Chi-Quadrat-Test in SPSS durchführen 2026: Kreuztabelle, erwartete Häufigkeiten und Cramers V

Du hast zwei kategoriale Variablen im Datensatz — Geschlecht und Studiengang, Wohnkanton und Antwortverhalten, Berufserfahrung ja/nein und Weiterempfehlung ja/nein — und die Frage lautet: Hängen die beiden zusammen? Ein Mittelwertvergleich hilft hier nicht, weil es gar keine Mittelwerte gibt. Der passende Test heisst Chi-Quadrat-Test auf Unabhängigkeit, und in SPSS versteckt er sich an einer Stelle, die man beim ersten Mal fast garantiert nicht findet: nicht unter «Mittelwerte vergleichen», sondern unter «Deskriptive Statistiken».

Dieser Text führt dich durch den kompletten Ablauf: Menüweg, Ausgabe lesen, die Voraussetzung prüfen, die fast alle übersehen, und die zwei bis drei Sätze, mit denen das Ergebnis in deine Abschlussarbeit kommt.

Wann der Chi-Quadrat-Test der richtige Test ist

Der Chi-Quadrat-Test auf Unabhängigkeit beantwortet genau eine Frage: Sind zwei kategoriale Merkmale in der Grundgesamtheit voneinander unabhängig — oder verteilen sich die Häufigkeiten anders, als sie es bei Unabhängigkeit tun müssten?

Die Bedingungen sind schnell geprüft:

• Beide Variablen sind kategorial — nominal oder ordinal mit wenigen Stufen. Bei metrischen Variablen ist es der falsche Test.
• Jede Person kommt genau einmal vor. Der Test setzt unabhängige Beobachtungen voraus. Zwei Messzeitpunkte derselben Person gehören in den McNemar-Test, nicht hierher.
• Du arbeitest mit Häufigkeiten, nicht mit Prozentwerten, die du schon irgendwo ausgerechnet hast. SPSS zählt selbst.

Wenn du gerade erst entscheidest, welches Verfahren überhaupt zu deiner Fragestellung passt, lohnt sich vorher ein Blick auf das quantitative Forschungsdesign und darauf, wie du deine Variablen operationalisiert hast. Das Skalenniveau, das du dort festgelegt hast, entscheidet über den Test — nicht umgekehrt.

Die Idee dahinter in einem Absatz

SPSS berechnet für jede Zelle deiner Kreuztabelle eine erwartete Häufigkeit: die Anzahl, die in dieser Zelle stehen müsste, wenn zwischen den beiden Variablen gar kein Zusammenhang bestünde. Sie ergibt sich aus Zeilensumme mal Spaltensumme geteilt durch die Gesamtzahl. Dann summiert der Test über alle Zellen die quadrierten Abweichungen zwischen beobachtet und erwartet, jeweils relativ zur erwarteten Häufigkeit. Je grösser diese Summe, desto weiter liegt deine Tabelle von der Unabhängigkeit entfernt — und desto kleiner der p-Wert.

Das ist auch schon der Grund, warum du die erwarteten Häufigkeiten später zwingend anschauen musst: Wenn eine erwartete Häufigkeit sehr klein ist, wird der Bruch instabil und die Prüfgrösse folgt der Chi-Quadrat-Verteilung nur noch näherungsweise.

Der Menüweg in SPSS, Schritt für Schritt

1. Analysieren → Deskriptive Statistiken → Kreuztabellen. Das ist die Stelle, die man sucht. Der Test ist eine Option der Kreuztabelle, kein eigener Menüpunkt.
2. Variablen zuweisen. Die unabhängige beziehungsweise erklärende Variable in Zeilen, die abhängige in Spalten. Statistisch ist die Zuordnung egal — der Test ist symmetrisch —, für die Lesbarkeit der Prozentwerte ist sie es nicht.
3. Schaltfläche «Statistiken» → «Chi-Quadrat» ankreuzen. Setz gleich noch Phi und Cramer-V dazu; das ist dein Effektmass, und ohne Effektmass ist der Test nur eine halbe Antwort.
4. Schaltfläche «Zellen» → unter Anzahl zusätzlich zu «Beobachtet» auch «Erwartet» aktivieren, und unter Prozentwerte die Richtung wählen, in der du interpretieren willst. Faustregel: Prozentwerte in der Richtung der erklärenden Variablen — steht sie in den Zeilen, nimmst du Zeilenprozente.
5. OK. In der Ausgabe erscheinen drei Tabellen: die Verarbeitungsübersicht, die Kreuztabelle und die Tabelle «Chi-Quadrat-Tests».

Vorher: fehlende Werte und Kategorien zusammenfassen

Zwei Dinge erledigst du besser vor dem Test als danach. Erstens: Prüfe in der Verarbeitungsübersicht, wie viele Fälle SPSS ausgeschlossen hat. Der Test rechnet nur mit vollständigen Paaren. Zweitens: Kategorien mit sehr wenigen Fällen — die eine Person, die «divers» angekreuzt hat, oder die drei Antworten aus einem Kanton — sind nicht nur ein Datenschutzproblem, sie sind auch der häufigste Grund, warum die Voraussetzung im nächsten Abschnitt kippt. Zusammenfassen ist erlaubt, wenn du es im Methodenteil begründest und vorher entscheidest, nicht nachdem du den p-Wert gesehen hast.

