Alle Kategorien
Suche

Varianzanalyse in SPSS - Anleitung

Es gibt viele Situationen, in denen große Datenmengen analysiert werden müssen. Dabei kann es notwendig sein, mithilfe von SPSS eine Varianzanalyse zu berechnen. Wie sollten Sie dabei vorgehen, um valide Ergebnisse zu erreichen?

Statistiken mit SPSS berechnen.
Statistiken mit SPSS berechnen. © Gerd_Altmann / Pixelio

Was Sie benötigen:

  • Daten im SPSS-Format (*.sav)
  • Software SPSS

SPSS ist eine häufig an Universitäten und in Unternehmen eingesetzte Software, mit der verschiedene Datenberechnungen vorgenommen werden können. Auch Varianzanalysen sind damit möglich. Hierbei wird untersucht, ob es bedeutsame Unterschiede zwischen zwei Gruppen von Personen oder Gegenständen hinsichtlich eines Merkmals gibt. Wie Sie dabei vorgehen sollten, ist im Folgenden anhand eines Beispiels erklärt.

Voraussetzungen der Varianzanalyse prüfen

  • Eine Varianzanalyse sollte nur dann durchgeführt werden, wenn Sie metrische Daten vorliegen haben. Das heißt, dass die Daten aus numerischen Messwerten bestehen sollten (z. B. Größenmaße, Kennzahlen).
  • Auch Daten aus Fragebögen und Skalen können verwendet werden, wenn die Abstände zwischen den Skalenpunkten gleich sind.
  • Weiterhin sollten die Messwerte mehr als zwei Ausprägungen annehmen können. Wenn etwa nur Ja-Nein-Antworten vorliegen, dann sollten Sie lieber den Chi-Quadrat-Test verwenden. Auch dieser kann in SPSS durchgeführt werden.
  • Zudem sollten die Daten normal verteilt sein, d.h. in ihrer Verteilung einer Glockenkurve ähnelnd, bei der mittlere Ausprägungen am häufigsten sind. Hierfür muss der Kolmogornov-Smirnov-Test berechnet werden.

Test auf Normalverteilung in SPSS

  1. In SPSS finden Sie diesen Normalverteilungstest im Menü „Analysieren“ im Unterpunkt „deskriptive Statistiken“. Wählen Sie hier „explorative Datenanalyse“ aus und ziehen Sie die abhängige Variable (die Messgröße) in das rechte Auswahlfeld.
  2. Wenn Sie etwa untersuchen, ob sich Männer und Frauen bezüglich ihres Einkommens unterscheiden, dann wäre das Einkommen Ihre abhängige Variable.
  3. Unter dem Punkt „Diagramme“ sollten Sie „Normalverteilungsdiagramm mit Test“ auswählen, damit der Kolmogornov-Smirnov-Test als Voraussetzung der Varianzanalyse berechnet wird. Bestätigen Sie dann Ihre Angaben mit OK.
  4. Nun berechnet SPSS die Ergebnisse und gibt mehrere Tabellen aus, entscheidend ist die Übersicht "Test auf Normalverteilung". Hier befinden sich die gesuchten Resultate in der Spalte „Kolmogornov-Smirnov-Test“.
  5. Dort ist die Signifikanz angegeben, also die Irrtumswahrscheinlichkeit. Wenn diese größer als 0,05 ist, das Ergebnis also nicht signifikant ist, dann kann eine Varianzanalyse berechnet werden.

Gruppenunterschiede in SPSS berechnen

  1. Im Menü „Analysieren“ befindet sich die Kartei “Allgemeines Lineares Modell“. Wählen Sie hier „Univariate Varianzanalyse“ und fügen Sie die abhängige Variable (z. B. Einkommen) und festen Faktoren (z. B. Geschlecht) ein.
  2. Dabei können Sie im Unterpunkt „Optionen“ auch auswählen, dass ebenfalls die deskriptiven Statistiken (Mittelwerte, Standardabweichungen) berechnet werden sollen.
  3. In der nachfolgenden Ausgabe hat SPSS alle Tabellen der Varianzanalyse zusammengefasst. Hier befindet sich die Tabelle „Test auf Zwischensubjekteffekte“.
  4. Entscheidend ist die erste Zeile (korrigiertes Modell). Der hier unter der Überschrift „Signifikanz“ angegebene Wert sollte kleiner als 0,05 sein.
  5. Dies würde bedeuten, dass die Unterschiede zwischen den Gruppen größer sind als die Messwertschwankungen innerhalb der Gruppen (z. B. dass Männer und Frauen sich deutlicher unterscheiden als verschiedene Frauen voneinander).
  6. In welche Richtung dieser Unterschied geht (ob z. B. Männer und Frauen ein höheres Einkommen haben), erkennen Sie anhand der für beide Gruppen aufgelisteten Mittelwerte in den deskriptiven Statistiken, die SPSS ebenso berechnet hat.

Sollten Ihre Daten nicht normal verteilt sein, können sie statt der Varianzanalyse auch den Welch-Test verwenden, dieser befindet sich auch im Auswahlmenü „Allgemeines Lineares Modell“ und ist für asymptotische Daten, also Daten, die keiner Glockenverteilung folgen, geeignet.

Teilen: