SPSS-Auswertung für die Psychologie-Bachelorarbeit 2026: Schritt für Schritt

Die SPSS-Auswertung einer Psychologie-Bachelorarbeit umfasst den Datenimport, die Prüfung der Skalenreliabilität, die Wahl des passenden statistischen Tests und die APA-konforme Darstellung der Ergebnisse. Typische Verfahren sind t-Test, ANOVA und Korrelation, je nachdem, wie viele Gruppen oder Variablen du vergleichst. Diese Anleitung führt dich von der Dateneingabe bis zum fertigen Ergebnisteil.

Schritt 1: Daten in SPSS importieren und Variablen anlegen

1. Importiere deine Rohdaten aus Excel, Google Forms oder deinem Umfragetool über Datei → Öffnen → Daten oder per Copy-Paste in den Dateneditor.
2. Lege im Tab Variablenansicht für jede Variable Namen, Typ, Messniveau (nominal, ordinal, metrisch) und bei kategorialen Variablen Wertelabels fest, etwa 1 = männlich, 2 = weiblich, 3 = divers.
3. Codiere invertierte Items (umgepolte Fragen) direkt nach dem Import mit Transformieren → Umkodieren in andere Variablen, bevor du Skalen bildest – sonst verfälschen sie später die Reliabilitätsanalyse.
4. Speichere die Rohdatendatei separat von deiner Arbeitsdatei, damit du bei Fehlern jederzeit zum Ausgangszustand zurückkehren kannst, und vergib sprechende Variablennamen statt kryptischer Kürzel wie VAR00001.
5. Kontrolliere nach dem Import stichprobenhaft einzelne Fälle gegen die Originalfragebögen, um Übertragungsfehler frühzeitig zu erkennen.

Schritt 2: Skalen bilden und Reliabilität prüfen

1. Bilde für jede Skala (z. B. eine Fragebogen-Subskala zu Angst oder Selbstwirksamkeit) eine neue Variable, indem du unter Transformieren → Variable berechnen den Mittelwert der zugehörigen Items berechnest.
2. Prüfe vor der Skalenbildung die interne Konsistenz mit Analysieren → Skala → Reliabilitätsanalyse und berechne Cronbachs Alpha für jede Subskala.
3. Ein Alpha-Wert ab etwa 0,7 gilt üblicherweise als akzeptabel, ab 0,9 als sehr hoch; Werte unter 0,5 deuten auf ein Problem mit der Skala hin und sollten im Methodenteil diskutiert werden.
4. Kontrolliere über die Spalte „Cronbachs Alpha, wenn Item weggelassen“ (Item-Skala-Statistiken), ob ein einzelnes Item die Reliabilität deutlich senkt, und dokumentiere, falls du ein Item ausschließt.
5. Berichte die Reliabilitätswerte aller verwendeten Skalen bereits im Methodenteil, nicht erst im Ergebnisteil – Gutachtende erwarten diese Information, um deine Messinstrumente einordnen zu können.

Wie du deinen Fragebogen von Anfang an so aufbaust, dass die spätere Reliabilitätsprüfung sauber gelingt, erklärt unsere Anleitung Fragebogen erstellen: Aufbau, Skalen und Auswertung.

Schritt 3: Deskriptive Statistik berechnen

1. Berechne Mittelwert, Standardabweichung, Minimum und Maximum für alle zentralen Variablen über Analysieren → Deskriptive Statistik → Explorative Datenanalyse.
2. Prüfe die Normalverteilung deiner metrischen Variablen mit dem Shapiro-Wilk-Test (bei n < 50) oder optisch über ein Q-Q-Diagramm, bevor du dich für einen parametrischen oder nicht-parametrischen Test entscheidest.
3. Erstelle eine Tabelle mit den demografischen Kennwerten deiner Stichprobe (Alter, Geschlechterverteilung, Gruppengrößen), die du später im Methodenteil einfügst.
4. Sichte Boxplots auf Ausreißer und entscheide begründet, ob und wie du mit ihnen umgehst – Streichen ohne Begründung gilt als methodisch fragwürdig.
5. Berechne zusätzlich Schiefe und Kurtosis deiner Verteilungen; stark schiefe Verteilungen sind ein weiteres Argument für nicht-parametrische Verfahren, selbst wenn der Shapiro-Wilk-Test grenzwertig ausfällt.

Schritt 4: Den passenden Test auswählen

Die Wahl des statistischen Tests hängt von deiner Forschungsfrage, der Anzahl der Gruppen und dem Skalenniveau deiner Variablen ab. Formuliere zunächst deine Hypothese klar (z. B. „Gruppe A unterscheidet sich von Gruppe B im Mittelwert der Skala X“) und leite daraus ab, ob du Mittelwerte vergleichst, einen Zusammenhang prüfst oder eine Vorhersage triffst. Ein methodisch fundierter Auswahlprozess ist wichtiger als die reine Software-Bedienung, weil Gutachtende genau diese Begründung im Methodenteil erwarten. Halte in deinem Auswertungsplan fest, welchen Test du für welche Hypothese vorgesehen hast, bevor du die Ergebnisse siehst – das schützt dich vor nachträglicher, ergebnisgeleiteter Testauswahl, die methodisch als fragwürdig gilt.

