlen
hreibung ein
um Angaben
ren ‐> Deskri
ehen ‐> Klick 
SS 2010 – HA
zurBeschr
ner metrische
n über die Ve
iptive Statisti
auf „Statisti
Abbildung 
AW Hamburg
Abbildung 1
reibungder
en Variablen
erteilung zu t
iken ‐> Häufi
iken…“ ‐> rel
15: Auswahl vo
g – René Rei
14: Optionales f
rVerteilung
 können auc
treffen. 
figkeiten ‐> u
levante Lage
on zu berechne
neke 
festlegen der K
g
ch Lagemaße
untersuche Va
e‐ und Streuu
enden Lage‐ un
Klassenbreite‐ o
e und Streuu
ariable ausw
ungsmaße au
d Streuungsma
oder zahl 
ngsmaße ve
wählen und in
uswählen ‐> 
 
aßen 
12 
rwendet 
n die rechte 
Weiter ‐> OKK. 
Einführun
 
3.1.3 B
Der Boxp
Überblick
miteinan
Innerhalb
Daten. M
Stern. 
Diagramm
untersuch
4 Me
4.1 W
4.1.1 G
Zur Darst
Achse da
Diagramm
„einfache
Punktbes
und Varia
ng in SPSS / S
Boxplott
plott stellt ein
k über die Ve
der vergliche
b der Box be
Moderater Au
me ‐> Diagra
hende Variab
ehrereme
Wiestarki
GrafischeB
tellung eigne
rgestellt.  
me ‐> Diagra
es Streudiagr
schriftung üb
able 3 in das
SS 2010 – HA
ne weitere M
erteilung und
en werden. D
finden sich 5
usreißer werd
ammerstellu
ble in X‐Achs
etrische
stderZus
eschreibun
en sich Streu
ammerstellu
ramm“ ‐> Va
ber Klick auf 
s neue Feld zi
AW Hamburg
Methode zur 
d wird beson
Darüber hina
A
50% der Date
den per Krei
ng ‐> in Gale
se ziehen ‐> O
Variable
sammenh
ng
diagramme. 
ng ‐> in Gale
ariable 1 in X
Registerreite
iehen ‐> OK.
g – René Rei
graphischen
nders aussag
aus lassen sic
Abbildung 16: B
en und, eing
s und Zeilen
erie Boxplott
OK. 
en
hangzwis
 Die Werte e
erie „Streu‐/P
X‐Achse ziehe
er Punkt/Gru
neke 
n Visualisieru
gekräftig, we
ch Ausreißer
Boxplott 
eschlossen v
zahl gekennz
t auswählen 
schenzwe
einer Variabl
Punktdiagram
en, Variable 2
uppen‐ID, dan
ung dar. Er er
nn zwei Vari
r besonders e
von Box inkl. 
zeichnet, ext
‐> Doppelklic
eimetrisc
en werden je
mm“ auswäh
2 in Y‐Achse 
nn „Punkt‐ID
rlaubt einen
iablenverteil
einfach Iden
 
 Whiskern, d
treme Ausre
ck auf 1D‐Bo
chenVaria
eweils auf de
hlen ‐> Dopp
ziehen ‐> op
D‐Beschriftun
13 
 schnellen 
ungen 
ntifizieren. 
der Großteil d
eißer mit eine
oxplott ‐> 
ablen?
er X‐ und Y‐
pelklick auf 
ptional: 
ng“ anklicken
der 
em 

Einführun
 
4.1.2 K
Zur nume
Wertebe
Die Berec
Analysier
ziehen ‐>
Der ausg
ng in SPSS / S
Korrelation
erischen Bes
reich zwisch
chnung erfol
ren ‐> Korrela
> relevante Ko
egebene p‐W
SS 2010 – HA
nskoeffizien
chreibung ve
en -1 < r
lgt über: 
ation ‐> Biva
orrelationsko
Abbild
Wert kann an
AW Hamburg
Abbildung 1
ntnachPea
erwendet m
< 1 bewegt
ariat ‐> zwei z
oeffizienten 
ung 18: Eigens
nschließend 
g – René Rei
17: Exemplarisc
arsonundS
an den Korre
t. 
zu korreliere
auswählen p
chaftendialog f
interpretiert
neke 
ches Streudiagr
Spearman
elationskoeff
ende Variable
per Klick auf 
für Korrelation
t werden. 
ramm 
fizienten, de
e auswählen
Checkbox ‐>
skoeffizienten 
 
er normiert is
n und in die re
> OK. 
 
 
14 
st und sich im
echte Spalte

 

Sign up to vote on this title
UsefulNot useful