SPSS-Auswertung der Bachelorarbeit in 5 Schritten

Die Daten sind erhoben, der Datensatz steht — und dann sitzt du vor SPSS und weißt nicht, welchen Knopf du drücken sollst. Das eigentliche Problem ist selten die Software. Es ist die Frage, welches Verfahren zu deiner Fragestellung und zu deinen Daten passt, und wie du das Ergebnis so berichtest, dass deine Betreuung es nachvollziehen kann. Diese Anleitung führt dich von der Variablenliste bis zum fertigen Ergebnisteil — mit einer Entscheidungstabelle für die Verfahrenswahl und den Kennwerten, die wirklich in den Text gehören. Sie funktioniert für SPSS, JASP und R gleichermaßen, denn die Logik dahinter ist immer dieselbe.

Schritt 1: Fragestellung und Skalenniveau entscheiden über das Verfahren — nicht die Software

Bevor du ein Programm öffnest, brauchst du zwei Antworten. Erstens: Welche Art von Frage stellst du? Fast alle Bachelorarbeiten lassen sich auf drei Grundtypen zurückführen.

• Unterschied: Unterscheiden sich zwei oder mehr Gruppen in einem Merkmal? („Bewerten Studierende im Präsenz- und im Online-Format die Lehrqualität unterschiedlich?")
• Zusammenhang: Hängen zwei Merkmale miteinander zusammen? („Geht höhere Lernzeit mit besseren Noten einher?")
• Vorhersage: Wie gut erklären mehrere Merkmale gemeinsam ein Zielmerkmal? („Wie viel Varianz der Prüfungsangst erklären Vorbereitungszeit und Selbstwirksamkeit?")

Zweitens: Welches Skalenniveau haben deine Variablen? Nominal bedeutet reine Kategorien ohne Rangfolge (Studiengang, Geschlecht). Ordinal bedeutet eine Rangfolge ohne gleiche Abstände (Schulnote, Rangplatz). Metrisch bedeutet gleiche Abstände und sinnvolle Mittelwerte (Alter in Jahren, Punktwert einer Skala). Diese Einordnung ist keine Formalie: Sie schließt die meisten Verfahren aus, bevor du überhaupt anfängst. Einen Mittelwert über Studiengänge zu bilden ist genauso sinnlos wie ein Chi-Quadrat-Test über Altersangaben in Jahren.

Die Methodenberatung der Universität Zürich bildet genau diese Logik in einem interaktiven Entscheidungsbaum ab: Forschungsziel plus Skalenniveau plus Verteilungsannahme ergeben das Verfahren. Wenn du die drei Angaben für deine Hypothesen sauber notierst, ist die Verfahrenswahl fast schon erledigt.

Halte an dieser Stelle für jede Hypothese eine Zeile fest: unabhängige Variable, abhängige Variable, Skalenniveau, erwartete Richtung. Diese Liste ist später die Gliederung deines Ergebnisteils. Wenn du deine Erhebung noch planst oder den Fragebogen gerade baust, lohnt vorher ein Blick auf die 6 Schritte zum Fragebogen für die Bachelorarbeit — die Auswertung wird genau so gut, wie die Erhebung vorbereitet war.

Schritt 2: Den Datensatz aufräumen, bevor du rechnest

Der häufigste Grund für merkwürdige Ergebnisse ist ein unaufgeräumter Datensatz. Vier Dinge gehören erledigt, bevor der erste Test läuft:

