Wie erstelle ich eine Kreuztabelle in SPSS?

Was ist eine Kreuztabelle und wann brauchen Sie sie?

Eine Kreuztabelle – in SPSS als Crosstabs bezeichnet – zeigt die gemeinsame Häufigkeitsverteilung von zwei oder mehr kategorialen Variablen. Sie sehen auf einen Blick, wie sich die Fälle Ihrer Stichprobe auf alle Kombinationen der Variablenausprägungen verteilen.

Typische Fragestellungen in Abschlussarbeiten, für die eine Kreuztabelle sinnvoll ist:

• Unterscheidet sich die Präferenz für ein Produkt zwischen Männern und Frauen?
• Gibt es einen Zusammenhang zwischen Bildungsabschluss und Zustimmung zu einer politischen Aussage?
• Ist die Häufigkeit einer Diagnose in verschiedenen Altersgruppen unterschiedlich verteilt?

Kurz: Immer wenn Sie zwei nominale oder ordinale Variablen miteinander in Beziehung setzen möchten, ist die Kreuztabelle Ihr erstes Analyseinstrument. Sie bildet außerdem die Grundlage für den Chi-Quadrat-Test in SPSS, der prüft, ob ein beobachteter Zusammenhang statistisch bedeutsam ist.

Voraussetzungen für eine Kreuztabelle in SPSS

Bevor Sie die Analyse starten, sollten Sie zwei Dinge sicherstellen:

Skalenniveau der Variablen

Kreuztabellen sind für kategoriale Variablen gedacht – also nominale oder ordinale Variablen. Metrische Variablen (z. B. Alter in Jahren, Einkommen) müssen Sie zunächst in Kategorien umcodieren, bevor Sie sie in einer Kreuztabelle sinnvoll verwenden können.

Stichprobengröße und erwartete Häufigkeiten

Für den Chi-Quadrat-Test, der häufig zusammen mit einer Kreuztabelle berechnet wird, gelten spezifische Anforderungen an die Zellhäufigkeiten. Keine Zelle sollte einen erwarteten Wert kleiner als 0 haben, und höchstens 20 % der Zellen sollten erwartete Häufigkeiten unter 5 aufweisen. SPSS gibt Ihnen im Output direkt eine Warnung aus, wenn diese Bedingung verletzt ist.

Schritt-für-Schritt: Kreuztabelle in SPSS erstellen

Der Menüpfad zur Crosstabs-Prozedur ist schnell gefunden. Gehen Sie wie folgt vor:

1. Öffnen Sie Ihren Datensatz in SPSS und klicken Sie in der Menüleiste auf Analysieren.
2. Wählen Sie Analysieren → Deskriptive Statistiken → Kreuztabellen.
3. Es öffnet sich das Dialogfenster Kreuztabellen.
4. Ziehen Sie Ihre erste Variable in das Feld Zeile(n) – das ist typischerweise Ihre abhängige Variable oder die Variable, deren Verteilung Sie beschreiben möchten.
5. Ziehen Sie Ihre zweite Variable in das Feld Spalte(n) – häufig eine Gruppierungsvariable wie Geschlecht oder Altersgruppe.
6. Optional: Fügen Sie eine dritte Variable im Feld Schicht 1 von 1 hinzu, um die Tabelle nach einer Kontrollvariable aufzuteilen.

Zeilen-, Spalten- und Schichtvariablen verstehen

Die Unterscheidung zwischen Zeilen- und Spaltenvariable ist zunächst willkürlich – inhaltlich ergeben sich aber unterschiedliche Interpretationslogiken, je nachdem, welche Prozentart Sie anfordern. Die Schichtvariable (Layer) ist besonders nützlich, wenn Sie denselben Zusammenhang getrennt für verschiedene Gruppen betrachten möchten. Für jede Ausprägung der Schichtvariable erstellt SPSS ein eigenes Panel mit den zugehörigen Statistiken – so können Sie etwa prüfen, ob ein Zusammenhang bei Frauen und Männern unterschiedlich ausfällt.

Zellinhalt festlegen: Welche Prozentwerte brauchen Sie?

