Fragebogen auswerten mit SPSS: Komplette Anleitung für Studierende

---

Sie haben Ihren Fragebogen verteilt, die Rückläufer gesammelt – und jetzt? Die Auswertung eines Fragebogens in SPSS folgt einem klaren Ablauf, der sich für Bachelorarbeiten, Masterarbeiten und Projektarbeiten gleichermaßen bewährt hat. Diese Anleitung führt Sie durch jeden Schritt, von der Dateneingabe bis zur fertigen Ergebnisdarstellung.

Schritt 1: Codebuch erstellen – bevor Sie SPSS überhaupt öffnen

Der häufigste Fehler passiert vor der ersten Eingabe: Studierende tippen Daten in SPSS ein, ohne vorher ein Codebuch angelegt zu haben. Ein Codebuch definiert für jede Frage im Fragebogen, welche Variable sie darstellt, wie die Antworten kodiert werden und welches Skalenniveau vorliegt.

Ein Beispiel: Ihre Frage lautet „Wie zufrieden sind Sie mit der Betreuung?” mit fünf Antwortoptionen von „sehr unzufrieden” bis „sehr zufrieden”. Im Codebuch halten Sie fest:

• Variablenname: Zufriedenheit_Betreuung
• Kodierung: 1 = sehr unzufrieden, 2 = eher unzufrieden, 3 = neutral, 4 = eher zufrieden, 5 = sehr zufrieden
• Skalenniveau: ordinal (oder metrisch, wenn Sie die Skala als intervallskaliert behandeln – das muss methodisch begründet werden)
• Fehlender Wert: 99 = keine Angabe

Ohne Codebuch verlieren Sie spätestens bei 30 oder mehr Variablen den Überblick. Und Ihr Betreuer wird nachfragen, was „VAR00017″ bedeutet.

Schritt 2: Daten eingeben oder importieren

Wenn Sie mit einem Online-Tool wie LimeSurvey, SoSci Survey oder Google Forms gearbeitet haben, exportieren Sie die Daten als CSV- oder Excel-Datei und importieren sie über Datei → Öffnen → Daten. Kontrollieren Sie nach dem Import drei Dinge:

Erstens: Sind die Variablennamen korrekt übernommen oder stehen dort kryptische Kürzel? Benennen Sie diese in der Variablenansicht um, sodass sie sprechend sind.

Zweitens: Stimmt die Anzahl der Fälle? Wenn Ihr Fragebogen 150 Rückläufer hatte, müssen in SPSS auch 150 Zeilen stehen. Abweichungen deuten auf Importfehler hin.

Drittens: Sind fehlende Werte als solche erkennbar? Leere Zellen, Nullen oder Codes wie 99 müssen in der Variablenansicht unter „Fehlende Werte” definiert werden, sonst verzerren sie jede Berechnung.

Bei Papierfragebögen geben Sie die Daten manuell ein. Planen Sie dafür deutlich mehr Zeit ein als erwartet – bei 150 Fragebögen mit 40 Fragen sind das 6.000 Datenpunkte. Ein Tipp: Lassen Sie eine zweite Person stichprobenartig 10 % der Eingaben gegenprüfen.

Schritt 3: Datenbereinigung – die unterschätzte Phase

Bevor Sie mit der eigentlichen Analyse beginnen, prüfen Sie Ihre Daten auf Plausibilität. Lassen Sie sich dafür die Häufigkeiten aller Variablen ausgeben (Analysieren → Deskriptive Statistiken → Häufigkeiten). Was Sie suchen:

Werte außerhalb des gültigen Bereichs. Wenn Ihre Skala von 1 bis 5 geht, darf kein Wert von 6 oder 0 existieren. Solche Einträge sind Tippfehler und müssen korrigiert oder als fehlend kodiert werden.

Auffällige Muster. Wenn ein Teilnehmer bei 40 Fragen jedes Mal exakt die gleiche Antwort gegeben hat (z. B. durchgehend 3), deutet das auf Straightlining hin – die Person hat den Fragebogen nicht ernsthaft ausgefüllt. Solche Fälle sollten Sie begründet ausschließen.

Extrem kurze Bearbeitungszeiten. Viele Online-Tools erfassen die Ausfüllzeit. Wenn jemand einen 40-Fragen-Bogen in 45 Sekunden ausgefüllt hat, ist das kein valider Datensatz.

Schritt 4: Reliabilitätsanalyse – Cronbachs Alpha berechnen

Wenn Ihr Fragebogen Skalen enthält (z. B. fünf Fragen, die zusammen „Arbeitszufriedenheit” messen), müssen Sie die interne Konsistenz dieser Skalen prüfen. Das geht über Analysieren → Skalierung → Reliabilitätsanalyse. Wählen Sie alle Items einer Skala aus und lassen Sie Cronbachs Alpha berechnen.

Ein Alpha-Wert ab .70 gilt als akzeptabel, ab .80 als gut. Liegt der Wert deutlich darunter, prüfen Sie in der Spalte „Cronbachs Alpha, wenn Item gelöscht”, ob ein einzelnes Item die Reliabilität drückt. Manchmal reicht es, ein schlecht formuliertes Item zu entfernen.