Die Ausgabe lesen: welche Zeile zählt

Die Tabelle «Chi-Quadrat-Tests» enthält mehrere Zeilen, und die falsche zu berichten ist der klassische Fehler.

• Chi-Quadrat nach Pearson — das ist dein Ergebnis. Diese Zeile berichtest du bei Tabellen, die grösser als 2×2 sind, und bei 2×2-Tabellen mit ausreichend grossen Zellen.
• Kontinuitätskorrektur nach Yates — erscheint nur bei 2×2-Tabellen. Sie korrigiert nach unten und gilt heute als eher konservativ; viele Betreuende akzeptieren beide Varianten, solange du sagst, welche du genommen hast.
• Likelihood-Quotient — eine Alternative, die du normalerweise nicht berichtest.
• Exakter Test nach Fisher — die Rettung, wenn die Voraussetzung verletzt ist. Bei 2×2-Tabellen gibt SPSS ihn automatisch aus.
• Zusammenhang linear-mit-linear — nur sinnvoll, wenn beide Variablen ordinal und sinnvoll geordnet sind.

Unter der Tabelle steht die entscheidende Fussnote, etwa: «0 Zellen (0,0 %) haben eine erwartete Häufigkeit kleiner 5. Die minimale erwartete Häufigkeit ist 8,74.» Diese Zeile ist die Voraussetzungsprüfung, und sie gehört in deinen Ergebnisteil.

Die Voraussetzung, an der es kippt — und was du dann tust

Die übliche Konvention: Höchstens 20 Prozent der Zellen dürfen eine erwartete Häufigkeit unter 5 haben, und keine einzige Zelle darf unter 1 liegen. Bei einer 2×2-Tabelle heisst das faktisch, dass alle vier Zellen mindestens 5 erwartete Fälle brauchen.

Ist die Bedingung verletzt, hast du drei saubere Auswege:

1. Exakter Test nach Fisher. Bei 2×2 steht er ohnehin in der Ausgabe. Bei grösseren Tabellen erreichst du ihn über die Schaltfläche «Exakt» in der Kreuztabellen-Maske — sofern deine Lizenz das Modul enthält. Er braucht keine Näherung und ist deshalb bei kleinen Stichproben der ehrlichere Test.
2. Kategorien inhaltlich zusammenfassen. Aus fünf Studiengängen werden drei Fachbereiche, aus sieben Altersklassen drei. Das muss fachlich begründbar sein, nicht nur rechnerisch bequem.
3. Auf den Test verzichten und deskriptiv bleiben. Eine gut gebaute Kreuztabelle mit Prozentwerten und der offenen Aussage, dass die Fallzahl für einen Signifikanztest zu klein ist, ist wissenschaftlich völlig in Ordnung. Das ist deutlich besser, als ein Ergebnis zu berichten, dessen Voraussetzung nicht erfüllt ist.

Der Test allein reicht nicht: Effektstärke und Residuen

Ein signifikanter Chi-Quadrat-Wert sagt nur, dass ein Zusammenhang besteht — nicht, wie stark er ist und wo genau er sitzt. Zwei Ergänzungen machen aus einer Zahl eine Aussage.

Cramers V ist das Standard-Effektmass für Kreuztabellen und liegt zwischen 0 und 1. Bei einer 2×2-Tabelle entspricht es dem Phi-Koeffizienten. Grobe Orientierung für den kleineren Tabellenrand von zwei Kategorien: um 0,10 klein, um 0,30 mittel, ab etwa 0,50 gross. Bei grösseren Tabellen verschieben sich diese Grenzen nach unten — nenne deshalb immer die Tabellengrösse mit.

Standardisierte Residuen zeigen, welche Zelle den Zusammenhang trägt. Aktiviere im Dialog «Zellen» die korrigierten standardisierten Residuen; Werte über etwa |2| markieren Zellen, die deutlich über oder unter der Erwartung liegen. Genau diese Zellen beschreibst du dann im Text — sie sind die eigentliche inhaltliche Erkenntnis, nicht der p-Wert.

So formulierst du es im Ergebnisteil

Berichte in dieser Reihenfolge: Voraussetzung, Prüfgrösse mit Freiheitsgraden und Fallzahl, p-Wert, Effektstärke, inhaltliche Richtung. Ein Mustersatz für ein signifikantes Ergebnis:

«Alle Zellen wiesen eine erwartete Häufigkeit von mindestens 5 auf. Der Chi-Quadrat-Test auf Unabhängigkeit zeigte einen signifikanten Zusammenhang zwischen Studienform und Nutzung der Schreibberatung, χ²(2, N = 214) = 11,42, p = ,003, Cramers V = ,23. Teilzeitstudierende nahmen die Beratung häufiger in Anspruch als Vollzeitstudierende (38,1 % vs. 19,7 %).»

