Statistische Auswertung – SPSS-Anleitung

Wenn Sie bei der statischen Auswertung Zusammenhänge untersuchen möchten, bietet sich der Hypothesentest an (beim Nettoeinkommen bietet sich z. B. die Frage an, ob Männer und Frauen unterschiedliche Nettoeinkommen haben und ob diese signifikant voneinander abweichen. Um einfache Zusammenhänge zu überprüfen, lassen sich Kreuztabellen zur Veranschaulichung nutzen. Diese bieten den Vorteil, auch Zusammenhangsmaße anzeigen zu können. Dabei muss man sich immer am niedrigsten Skalenniveau orientieren. Beim Geschlecht ist dies das nominale Skalenniveau, da sich die Ausprägungen „männlich – weiblich – (weitere)“ nicht in einen logischen Zusammenhang bringen lassen wie z. B. eine Rangfolge. Des Weiteren können diese Werte nicht normal miteinander verrechnet werden (z. B. 4 Kilokalorien sind doppelt so viel wie 2 Kilokalorien; Männlich ist aber nicht doppelt so viel wie weiblich, sondern unterscheidet sich nur durch Gleichheit und Ungleichheit; ein ähnliches Beispiel für nominale Messniveaus sind Fragen nach Schulformen, Studienfächern oder Bundesländern). Um zu den Kreuztabellen zu gelangen, drückt man auf Analysieren > Deskriptive Statistiken > Kreuztabellen.

In das Feld Zeilen fügen Sie die abhängige Variable ein, in die Spalten die unabhängige Variable. Unsere Hypothese (Nullhypothese) soll lauten, dass das Geschlecht keine Auswirkung auf das Nettoeinkommen hat (Die Alternativhypothese geht davon aus, dass das Geschlecht einen Einfluss hat, d. h. vom Gegenteil). Die Statistik geht erkenntnistheoretisch davon aus, dass nichts letztlich verifiziert werden kann, sondern nur Falsifikationen möglich sind. Um Indizien für die Wahrheit der Alternativhypothese zu finden, versucht man daher, die Nullhypothese zu widerlegen. Der p-Wert gibt dann nichts anderes als die Chance an, dass man sich doch geirrt hat. Wir behandeln diese Hypothese der Einfachheit halber als eine ungerichtete, das heißt, wir nehmen nur an, dass das Geschlecht einen Effekt auf das Nettoeinkommen hat, wir vermuten aber noch nicht die Richtung dahinter (Dazu bräuchten wir eine Theorie, dass uns gewisse Effekte vermuten lässt, welche der Übersichtlichkeit halber hier nicht dargestellt werden sollten). Die unabhängige Variable ist damit das Geschlecht, die abhängige Variable das Nettoeinkommen. Vertauschen Sie Zeilen und Spalten in der Kreuztabelle, beeinträchtigt dies das Ergebnis nicht. Mit einem Klick auf Statistiken rechts öffnet sich ein kleines Fenster, in dem die Zusammenhangsmaße angekreuzt werden können. Da die nominale Variable Geschlecht das niedrigste Skalenniveau aufweist, müssen wir mit Cramér-V arbeiten. SPSS gibt nun eine Liste aus, die sehr lang und hier schlecht darstellbar ist. Das liegt daran, dass das Programm jedes einzelne genannte Einkommen in Verbindung zu dem jeweiligen Geschlecht setzt. Interessant sind jedoch ohnehin die Zusammenhangsmaße.

Das Ergebnis ist hochsignifikant (Ob ein Ergebnis signifikant ist oder nicht, wird über den p-Wert ermittelt. Beträgt der Wert unter 5 Prozent (0,05), ist ein Ergebnis signifikant, beträgt der Wert weniger als 1 Prozent (0,01), ist ein Ergebnis sehr signifikant und beträgt der Wert unter 0,1 Prozent (also 0,001), dann ist ein Ergebnis hochsignifikant; diese Einteilung ist für die Sozialwissenschaften gängig, aber nicht für die Medizin). Dass das Ergebnis hochsignifikant ist, sagt jedoch noch überhaupt nichts über die Effektstärke aus. Es sagt lediglich aus, dass es einen Zusammenhang zwischen den getesteten Variablen Geschlecht und Einkommen gibt und dass dieser nicht zufällig ist (Somit wurde die Nullhypothese falsifiziert).
Die Effektstärke können Sie dem Wert für Cramér-V entnehmen. Dieser beträgt 0,482 und ist damit, den Konventionen in der Statistik zufolge, als mittel bis hoch anzusehen. Da Cramér-V jedoch kein Vorzeichen kennt, wissen Sie nicht, in welche Richtung der Zusammenhang verläuft. Haben Männer nun ein signifikant höheres Einkommen oder Frauen? Dazu lassen sich in SPSS mithilfe eigener Felder Diagramme erzeugen (Klick auf Grafik > Diagrammerstellung). Das angezeigte Infofenster kann zumeist mit „OK“ übersprungen werden, es sei denn, die Variableneigenschaften (Skalenniveau) sind nicht korrekt definiert.

Hier öffnet sich nun ein großes Fenster. Im 1. Schritt wählen Sie unten die Art des Diagramms aus (siehe Punkt 1). In Schritt 2 (roter Kasten oben links) wählen Sie nun die Variablen aus der Liste aus, die relevant sind. Hier sind dies das Nettoeinkommen in der offenen Abfrage und das Geschlecht (Scrollen). In Schritt 3 ziehen Sie die Variablen per Drag&Drop in die jeweiligen Achsen, das Nettoeinkommen auf die Y-Achse und das Geschlecht auf die X-Achse. In Schritt 4 sollte der Mittelwert ausgewählt werden. Ein Klick auf OK zeigt das fertige Balkendiagramm an.

Das Ergebnis spricht eine klare Sprache: Männer verfügen über ein deutlich höheres Nettoeinkommen als Frauen. Auf die Kreuztabellierung und die Berechnung der Korrelationen können Sie trotz der Veranschaulichung jedoch nicht verzichten. Wenngleich Sie sehen, dass es sich hier um höhere Einkommen bei Männern und niedrigere Einkommen bei Frauen handelt, so können Sie mit bloßem Auge nicht erkennen, ob diese Unterschiede auch statistisch signifikant sind.