Vergessen Sie nicht: Negativ formulierte Items müssen vor der Reliabilitätsanalyse umkodiert werden. Wenn vier Items „stimme zu” als hohe Zufriedenheit kodieren und ein Item umgekehrt formuliert ist, müssen Sie dieses Item invertieren (Transformieren → Umkodieren in andere Variablen). Ohne Umkodierung ist Ihr Alpha-Wert wertlos.

Schritt 5: Skalenmittelwerte bilden

Nach der Reliabilitätsprüfung fassen Sie die einzelnen Items zu Skalenwerten zusammen. Verwenden Sie dafür Transformieren → Variable berechnen. Für eine Skala aus fünf Items lautet die Formel:

MEAN(Item1, Item2, Item3, Item4, Item5)

Verwenden Sie MEAN statt der manuellen Berechnung (Item1 + Item2 + …) / 5. Der Grund: MEAN berechnet den Mittelwert auch dann, wenn einzelne Werte fehlen. Die manuelle Division liefert bei einem einzigen fehlenden Wert ein systemdefiniert fehlendes Ergebnis.

Diese berechneten Skalenmittelwerte sind Ihre eigentlichen Analysevariablen. Mit ihnen testen Sie im nächsten Schritt Ihre Hypothesen.

Schritt 6: Hypothesen testen – das richtige Verfahren wählen

Die Wahl des statistischen Tests hängt von zwei Fragen ab: Welches Skalenniveau haben Ihre Variablen, und was genau wollen Sie prüfen?

Unterschiede zwischen zwei Gruppen prüfen (z. B. „Unterscheiden sich Männer und Frauen in ihrer Arbeitszufriedenheit?”): Verwenden Sie den t-Test für unabhängige Stichproben (Analysieren → Mittelwerte vergleichen → t-Test bei unabhängigen Stichproben). Voraussetzung: Die abhängige Variable ist metrisch und annähernd normalverteilt. Prüfen Sie die Normalverteilung über den Shapiro-Wilk-Test und die Varianzhomogenität über den Levene-Test, den SPSS automatisch mitliefert.

Unterschiede zwischen drei oder mehr Gruppen prüfen (z. B. „Unterscheidet sich die Zufriedenheit je nach Studiengang?”): Verwenden Sie die einfaktorielle ANOVA (Analysieren → Mittelwerte vergleichen → Einfaktorielle ANOVA). Bei signifikantem Ergebnis zeigt ein Post-hoc-Test (z. B. Bonferroni oder Tukey), welche Gruppen sich konkret unterscheiden.

Zusammenhänge zwischen zwei metrischen Variablen prüfen (z. B. „Hängt die Studiendauer mit der Zufriedenheit zusammen?”): Verwenden Sie die Pearson-Korrelation (Analysieren → Korrelation → Bivariat). Bei ordinalskalierten Variablen nehmen Sie stattdessen Spearmans Rangkorrelation.

Einfluss mehrerer Variablen gleichzeitig prüfen (z. B. „Welche Faktoren sagen die Arbeitszufriedenheit vorher?”): Verwenden Sie eine multiple lineare Regression (Analysieren → Regression → Linear). Hier können Sie mehrere Prädiktoren gleichzeitig einschließen und deren relativen Beitrag vergleichen.

Schritt 7: Ergebnisse aufbereiten – nicht den SPSS-Output kopieren

SPSS-Tabellen gehören nicht in Ihre Arbeit. Erstellen Sie eigene Tabellen, die den Anforderungen Ihres Fachbereichs entsprechen. Für die meisten sozialwissenschaftlichen Arbeiten gelten die APA-Richtlinien.

Eine Korrelationstabelle enthält: Mittelwerte und Standardabweichungen aller Variablen, die Korrelationskoeffizienten mit Signifikanzkennzeichnung (* für p < .05, ** für p < .01) und die Stichprobengröße. Für Regressionen berichten Sie B, SE, β, t, p und R² – plus das Gesamtmodell (F-Test, Freiheitsgrade).

Ergänzen Sie jede Tabelle durch einen Fließtext, der die wichtigsten Befunde zusammenfasst. Eine Tabelle allein sagt nichts – die Interpretation ist Ihre Leistung.

Typischer Zeitplan für die Fragebogen-Auswertung

Unterschätzen Sie den Zeitaufwand nicht. Für eine Bachelorarbeit mit einem standardisierten Fragebogen und 150 Teilnehmern sollten Sie realistisch einplanen: zwei bis drei Tage für Dateneingabe und Codebuch, einen Tag für Datenbereinigung, einen Tag für Reliabilitätsanalyse und Skalenbildung, zwei bis drei Tage für Hypothesentests und Ergebnisaufbereitung, und einen zusätzlichen Puffer von zwei Tagen für Korrekturen und Rückfragen vom Betreuer.

Insgesamt also rund sieben bis zehn Arbeitstage. Bei komplexeren Designs (z. B. Messwiederholungen, Mediationsanalysen) entsprechend mehr.

Wenn die Zeit knapp wird

Eine saubere Fragebogen-Auswertung braucht Sorgfalt in jedem einzelnen Schritt. Wer unter Zeitdruck steht oder bei der Methodenwahl unsicher ist, kann die SPSS-Auswertung auch von erfahrenen Statistikern durchführen lassen – von der Datenbereinigung bis zum fertigen Ergebniskapitel.