1. Variablen benennen und labeln. Kurze, sprechende Namen (alter, sw_01), dazu ein Variablenlabel im Klartext und Wertelabels für alle Kategorien. Ohne Labels ist dein Output in zwei Wochen nicht mehr lesbar — und im Anhang für die Prüfung erst recht nicht.
2. Fehlende Werte definieren. Lege einen eindeutigen Code fest (etwa −99) und deklariere ihn als fehlend, statt leere Zellen zu lassen. Halte im Text fest, wie viele Fälle betroffen sind und ob du fall- oder paarweise ausschließt. Das ist eine berichtspflichtige Entscheidung, keine stille Voreinstellung.
3. Invertierte Items umkodieren. Negativ formulierte Items müssen vor der Skalenbildung gedreht werden. Kontrolliere danach stichprobenartig einzelne Fälle: Eine vergessene Umkodierung zerstört jede Reliabilität und fällt sonst erst in der Verteidigung auf.
4. Auffällige Werte prüfen, nicht blind löschen. Unplausible Werte (Alter 211) sind Eingabefehler und gehören korrigiert oder als fehlend markiert. Echte Extremwerte dagegen sind Daten. Wenn du Fälle ausschließt, brauchst du eine inhaltliche Begründung und musst die Zahl der Ausschlüsse berichten.

Bildest du aus mehreren Items eine Skala, prüfe vor der Mittelwertbildung die interne Konsistenz (üblicherweise Cronbachs Alpha) und berichte den Wert später im Methodenteil. Erst danach entsteht die Skalenvariable, mit der du weiterrechnest.

Schritt 3: Verfahren wählen — die Entscheidungstabelle

Die folgende Tabelle deckt die Verfahren ab, die in Bachelorarbeiten den größten Teil der Auswertungen ausmachen. Die rechte Spalte nennt jeweils die verteilungsfreie Alternative, falls die Voraussetzungen nicht erfüllt sind.

Voraussetzungen prüfen statt hoffen

Zu jedem parametrischen Verfahren gehören Annahmen, und deren Prüfung gehört in den Ergebnisteil — in zwei Sätzen, nicht auf zwei Seiten. Für t-Test und ANOVA sind das die Verteilung der abhängigen Variable in den Gruppen (Histogramm, Q-Q-Diagramm, bei kleinen Stichproben ergänzend der Shapiro-Wilk-Test) und die Varianzhomogenität (Levene-Test). Für die Regression kommen Linearität, Ausreißerdiagnostik und Multikollinearität dazu; letztere prüfst du über den VIF-Wert.

Wenn eine Annahme verletzt ist, ist das kein Scheitern, sondern eine Entscheidung, die du begründest: verteilungsfreies Verfahren nutzen, eine Korrektur anwenden (etwa Welch-Korrektur bei ungleichen Varianzen) oder die Einschränkung offen in die Diskussion schreiben. Prüfende bewerten die Begründung, nicht die Signifikanz.

Welches Programm du benutzt, ist für die Bewertung zweitrangig. Viele Hochschulen stellen SPSS über eine Campuslizenz bereit; wenn deine ausläuft, ist JASP eine kostenlose, quelloffene Alternative, die von der Universität Amsterdam getragen wird, für Windows, macOS und Linux verfügbar ist und ihre Ergebnistabellen bereits im APA-Format ausgibt. R ist mächtiger und ebenfalls kostenlos, verlangt aber mehr Einarbeitung. Entscheidend ist, dass du in einem Werkzeug bleibst und dokumentierst, welche Version du benutzt hast.

Schritt 4: Ergebnisse korrekt berichten — die Kennwerte, die in den Text gehören

Im Ergebnisteil steht kein SPSS-Screenshot und kein roher Output. Es steht der Kennwert, die Prüfgröße mit Freiheitsgraden, der exakte p-Wert und ein Maß für die Stärke des Effekts. Die Journal Article Reporting Standards der APA sind hier deutlich: Zu jedem inferenzstatistischen Test gehören eine Effektstärke und, wo möglich, ein Konfidenzintervall — ein p-Wert allein ist kein Ergebnis.

Für die Schreibweise gilt der Numbers and Statistics Guide der APA: p-Werte werden exakt angegeben, erst unterhalb von .001 als p < .001. Bei Kennwerten, die den Wert 1 nicht überschreiten können (p, r, β), entfällt die führende Null. Statistische Symbole werden kursiv gesetzt. Prüfe zusätzlich die Vorgaben deines Instituts — einige Fächer weichen bewusst von der APA ab.

