Fragebogen in SPSS auswerten: der Ablauf von den Rohdaten bis zum Hypothesentest
Die Erhebung ist abgeschlossen, du lädst den Datensatz aus deinem Umfragetool herunter, öffnest ihn in SPSS und merkst, dass du noch weit von der ersten Analyse entfernt bist. Das ist normal. Bei Fragebogenstudien steckt ein großer Teil der Arbeit in der Datenaufbereitung und genau dort passieren die Fehler, die später das gesamte Ergebnis verändern können.
Der Ablauf, wie ich ihn in der Praxis abarbeite, umfasst acht Schritte. Die Reihenfolge ist dabei kein Selbstzweck, denn jeder Schritt baut auf dem vorherigen auf:
Schritt | Was passiert | Typischer Fehler |
1. Datensatz aufbereiten | Text in Zahlen umkodieren, fehlende Werte definieren, Labels vergeben | Automatisches Umkodieren zerstört die Reihenfolge der Antwortskala |
2. Fälle ausschließen | Abbrüche, fehlende Zustimmung, Aufmerksamkeitschecks | Ausschlussregel erst nach Sichtung der Daten festgelegt |
3. Fehlende Werte | Umgang festlegen und berichten | Codes wie -9 werden als echte Werte mitgerechnet |
4. Items umpolen | Negativ formulierte Items invertieren | Umpolen vergessen, Alpha fällt auffällig niedrig aus |
5. Skalen bilden | Mittel- oder Summenwerte nach Manual | Gesamtwert gebildet, obwohl das Instrument keinen vorsieht |
6. Reliabilität | Cronbachs Alpha je Skala | Prüfung ausgelassen |
7. Deskriptive Statistik | Stichprobe und Skalenkennwerte beschreiben | Unbereinigte Stichprobe beschrieben |
8. Hypothesentests | Voraussetzungen prüfen, Verfahren rechnen | Test passt nicht zur Fragestellung |
Den Datensatz SPSS-tauglich machen
Die meisten Datensätze, die ich bekomme, stammen aus Tools wie SoSci Survey, LimeSurvey oder Unipark. Je nach Tool und Exporteinstellung sind die Daten unterschiedlich gut vorbereitet. Diese Baustellen kommen am häufigsten vor:
Antworten liegen als Text vor statt als Zahl. Statt 1, 2, 3 steht im Datensatz „nie“, „manchmal“, „häufig“. Mit Text kann SPSS nicht rechnen. Manche Tools exportieren zudem eigene Codes, bei LimeSurvey etwa „A001“ statt 1. Auch die müssen erst umkodiert werden.
Fehlende Werte sind nicht definiert. Leere Zellen, „-9“ oder „k. A.“ müssen in der Variablenansicht als fehlend markiert werden. Sonst rechnet SPSS zum Beispiel mit -9 als echtem Wert weiter.
Freitextfelder sind uneinheitlich. Wenn das Alter als Freitext abgefragt wurde, stehen im Datensatz Einträge wie „30“, „30 Jahre“ oder „Ü30“. Diese Angaben musst du vereinheitlichen, bevor du einen Mittelwert berechnen kannst.
Wertelabels fehlen. Damit in deinen Ausgaben später „weiblich“ statt nur „1“ steht, vergibst du in der Variablenansicht Wertelabels. Das macht die Ausgaben lesbar und schützt dich vor Verwechslungen.
Vorsicht bei der Funktion Automatisch umkodieren. Sie vergibt die Zahlen alphabetisch, aus „häufig, manchmal, nie, selten“ wird dann 1, 2, 3, 4. Die Reihenfolge der Antwortskala ist zerstört. Kontrolliere das Ergebnis deshalb immer oder kodiere von Hand um.
Ob du diese Schritte in Excel oder direkt in SPSS erledigst, hängt davon ab, was zu tun ist. Entscheidend ist, dass du am Ende einen sauberen Datensatz hast und nachvollziehen kannst, was du verändert hast. Wie du SPSS dafür grundsätzlich einrichtest, beschreibt der Beitrag Arbeiten mit SPSS.