Klicken Sie auf die Schaltfläche Zellen, um auszuwählen, was in den einzelnen Zellen der Tabelle angezeigt werden soll. Sie können wählen zwischen:

In den meisten Abschlussarbeiten empfiehlt es sich, mindestens beobachtete Häufigkeiten und Spaltenprozente (oder Zeilenprozente, je nach Fragestellung) anzufordern. Die erwarteten Häufigkeiten sollten Sie zusätzlich aktivieren, sobald Sie den Chi-Quadrat-Test berechnen.

Chi-Quadrat-Test und Zusammenhangsmaße hinzufügen

Eine Kreuztabelle allein beschreibt nur die Verteilung. Um zu prüfen, ob ein Zusammenhang zwischen den Variablen statistisch bedeutsam ist, benötigen Sie zusätzliche Tests. Klicken Sie dazu im Dialogfenster auf die Schaltfläche Statistiken.

Chi-Quadrat-Test aktivieren

Setzen Sie einen Haken bei Chi-Quadrat. SPSS berechnet dann im Output automatisch:

• Pearson Chi-Quadrat – der Standardtest für Unabhängigkeit
• Likelihood-Quotienten Chi-Quadrat – eine alternative Testvariante
• Linear-mit-Linear-Assoziation – für ordinale Variablen mit einer Trendfragestellung
• Fishers exakter Test – wird bei 2×2-Tabellen automatisch ergänzt

Effektstärken und Zusammenhangsmaße

Der p-Wert allein sagt nichts über die Stärke eines Zusammenhangs aus. Aktivieren Sie deshalb zusätzlich passende Zusammenhangsmaße. Welches Maß sinnvoll ist, hängt vom Skalenniveau und der Tabellenstruktur ab:

• Phi und Cramér’s V – für nominale Variablen, Phi bei 2×2-Tabellen, Cramér’s V bei größeren Tabellen
• Kontingenzkoeffizient – ebenfalls für nominale Variablen
• Gamma, Kendall’s Tau-b/-c, Somers‘ d – für ordinale Variablen
• Kappa – für quadratische R×R-Tabellen, etwa bei Übereinstimmungsanalysen

Für chi-quadrat-basierte Maße wie Phi, Cramér’s V und den Kontingenzkoeffizienten gilt die Voraussetzung, dass die Daten eine Zufallsstichprobe aus einer multinomialen Verteilung darstellen sollten. Diese Bedingung ist bei den meisten Befragungsstudien in Abschlussarbeiten erfüllt.

Den SPSS-Output einer Kreuztabelle richtig lesen

Nach dem Klick auf OK öffnet sich der Output-Viewer mit mehreren Tabellen. Das klingt zunächst unübersichtlich, folgt aber einer klaren Logik.

Die Kreuztabelle selbst

Jede Zelle enthält die Werte, die Sie unter Zellen ausgewählt haben. Entscheidend ist, welche Prozentart Sie zur Interpretation heranziehen. Das ist ein klassischer Stolperstein: Eine Zelle kann gleichzeitig mehrere Prozentangaben enthalten, die jeweils eine andere Frage beantworten – Zeilenprozente fragen, wie sich eine Gruppe auf die Spalten verteilt; Spaltenprozente fragen, aus welchen Gruppen eine Spaltenausprägung zusammensetzt; Gesamtprozente beziehen sich auf alle Fälle.

Praktisches Beispiel: Sie untersuchen den Zusammenhang zwischen Geschlecht (Spalte) und Studienfachwahl (Zeile). Dann interessiert Sie typischerweise die Spaltenprozente: Welcher Anteil der Frauen bzw. Männer hat welches Fach gewählt? Die Zeilenprozente würden dagegen zeigen, wie sich die Wählerinnen und Wähler eines bestimmten Fachs auf die Geschlechter verteilen – eine andere, ebenfalls valide Frage.

