Datenanalyse mit SPSS für Fortgeschrittene

In den folgenden Kapiteln fokussieren wir lediglich ein Teilgebiet der empirischen Sozialforschung — die quantitative Sozialforschung — und einen Ausschnitt innerhalb des Prozesses quantitativer Sozialforschung: die Datenaufbereitung und -analyse. Wir woUen zeigen, wie sich konkrete empirische Fragestellungen in statistische Auswertungsstrategien umsetzen lassen und diskutieren dabei typische Probleme, die in diesem Prozess auftreten. Die Konzentration auf den Teilaspekt der quantitativen Datenanalyse ist keine Aussage tiber seine Wichtigkeit. Jedes Forschungsvorhaben lauft in mehreren Phasen ab, deren Qualitat voneinander abhangt. Ein Beispiel fur die Unterscheidung der verschiedenen Phasen gibt Grafik 1.1 (vgl. z. B. auch Alemann (1984), Behnke et. al. (2006), Diekmann (2007), Friedrichs (2006), Kromrey (2006) sowie Schnell et. al. (2004)).

Wie wir im vorherigen Kapitel gezeigt haben, benötigt man SPSS (oder andere Statistikpakete) nur in zwei Phasen des Forschungsprozesses und nur für einen bestimmten Typus empirischer Sozialforschung: in der Aufbereitungs- und in der Auswertungsphase bei quantitativer Sozialforschung. Dieses Kapitel befasst sich mit der Aufbereitungsphase und geht zusätzlich auf die Verknüpfung der Datenerhebungsphase mit der Datenaufbereitungsphase ein. Anders formuliert, geht es um die Frage: Wie kommt man zu einem fertigen Datensatz? Im Einzelnen müssen bis zu diesem Punkt folgende Arbeiten durchgeführt werden:

Wie Kapitel 1 gezeigt hat, sind viele Schritte nötig, um zu einem fertigen Datensatz zu kommen. Doch selbst wenn ein fertig erhobener und formatierter Datensatz zur Reanalyse beschafft wird — und alle in Kapitel 1 vorgestellten Arbeitsschritte wegfallen — fallen vor der Datenauswertung häufig weitere Vorarbeiten an. Beispielsweise sollen verschiedene Erhebungswellen einer Panel-Befragung gleichzeitig ausgewertet werden und müssen daher erst zu einem Datensatz zusammengeführt werden. Oder es soll eine Auswertung auf Haushaltsebene durchgeführt werden, es liegen aber nur Individualdaten vor.

Zwar erfordert die Datenbereinigung kaum besondere methodische Kenntnisse und es lassen sich auch wenig allgemeingültige Hinweise über die Vorgehensweise geben. Doch gerade bei der Datenbereinigung tut sich eine starke Diskrepanz zwischen Lehre und Forschungspraxis auf, die geschlossen werden sollte: Weil Studierende und Forscher (nahezu) nie mit dieser Frage konfrontiert wurden und weil es den Ergebnissen einer Studie auf den ersten Blick nicht anzusehen ist, ob die Daten bereinigt wurden, ist die Versuchung groß, diesen Arbeitsschritt ganz und gar „unter den Tisch fallen zu lassen“. Dabei ist er für die Qualität der Ergebnisse von großer Bedeutung. Es mag sein, dass in vier von fünf Erhebungen keine nennenswerten Fehler im Datensatz zu entdecken sind. Doch angesichts der Tatsachen, dass immer häufiger „fremde“ Daten re-analysiert werden und dass bei „eigenen“ Studien die Erhebung oft an Dritte delegiert wird, sollte es selbstverständlich sein, dass man sich der Qualität der Daten versichert.

Beim Berechnen neuer Variablen geht es darum, Informationen, die im Datenerhebungsprozess gewonnen wurden, entweder zu erweitern oder zu verdichten 10. Neue, zusätzliche Variablen werden an unterschiedlichen Stellen des Auswertungsprozesses generiert: Nach der Bereinigung des Datensatzes um offensichtliche Eingabefehler, dem Kodieren bzw. dem Ausschluss fehlender Werte und anderen Operationen der Datenaufbereitung wird man z. B. häufig Mehrfachantworten zusammenfassen oder mittels arithmetischer bzw. logischer Operationen neue Variablen berechnen, die in dieser Form nicht mit dem Fragebogen erhoben werden konnten. Neue Variablen werden aber oft auch als Ergebnisse komplexer Auswertungen berechnet, etwa wenn man Summenvariablen bildet, um die Ausprägungen einer Disposition festzuhalten, oder Extremgruppen vergleicht (vgl. z. B. Kapitel 14 in diesem Band). Die jeweils verwendeten Transformationsbefehle sind dabei die gleichen. Im Folgenden stelle ich die am häufigsten verwendeten Befehle zur Berechnung neuer Variablen vor: RECODE, COMPUTE, COUNT und IF.

Tabellen und Grafiken werden in Forschungsberichten verwendet, um die inhaltliche Argumentation mit empirischen Daten zu belegen. Bei der Gestaltung von Tabellen und Grafiken spielt der Verwendungskontext daher eine maßgebliche Rolle. So sollen nur diejenigen statistischen Daten präsentiert werden, auf die auch im Text Bezug genommen wird. Die optische Darstellung sollte auf das Layout abgestimmt sein, in dem der Bericht gehalten ist. Insgesamt sind inhaltliche und optische Klarheit, leichte Lesbarkeit und Übersichtlichkeit in der Präsentation der statistischen Daten die wichtigsten Leitlinien.

Wer statistische Ergebnisse präsentieren will, sieht sich oft mit dem Problem konfrontiert, nur eine kleine Auswahl aus den gesamten Daten einer Studie treffen zu müssen und diese einem Publikum vorzufuhren, das über ein mehr oder weniger ausgeprägtes Vor-bzw. Fachwissen verfügt.