Fälle ausschließen
Bevor du irgendetwas berechnest, klärst du, welche Fälle in die Auswertung gehören. Ausgeschlossen werden in der Regel diese Fälle:
Personen, die der Teilnahme nicht zugestimmt haben
Personen, die deine Ein- oder Ausschlusskriterien nicht erfüllen
Abbrüche, also Personen, die den Fragebogen nicht beendet haben
auffällig kurze Bearbeitungszeiten, falls du danach filtern möchtest
nicht bestandene Aufmerksamkeitschecks
Bei Aufmerksamkeitschecks lohnt es sich, die Regel vorher festzulegen. In der Praxis erlebe ich immer wieder, dass plötzlich 20 Personen an einem einzigen Check scheitern. Oder es gibt drei Checks und wer nur einen davon falsch beantwortet hat, soll ausgeschlossen werden. Dann schrumpft die Stichprobe schnell deutlich. Wenn du erst nach Sichtung der Daten entscheidest, wie streng du bist, lässt sich das im Nachhinein schwer begründen. Leg die Regel also fest, bevor du die Daten auswertest, und berichte sie in deinem Methodenteil.
Mit fehlenden Werten umgehen
Für Abschlussarbeiten ist der pragmatischste Weg oft, Fälle mit fehlenden Werten aus den betroffenen Analysen auszuschließen und das offen zu berichten. Noch besser ist es, fehlende Werte schon beim Aufbau des Fragebogens so weit wie möglich zu vermeiden. Mehr dazu findest du im Beitrag Fehlende Werte und Ausreißer: was du damit machen darfst.
Invertierte Items umkodieren
Viele Fragebögen enthalten negativ formulierte Items. Bevor du Skalenwerte bildest, müssen diese umgepolt werden. Bei einer fünfstufigen Skala wird aus 1 eine 5, aus 2 eine 4 und so weiter. In der Syntax sieht das zum Beispiel so aus:
RECODE item03 item07 (1=5) (2=4) (3=3) (4=2) (5=1) INTO item03_r item07_r.
EXECUTE.Leg dafür neue Variablen an, statt die Originalvariablen zu überschreiben. So kannst du jederzeit prüfen, ob die Umkodierung stimmt. Wird dieser Schritt vergessen, fällt das oft erst bei der Reliabilitätsanalyse auf, etwa an einem auffällig niedrigen oder sogar negativen Cronbachs Alpha.
Skalen nach dem Manual bilden
Bei diesem Schritt passieren in der Praxis die folgenreichsten Fehler. Die wichtigste Regel lautet deshalb, vor der Berechnung der Skalenwerte ins Manual des Fragebogens zu schauen. Dort steht,
welche Items zu welcher Skala gehören,
welche Items invertiert werden müssen,
ob ein Mittelwert oder ein Summenwert gebildet wird,
ob es überhaupt einen Gesamtwert gibt oder nur Subskalen.
Gerade der letzte Punkt wird häufig übersehen. In der Hypothese steht zum Beispiel „Wohlbefinden“, das Instrument misst aber nur einzelne Facetten davon und sieht keinen Gesamtwert vor. Wer dann trotzdem einfach alle Items zu einem Mittelwert zusammenfasst, rechnet mit einer Skala, die es so nicht gibt. Manche Instrumente verlangen außerdem aufwendigere Berechnungen, die über einen einfachen Mittelwert hinausgehen. Einen einfachen Mittelwert bildest du in SPSS so:
COMPUTE wohlbefinden = MEAN(item01, item02, item03_r, item04).
EXECUTE.Ob Likert-Items überhaupt gemittelt werden dürfen, ist eine eigene Frage. Was dafür und dagegen spricht, beschreibt der Beitrag Darf man Likert-Daten mitteln?
Du bist unsicher, ob deine Skalen dem Manual entsprechen? In der statistischen Auswertung prüft StatistikWunder die Skalenbildung, bevor auch nur ein Hypothesentest gerechnet wird.
Reliabilität prüfen
Für jede gebildete Skala prüfst du anschließend die interne Konsistenz, in der Regel mit Cronbachs Alpha. Wie das geht und wie du das Ergebnis interpretierst, erkläre ich im Beitrag Cronbachs Alpha berechnen und interpretieren.