Ein korrekt berichtetes Ergebnis liest sich dann so: „Studierende im Online-Format bewerteten die Lehrqualität niedriger (M = 3.42, SD = 0.81) als Studierende im Präsenzformat (M = 3.89, SD = 0.76), t(118) = 3.27, p = .001, d = 0.60." Beschreibung, Prüfgröße, p-Wert, Effektstärke — in einem Satz, ohne Interpretation. Die Deutung folgt erst in der Diskussion.

Zwei Fehler kosten regelmäßig Punkte: Ein nicht signifikantes Ergebnis ist kein Beleg dafür, dass es keinen Unterschied gibt — es heißt, dass die Daten für eine Aussage nicht ausreichen. Und ein signifikanter Zusammenhang ist keine Kausalität, solange du nicht experimentell manipuliert hast. Beides gehört sauber formuliert, sonst korrigiert es die Bewertung.

Schritt 5: Nachvollziehbarkeit sichern — Syntax, Versionen, Anhang

Eine Auswertung, die niemand nachvollziehen kann, ist wissenschaftlich wertlos. Der DFG-Kodex „Leitlinien zur Sicherung guter wissenschaftlicher Praxis" macht Nachvollziehbarkeit zum Kern guter Praxis: Forschungsdaten und zentrale Materialien werden so aufbewahrt und zugänglich gehalten, dass Ergebnisse überprüfbar bleiben — in der Regel für zehn Jahre. Für deine Abschlussarbeit heißt das konkret:

• Klicke nicht, schreibe mit. In SPSS erzeugt jeder Dialog über „Einfügen" den passenden Syntax-Befehl; sammle diese Befehle in einer Syntaxdatei und speichere sie. In R ist das Skript ohnehin die Arbeitsgrundlage, JASP hält Datensatz und Analysen in einer Projektdatei zusammen. Der Nutzen zeigt sich spätestens, wenn du nach dem Betreuungsgespräch drei Fälle ausschließt und alles neu rechnen musst.
• Dokumentiere Versionen und Entscheidungen. Programm samt Versionsnummer, Umgang mit fehlenden Werten, Ausschlusskriterien, Umkodierungen — das gehört in den Methodenteil, nicht in den Ergebnisteil.
• Baue einen brauchbaren Anhang. Codebuch, Syntax beziehungsweise Skript, ergänzende Tabellen. Der Rohdatensatz kommt nur hinein, wenn Datenschutz und Prüfungsordnung es zulassen — bei personenbezogenen Daten gehören sie anonymisiert oder gar nicht in die Arbeit.

Wie diese Angaben in den Fließtext eingebettet werden, zeigt der Ratgeber zum Methodenteil mit Aufbau, Angaben und Gütekriterien. Und wenn du qualitativ statt quantitativ arbeitest, ist die Auswertung von Experteninterviews vom Leitfaden zur Kategorie das passende Gegenstück zu dieser Anleitung.

Wenn die Statistik selbst das Problem ist

Manchmal scheitert die Auswertung nicht an der Software, sondern daran, dass die Verfahren aus der Statistikvorlesung nie richtig saßen. Dann hilft kein weiteres Tutorial zur Menüführung, sondern das Verständnis dahinter: Was misst ein p-Wert eigentlich, warum braucht die ANOVA Post-hoc-Tests, was sagt R² aus. Für den Aufbau dieses Fundaments gibt es den Ratgeber Statistik lernen im Studium in 6 Schritten; wer vor einer Statistikklausur steht, findet die passende Vorbereitung unter Klausurvorbereitung Mathe und Statistik.

Genau an dieser Stelle kann Learnboost dir Arbeit abnehmen: Lade dein Methodenskript oder die Statistikfolien hoch, lass dir daraus eine Zusammenfassung der Verfahren erstellen und dir vom KI-Tutor die Stellen erklären, an denen du hängst — Punkt für Punkt am eigenen Material statt an einem fremden Beispiel. Deine Daten wertet Learnboost nicht aus; das bleibt deine Aufgabe in SPSS, JASP oder R. Aber das Verständnis, das du dafür brauchst, kannst du dir damit deutlich schneller aufbauen. Lade dein Methodenskript hoch und starte mit der Zusammenfassung, bevor du den Ergebnisteil schreibst.