Die folgenden Tipps sollen dabei helfen, effizienter mit SPSS zu arbeiten. Dabei ist es wichtig, dass der Anwender bereits gut mit dem Programm vertraut ist. Es handelt sich um Hinweise zu jeweils unterschiedlichen Themenbereichen, so dass das Kapitel nicht chronologisch gelesen werden muss. Im einzelnen werden folgende Themen behandelt:

Dieses Kapitel erläutert interessierten, aber programmierunerfahrenen SPSS-Nutzern, was Skripte in SPSS sind, wozu sie nützlich sind und was beim Erstellen von einfachen Skripten beachtet werden muss. Es soll ein Einstieg in eine kreativere Verwendung von SPSS sein und dazu ermutigen, diese Möglichkeit für eigene Zwecke zu nutzen und die Technik des Programmierens in SPSS durch konkretes Üben weiterzuentwickeln, weil keine der bekannten Standard-einführungen in SPSS dieses Thema behandelt.

Die statistischen Analysen in diesem Lehrbuch werden mit dem Programm SPSS durchgeführt, der wohl am weitesten verbreiteten Statistiksoftware in der sozialwissenschaftlichen Methodenausbildung und Forschungspraxis. Obwohl SPSS für viele Auswertungsprobleme sehr gut geeignet ist, birgt der Einsatz nur eines Programms stets die Gefahr, die eigene Arbeit durch die Auswertungsmöglichkeiten dieses Programms zu standardisieren und über Alternativen nicht mehr nachzudenken. Wir wollen in diesem Kapitel deshalb auf andere Statistiksoftware hinweisen, die zum Teil als Alternative, zum Teil als Ergänzung zum Einsatz von SPSS gesehen werden kann. Weiterhin verweisen wir auf Data Mining-Tools sowie auf Programme zur qualitativen Analyse. Für einige der genannten Programme sind Demoversionen als Freeware verfügbar und können von der jeweiligen Website herunter geladen werden.

Wenn Sie Datensätze analysieren, sollten Sie als erstes die eindimensionalen Häufigkeitsverteilungen untersuchen, d. h. Sie sollten jede Variable zunächst für sich analysieren. Insbesondere die Verteilung, Lage, Streuung und Schiefe jeder Variablen müssen untersucht werden. Die Ziele hierbei sind:

Ziel der Kreuztabellierung und Kontingenzanalyse ist es, Zusammenhänge zwischen zwei nominalen Variablen zu entdecken. Des Weiteren können Zusammenhänge zwischen ordinalskalierten und metrischen Variablen oder zwischen Variablen mit verschiedenen Skalenniveaus untersucht werden. Voraussetzung ist, dass die Zahl der Ausprägungen nicht zu groß ist. Die Kreuztabellierung dient dazu, Ergebnisse einer Erhebung tabellarisch darzustellen und auf diese Art und Weise einen möglichen Zusammenhang zwischen Variablen zu erkennen. Das Erkenntnisinteresse bei der Analyse von Kreuztabellen ist fast immer kausalanalytisch.

Jedes statistische Verfahren setzt ein Mindestskalenniveau voraus. Ein Verfahren für nominale Daten kann also auch für höhere Skalenniveaus angewandt werden. Allerdings gehen dabei Informationen verloren. Bei nominalen und metrischen Variablen ist dies kein Problem: Für beide Skalenniveaus existieren zahlreiche leistungsfähige Verfahren. Das Problem stellen Daten auf ordinalem Skalenniveau dar — obwohl sie in den Sozialwissenschaften ein sehr häufiger Datentyp sind, existieren hierfür fast keine Verfahren.

Existiert ein statistischer Zusammenhang zwischen zwei Variablen X (z. B. „Bildungsgrad“) und Y („Wahrscheinlichkeit der Nichtwahl“), muss sichergestellt werden, dass keine dritte Variable Z (z. B. „Geschlecht“) die bivariate Beziehung verursacht, also ein Effekt einer dritten Variablen vorliegt. Drittvariablenkontrollen führt man durch, um ⋯

Wenn wir jemanden als „leistungsorientiert“ bezeichnen, als „politisch interessiert“, „ausländerfeindlich“, „autoritär“, „risikofreudig“ oder „ängstlich“, konstatieren wir das Vorliegen von Dispositionen: konsistenten, situationsübergreifenden Reaktionstendenzen. Es geht also nicht um ein singuläres Verhalten in einer einzigen Situation, sondern um die Tendenz, auf ähnlich strukturierte Situationen in gleichförmiger Weise zu reagieren. Beispielweise werden wir jemanden nicht bereits dann als „sozial unsicher“ bezeichnen, wenn er in einer Situation schüchtern oder verlegen auftritt, sondern erst dann, wenn sich ein entsprechendes Verhaltensmuster in einer Vielzahl ähnlich gelagerter Situationen beobachten lässt. Dabei müssen die Verhaltensweisen nicht völlig identisch sein, es genügt eine tendenzielle Gleichgerichtetheit. Dispositionen lassen sich feststellen in Hinsicht auf:

In soziologischen Untersuchungen geht es häufig um die Frage, ob und wie eine oder mehrere unabhängige Variablen auf eine abhängige Variable einwirken. Eine typische Fragestellung wäre etwa, von welchen Einflussgrößen die Höhe des Einkommens einer Person abhängt. In diesem Fall wäre das Einkommen die abhängige Variable, Größen wie das Alter, die berufliche Qualifikation, die Dauer der Berufstätigkeit, das Geschlecht usw. die unabhängigen Variablen.