Stichprobe und deskriptive Statistik beschreiben
Jetzt beschreibst du deine bereinigte Stichprobe, also Größe, Alter, Geschlecht und weitere relevante Merkmale, und berechnest die deskriptiven Kennwerte deiner Skalen. Wie du diese Werte übersichtlich darstellst, zeigt der Beitrag APA-Tabellen erstellen.
Voraussetzungen prüfen und Hypothesen testen
Erst jetzt beginnen die eigentlichen Analysen. Welches Verfahren zu deiner Fragestellung passt, erfährst du im Beitrag Welcher statistische Test ist der richtige? Vor jedem Test prüfst du dessen Voraussetzungen.
Warum du mit Syntax arbeiten solltest
Ich empfehle, die gesamte Auswertung über die Syntax zu steuern. Das klingt aufwendiger, als es ist, denn in fast jedem SPSS-Dialog gibt es den Button Einfügen. Er schreibt den passenden Befehl in ein Syntaxfenster, statt ihn sofort auszuführen.
Der Vorteil zeigt sich spätestens, wenn du einen Fehler entdeckst. Hast du etwa ein Item falsch umkodiert, korrigierst du mit Syntax eine Zeile und lässt alles erneut laufen. Ohne Syntax klickst du dich durch jede Analyse noch einmal. Außerdem kannst du Analysen einfach duplizieren und für andere Variablen anpassen.
Ein Fall aus der Praxis
Eine Kundin kam mit fertigen Analysen zu mir. Beim Durchsehen fehlten allerdings Voraussetzungstests und Reliabilitätsanalysen, die ich ergänzen sollte.
Bei der Reliabilitätsanalyse zeigte sich, dass die Items der Skalen nicht zusammenpassten. Die Skalen waren ohne Blick ins Manual gebildet worden. Zwei der drei Instrumente sahen gar keinen Gesamtwert vor, sondern bestanden aus mehreren Subskalen. Statt drei Konstrukten waren es am Ende rund zehn.
Skalenbildung und sämtliche Analysen mussten deshalb neu gerechnet werden und die bisherigen Ergebnisse waren nicht zu gebrauchen. Aus diesem Grund beschreibe ich die Skalenbildung so ausführlich. Ein Fehler an dieser Stelle zieht sich durch die gesamte Arbeit und keine noch so saubere Analyse gleicht ihn später aus.
Häufige Fragen zur Fragebogenauswertung in SPSS
Bilde ich Skalen als Mittelwert oder als Summenwert?
Das legt das Manual des Fragebogens fest. Mittelwerte haben den Vorteil, dass sie auf der ursprünglichen Antwortskala bleiben und einzelne fehlende Items besser verkraften. Weicht das Manual davon ab, hältst du dich an das Manual.
Wie gehe ich mit Abbrechern um?
Personen, die den Fragebogen nicht beendet haben, schließt du in der Regel aus und berichtest ihre Zahl im Methodenteil. Fehlen nur einzelne Angaben, entscheidest du je Analyse, wie du damit umgehst. Mehr dazu beschreibt der Beitrag Fehlende Werte und Ausreißer.
Muss ich mit Syntax arbeiten oder reicht das Menü?
Das Menü reicht technisch aus. Mit Syntax ist deine Auswertung aber nachvollziehbar und lässt sich nach einer Korrektur mit wenigen Klicks vollständig neu rechnen. Über den Button Einfügen erzeugst du die Syntax direkt aus den Dialogen.
Was mache ich, wenn Cronbachs Alpha zu niedrig ist?
Prüf zuerst, ob alle invertierten Items umgepolt und die Skalen nach Manual gebildet wurden, denn das ist die häufigste Ursache. Liegt der Wert danach immer noch niedrig, berichtest du ihn offen und ordnest ihn in der Diskussion ein. Einzelne Items solltest du nur mit guter Begründung entfernen.
Kann ich den Fragebogen auch in R auswerten?
Ja, der Ablauf ist derselbe, nur die Befehle unterscheiden sich. Einen Einstieg in R bietet der Beitrag Einführung in RStudio.
Fragebogendaten sauber auswerten lassen Wir übernehmen Aufbereitung, Umpolung, Skalenbildung, Reliabilitätsprüfung und Hypothesentests als statistische Auswertung für deine Abschlussarbeit, dokumentiert per Syntax. Im Abschlussgespräch erklären wir dir, welche Entscheidungen wir getroffen haben und warum.