Schritt 5: t-Test, ANOVA oder Korrelation durchführen

1. t-Test für unabhängige Stichproben: Analysieren → Mittelwerte vergleichen → T-Test bei unabhängigen Stichproben nutzen, wenn du zwei Gruppen (z. B. Experimental- vs. Kontrollgruppe) vergleichst.
2. t-Test für abhängige Stichproben: geeignet bei Vorher-Nachher-Messungen an derselben Gruppe, etwa vor und nach einer Intervention.
3. Einfaktorielle ANOVA: Analysieren → Mittelwerte vergleichen → Einfaktorielle ANOVA nutzen, sobald du drei oder mehr Gruppen vergleichst, und bei signifikantem Ergebnis einen Post-hoc-Test wie Bonferroni oder Tukey ergänzen.
4. Korrelation: Analysieren → Korrelation → Bivariat nutzen, um den linearen Zusammenhang zwischen zwei metrischen Variablen zu prüfen (Pearson bei Normalverteilung, Spearman bei ordinalen oder nicht-normalverteilten Daten).
5. Kontrolliere bei jedem Test die jeweiligen Voraussetzungen (z. B. Varianzhomogenität über den Levene-Test beim t-Test), bevor du das Ergebnis interpretierst.
6. Notiere dir bei jedem Testlauf, welche Optionen du im Dialogfenster aktiviert hattest (z. B. Konfidenzintervalle, Effektstärke), damit du die Analyse bei Rückfragen exakt reproduzieren kannst.

Schritt 6: Ergebnisse APA-konform berichten

1. Berichte für jeden Test die Teststatistik, Freiheitsgrade, den p-Wert und eine Effektstärke, zum Beispiel: t(48) = 2,31, p = .025, d = 0,47.
2. Runde Kennwerte in der Regel auf zwei Nachkommastellen und schreibe p-Werte ohne führende Null (p = .03, nicht 0,03), wie es der APA-Stil vorsieht.
3. Ergänze deskriptive Kennwerte (M, SD) im Fließtext oder in einer separaten Tabelle, damit Lesende die Effektgröße auch inhaltlich einordnen können.
4. Trenne im Ergebnisteil strikt Beschreibung der Befunde von deren Interpretation – die Diskussion der Bedeutung gehört in den Diskussionsteil, nicht in die Ergebnisdarstellung.
5. Verwende für Tabellen mit mehreren Tests ein einheitliches Format, damit Lesende Ergebnisse über verschiedene Hypothesen hinweg leicht vergleichen können.

Für die Formulierung des Ergebnis- und Diskussionsteils sowie beim Aufbau des Literaturverzeichnisses kann ein Tool wie Tesify unterstützend eingesetzt werden – die statistische Auswertung selbst und ihre Interpretation bleiben aber eigene wissenschaftliche Leistung.

Welcher Test wann? Übersichtstabelle

Häufige Fehler bei der SPSS-Auswertung

Ein häufiger Fehler ist, Tests ohne vorherige Prüfung der Voraussetzungen (Normalverteilung, Varianzhomogenität) direkt zu rechnen und signifikante Ergebnisse unkritisch zu interpretieren. Prüfe die Voraussetzungen immer zuerst und wähle bei Verletzung einen nicht-parametrischen Alternativtest, etwa den Mann-Whitney-U-Test statt des t-Tests. Ein zweiter verbreiteter Fehler ist das mehrfache Testen ohne Korrektur des Signifikanzniveaus, was die Wahrscheinlichkeit falsch-positiver Befunde erhöht – bei mehreren Vergleichen solltest du eine Bonferroni-Korrektur oder ein äquivalentes Verfahren anwenden.

Drittens vergessen viele Studierende, ihre Syntax-Datei zu speichern; ohne dokumentierte Befehle lässt sich die Auswertung später weder nachvollziehen noch bei Rückfragen der Betreuungsperson reproduzieren. Arbeite deshalb möglichst über die Syntax statt ausschließlich über die Menüs, oder klicke im Dialogfenster auf „Einfügen“, damit SPSS den entsprechenden Befehl automatisch in eine Syntax-Datei schreibt. Ein vierter Fehler betrifft die Stichprobengröße: Kleine Gruppen (n < 20 pro Gruppe) führen bei parametrischen Tests häufig zu instabilen Ergebnissen, weshalb du die Teststärke idealerweise schon vor der Datenerhebung mit einer Poweranalyse abschätzt.

Bevor du überhaupt mit der Auswertung beginnst, lohnt sich ein Blick auf die grundlegende Methodik deiner Arbeit – von Studiendesign über Stichprobenziehung bis zur Wahl des Auswertungsverfahrens fasst unser Beitrag Methodik der Bachelorarbeit: Forschungsdesign, Methoden und Aufbau zusammen.

Wenn deine Abschlussarbeit dagegen technisch geprägt ist und viele Formeln oder Diagramme enthält, etwa in Maschinenbau oder Informatik, ist meist nicht SPSS, sondern ein Textsatzsystem der entscheidende Arbeitsschritt – dafür zeigt unsere Anleitung LaTeX für die Bachelorarbeit in Maschinenbau & Informatik, wie du eine passende Vorlage einrichtest.

Häufige Fragen