Statistische Auswertung Ihrer Daten in SPSS und R

Warum die Auswertung so oft zur Hürde wird

Die statistische Auswertung erhobener Daten, etwa im Rahmen eines Fragebogens oder einer anderen Umfrage, ist für viele Studenten und Doktoranden eine der größten Hürden ihrer Abschlussarbeit. In den letzten Jahren hat die Bedeutung statistischer Auswertungen in wissenschaftlichen Arbeiten deutlich zugenommen, ein fundiertes statistisches Know-how ist damit praktisch unverzichtbar geworden.

Einfache Mittelwertsvergleiche von Messergebnissen sind heute wenig aussagekräftig. Gefordert sind detaillierte Analysen, deren Voraussetzungen geprüft und deren Ergebnisse korrekt eingeordnet sind. Damit die Validität der Ergebnisse nicht in Frage gestellt wird, sind schon vor Beginn der Auswertung einige grundlegende Überlegungen erforderlich: Bei einer Vielzahl von Tests muss vorab die Verteilungsform bestimmt werden, denn sie legt fest, welche Testverfahren verwendet werden dürfen und welche nicht.

Beides nehmen wir Ihnen ab. Wir arbeiten mit lizenzierter Software, Sie benötigen selbst keine Lizenz. Sie liefern Ihre Daten, in der Regel als Excel-, CSV- oder SPSS-Datei, und erhalten eine vollständige Auswertung samt Interpretation zurück.

Ob Bachelorarbeit, Masterarbeit, Dissertation oder Unternehmensprojekt: Der methodische Anspruch unterscheidet sich, das Grundproblem bleibt dasselbe. Für Studierende und Promovierende bieten wir darüber hinaus eigene Ratgeber-Seiten mit spezifischen Hinweisen, etwa zur Bachelorarbeit, zur Masterarbeit oder zur Dissertation. Unternehmen finden spezifische Hinweise unter anderem zur Kundenbefragung und zur Mitarbeiterbefragung.

Ihre Daten werden dabei ausschließlich für Ihr Projekt verwendet, vertraulich behandelt und nicht an Dritte weitergegeben. Auf Wunsch werden sie nach Projektabschluss gelöscht, auf Anfrage auch im Rahmen einer Vertraulichkeitsvereinbarung.

Was Sie am Ende bekommen

Wir liefern nicht nur Zahlen, sondern eine Auswertung, mit der Sie arbeiten können. Bei wissenschaftlichen Arbeiten heißt das: Sie müssen jedes Ergebnis im Kolloquium erklären können. Bei Unternehmensprojekten heißt es: Ihre Kollegen müssen die Befunde ohne Statistikstudium verstehen.

Die Auswertung deckt nahezu jeden quantitativ arbeitenden Fachbereich ab, von Medizin, Psychologie und Wirtschaftswissenschaften bis hin zu Sozial- und Naturwissenschaften. Unabhängig vom Fachbereich gilt dieselbe Sorgfalt: Verfahren werden nicht aus Gewohnheit gewählt, sondern weil sie zur konkreten Fragestellung und zum Skalenniveau der Daten passen.

t-Test

Der t-Test prüft, ob sich die Mittelwerte zweier Gruppen signifikant unterscheiden, etwa eine Interventions- und eine Kontrollgruppe. Voraussetzung ist eine metrische Zielvariable sowie, je nach Stichprobengröße, eine annähernde Normalverteilung. Es gibt zwei Varianten: den t-Test für unabhängige Stichproben, wenn zwei getrennte Gruppen verglichen werden, und den t-Test für verbundene Stichproben, wenn dieselben Personen zu zwei Zeitpunkten gemessen werden. Wichtig dabei: ein signifikantes Ergebnis ist nicht automatisch ein relevantes, mehr dazu im Beitrag Signifikant heißt nicht relevant.

ANOVA

Die Varianzanalyse (ANOVA) erweitert den t-Test auf drei oder mehr Gruppen und prüft, ob sich mindestens eine Gruppe von den übrigen unterscheidet. Bei mehreren unabhängigen Variablen kommt die mehrfaktorielle ANOVA zum Einsatz, die zusätzlich Wechselwirkungen zwischen den Faktoren aufdecken kann, etwa ob ein Effekt nur in Kombination zweier Bedingungen auftritt.

Regression

Regressionsmodelle prüfen, wie stark eine oder mehrere unabhängige Variablen eine Zielgröße vorhersagen. Die lineare Regression eignet sich für metrische Zielgrößen, die logistische Regression für binäre Ergebnisse wie "trifft zu" oder "trifft nicht zu". Bei mehreren Prädiktoren lässt sich zusätzlich prüfen, welcher Faktor den größten eigenständigen Beitrag zur Vorhersage leistet.

Faktorenanalyse

Die Faktorenanalyse fasst viele Einzelvariablen, die stark miteinander korrelieren, zu wenigen zugrundeliegenden Faktoren zusammen. Sie wird häufig bei umfangreichen Fragebögen eingesetzt, um zu prüfen, wie viele unabhängige Konstrukte ein Instrument tatsächlich misst, bevor die einzelnen Skalen weiter ausgewertet werden. Mehr dazu in unserem Beitrag zur Fragebogen Auswertung.

SPSS ist menügetührt, an den meisten Hochschulen etabliert und deckt die klassischen Verfahren wie t-Test, ANOVA oder Regression zuverlässig ab, ohne dass Programmierkenntnisse nötig sind. Für die deutliche Mehrheit der Abschlussarbeiten und betrieblichen Auswertungen ist SPSS damit die richtige Wahl. Entscheidend ist am Ende nicht, welches Programm auf dem Deckblatt Ihrer Methodik steht, sondern ob die gewählten Verfahren zu Ihrer Fragestellung passen und korrekt angewendet wurden.

R ist quelloffen, deutlich flexibler und eignet sich besonders für sehr große Datensätze, reproduzierbare Auswertungsskripte und Verfahren, die SPSS nicht oder nur eingeschränkt abbildet. Der Umstieg lohnt sich vor allem, wenn Ihre Hochschule R ausdrücklich vorschreibt oder Ihr Projekt sehr spezielle Modelle erfordert. Einen ausführlichen Vergleich finden Sie im Beitrag SPSS oder R: Was ist besser?. Wir arbeiten je nach Projekt mit beiden Programmen und wählen die Software, die zu Ihrer Fragestellung passt, statt Ihnen ein Programm aufzuzwingen, nur weil wir es gewohnt sind.