Die Tabelle der Chi-Quadrat-Tests

Achten Sie hier auf drei Dinge:

1. Den Wert des Pearson Chi-Quadrats und die zugehörigen Freiheitsgrade (df)
2. Den p-Wert (Asymptotische Signifikanz) – unter 0,05 gilt der Zusammenhang als statistisch signifikant
3. Den Hinweis unterhalb der Tabelle zu den Zellen mit erwarteten Häufigkeiten unter 5 – verletzt die Voraussetzung, sollten Sie den Fisher-Test oder eine Kategorienreduktion in Betracht ziehen

Ergebnisse für Ihre Arbeit aufbereiten

Für die Darstellung in einer Abschlussarbeit werden Kreuztabellen in der Regel in vereinfachter Form berichtet – also ohne alle SPSS-internen Formatierungen. Wie Sie den Output sauber für Ihre Arbeit aufbereiten und exportieren, erläutert unser Beitrag zum SPSS-Ergebnisse exportieren.

Kreuztabelle per SPSS-Syntax erstellen

Wer seine Analyse reproduzierbar dokumentieren möchte – was bei Abschlussarbeiten und Dissertationen zunehmend erwartet wird –, sollte zusätzlich die SPSS-Syntax kennen. Sie können den Menüdialog wie gewohnt ausfüllen und am Ende statt OK auf Einfügen klicken: SPSS schreibt die entsprechende Syntax automatisch in den Syntaxeditor.

CROSSTABS
  /TABLES=studienfach BY geschlecht
  /FORMAT=AVALUE TABLES
  /STATISTICS=CHISQ PHI
  /CELLS=COUNT COLUMN EXPECTED
  /COUNT ROUND CELL.

In diesem Beispiel wird eine Kreuztabelle von studienfach (Zeile) und geschlecht (Spalte) erstellt. Es werden der Chi-Quadrat-Test und Phi als Zusammenhangsmaß angefordert. Die Zellen enthalten absolute Häufigkeiten, Spaltenprozente und erwartete Häufigkeiten.

Wer häufiger mit SPSS-Syntax arbeitet, kann damit nicht nur Zeit sparen, sondern auch ganze Analyseschritte dokumentieren und wiederholen. Eine Einführung in den Umgang mit Syntaxdateien finden Sie in unserem Beitrag zum Erstellen einer SPSS-Syntax-Datei.

Häufige Fehler und wie Sie sie vermeiden

Weitere Stolperstellen in der Praxis:

• Metrische Variablen ohne Umcodierung verwenden: Wenn Sie eine Variable mit 30 verschiedenen Ausprägungen (z. B. Alter in Jahren) direkt in die Kreuztabelle ziehen, erhalten Sie eine riesige, unlesbare Tabelle. Codieren Sie solche Variablen zunächst in sinnvolle Kategorien um.
• Chi-Quadrat trotz verletzter Voraussetzungen interpretieren: Prüfen Sie immer den Hinweis zu den erwarteten Häufigkeiten. Bei mehr als 20 % der Zellen mit erwarteten Werten unter 5 ist das Ergebnis des Chi-Quadrat-Tests nicht vertrauenswürdig.
• Zusammenhang ohne Effektstärke berichten: Ein signifikanter p-Wert allein reicht nicht. Berichten Sie immer auch Cramér’s V oder ein anderes passendes Zusammenhangsmaß, um die praktische Bedeutsamkeit einzuordnen.
• Zeilen- und Spaltenprozente verwechseln: Lesen Sie die Tabelle immer in Richtung der Gruppierungsvariable – also entlang der Spalten, wenn die Gruppenunterschiede im Fokus stehen.

Wenn Sie unsicher sind, welche Analyse für Ihre spezifische Fragestellung die richtige ist, oder wenn die Ergebnisse unerwartet ausfallen, lohnt sich ein Blick auf professionelle SPSS-Hilfe und Beratung – gerade in der heißen Phase vor der Abgabe kann eine fundierte Rückmeldung viel Zeit sparen.

Kreuztabellen sind übrigens nur einer von vielen Analyseansätzen für kategoriale Daten. Wenn Ihre Fragestellung mehrere Variablen oder metrische Outcomes umfasst, könnte etwa eine Regressionsanalyse in SPSS der nächste sinnvolle Schritt sein.