Und für ein nicht signifikantes Ergebnis — das genauso berichtet gehört:

«Zwischen Wohnsituation und Abgabeverzug zeigte sich kein signifikanter Zusammenhang, χ²(1, N = 214) = 0,86, p = ,354, Phi = ,06.»

Beachte die Schreibweise: χ² kursiv beziehungsweise als Symbol, Freiheitsgrade und Fallzahl in Klammern, p ohne führende Null, Dezimalkomma. Wie die statistischen Kennwerte insgesamt gesetzt werden — Kursivierung, Rundung, Tabellenformat —, ist im Beitrag zum Aufbau des Ergebnisteils beschrieben; halte dich zusätzlich an die Vorgaben deines Instituts.

Vier Fehler, die in der Korrektur auffallen

• Kausalität behaupten. Der Test misst Zusammenhang, nicht Ursache. «beeinflusst» gehört nicht in den Satz.
• Die Fussnote mit den erwarteten Häufigkeiten ignorieren. Wer sie nicht erwähnt, hat die Voraussetzung nicht geprüft — und das sieht man.
• Prozentwerte in der falschen Richtung. Spaltenprozente zu interpretieren, wo die erklärende Variable in den Zeilen steht, dreht die Aussage um.
• Nur den p-Wert berichten. Bei grossen Stichproben wird fast alles signifikant; ohne Cramers V ist die Aussage wertlos.

Häufige Fragen

Brauche ich für den Chi-Quadrat-Test eine Mindeststichprobe?

Es gibt keine feste Zahl. Massgeblich sind die erwarteten Häufigkeiten pro Zelle, und die hängen von Fallzahl und Tabellengrösse ab. Eine 2×2-Tabelle funktioniert oft schon ab rund 40 Fällen, eine 4×5-Tabelle braucht ein Vielfaches. Wie du die nötige Fallzahl vorab abschätzt, steht im Beitrag zur Bestimmung der Stichprobe.

Was ist der Unterschied zum Chi-Quadrat-Anpassungstest?

Der Anpassungstest prüft eine Variable gegen eine theoretische Verteilung — etwa ob sich die Befragten gleichmässig auf vier Fachbereiche verteilen. Er liegt in SPSS unter «Nichtparametrische Tests → Alte Dialogfelder → Chi-Quadrat». Der Unabhängigkeitstest, um den es hier geht, prüft zwei Variablen gegeneinander.

Darf ich Likert-Antworten mit dem Chi-Quadrat-Test auswerten?

Technisch ja, weil Likert-Stufen kategorial sind. Sinnvoll ist es meistens nicht: Der Test ignoriert die Rangordnung und verschenkt damit Information, und fünf mal fünf Stufen erzeugen 25 Zellen, in denen die erwarteten Häufigkeiten schnell unter 5 fallen. Für geordnete Kategorien sind Rangkorrelationen oder Rangtests in der Regel die bessere Wahl.

Muss ich bei mehreren Kreuztabellen für multiples Testen korrigieren?

Wenn du dieselbe Hypothese über viele Tabellen hinweg prüfst, ja — sonst steigt die Wahrscheinlichkeit eines Zufallstreffers deutlich. Ein Bonferroni-korrigiertes Niveau ist der einfachste Weg. Wenn jede Tabelle eine eigene, vorab formulierte Hypothese beantwortet, ist eine Korrektur nicht zwingend. Entscheide das vor der Auswertung und schreibe es in den Methodenteil.

Wie hängt der Test mit meiner Hypothese zusammen?

Der Chi-Quadrat-Test prüft immer ungerichtet: Die Nullhypothese lautet «kein Zusammenhang», die Alternativhypothese «irgendein Zusammenhang». Eine gerichtete Erwartung — «Teilzeitstudierende nutzen die Beratung häufiger» — kannst du nur inhaltlich über die Residuen belegen, nicht über den Test selbst. Wie du Hypothesen so formulierst, dass sie prüfbar bleiben, zeigt der Beitrag Was ist eine Hypothese?.

In fünf Minuten zum sauberen Ergebnis

Zusammengefasst: Kreuztabelle bauen, erwartete Häufigkeiten einblenden, Chi-Quadrat und Cramers V ankreuzen, die Fussnote lesen, bei kleinen Zellen auf Fisher ausweichen, und im Text Prüfgrösse, Freiheitsgrade, Fallzahl, p-Wert und Effektstärke zusammen berichten. Mehr braucht dieser Test nicht — und weniger reicht nicht.

Wenn dir beim Schreiben vor allem die Formulierungen fehlen, die aus SPSS-Ausgaben lesbare Absätze machen: Tesify begleitet dich Kapitel für Kapitel durch die Abschlussarbeit — mit einer Struktur, die deine Ergebnisse dort abholt, wo sie im Output stehen.