Wie erstellt man die deskriptive Statistik für die Bachelorarbeit?

Was ist deskriptive Statistik – und warum braucht man sie?

Die deskriptive Statistik fasst Ihren Datensatz so zusammen, dass Lesende die zentralen Eigenschaften auf einen Blick erfassen können, ohne jeden einzelnen Datenpunkt durchsehen zu müssen. In einer Bachelorarbeit erfüllt sie zwei Aufgaben gleichzeitig: Sie beschreibt die Stichprobe transparent und schafft die methodische Grundlage für alle weiteren Analysen.

In den meisten empirischen Arbeiten kommt die deskriptive Statistik zweimal vor: einmal im Methodenteil zur Beschreibung der Stichprobe (Alter, Geschlecht, Studiengang etc.) und einmal im Ergebnisteil zur Zusammenfassung der zentralen Messvariablen. Beide Abschnitte folgen derselben Logik, unterscheiden sich aber im Fokus.

Methodisch beschrieben ist deskriptive Statistik mehr als eine Tabelle mit Kennwerten. Wie in der Fachliteratur betont wird, liefern deskriptive Verfahren eigenständige Erkenntnisse über Verteilungen, Datenqualität und Gruppenunterschiede – und sind damit keine bloße Vorstufe zur Inferenzstatistik, sondern ein eigenständiger Analyseabschnitt.

Für den Aufbau einer empirischen Bachelorarbeit ist es deshalb wichtig, die Deskription von Anfang an als inhaltlichen Schritt zu begreifen, nicht als lästige Pflichtübung.

Welche Kennwerte gehören in die deskriptive Statistik?

Welche Kennwerte Sie berichten, hängt vom Skalenniveau Ihrer Variablen ab. Eine pauschale Tabelle mit Mittelwert und Standardabweichung für alle Variablen ist ein klassischer Fehler – und zwar aus methodischen Gründen, nicht nur formalen.

Lagemaße: Wo liegt das Zentrum der Daten?

Lagemaße beschreiben den „typischen Wert“ in Ihrem Datensatz. Die drei wichtigsten sind:

• Mittelwert (arithmetisches Mittel): Geeignet für metrische, annähernd normalverteilte Daten ohne starke Ausreißer.
• Median: Der mittlere Wert bei geordneten Daten. Robuster gegenüber Ausreißern als der Mittelwert und besonders empfehlenswert bei schiefen Verteilungen oder ordinalskalierten Daten.
• Modus: Der häufigste Wert. Sinnvoll bei nominalskalierten Variablen wie Geschlecht oder Studiengang.

Ein wichtiger Hinweis für das Schreiben: In akademischen Texten wird empfohlen, den Begriff „Durchschnitt“ zu vermeiden, weil er je nach Kontext Mittelwert, Median oder Modus meinen kann. Nennen Sie das Maß immer präzise beim Namen, um Missverständnisse zu vermeiden.

Streuungsmaße: Wie weit liegen die Werte auseinander?

Zwei Datensätze können denselben Mittelwert haben und trotzdem völlig unterschiedlich sein – weil die Werte unterschiedlich weit streuen. Deshalb ist ein Lagemaß allein nie ausreichend.

• Standardabweichung (SD): Zeigt, wie stark Werte typischerweise vom Mittelwert abweichen. Wird zusammen mit dem Mittelwert berichtet.
• Varianz: Das Quadrat der Standardabweichung. In Bachelorarbeiten seltener direkt berichtet, aber für spätere Tests relevant.
• Spannweite (Range): Differenz zwischen Minimum und Maximum. Leicht verständlich, aber anfällig für Ausreißer.
• Interquartilsabstand (IQR): Abstand zwischen 25. und 75. Perzentil. Robusteres Streuungsmaß, das gut zum Median passt.

Häufigkeiten und Prozentangaben

Für kategoriale Variablen (nominal- oder ordinalskaliert) sind Häufigkeiten und Prozentangaben die angemessene Darstellungsform. Typische Anwendungsfälle in Bachelorarbeiten sind Geschlechterverteilung, Altersgruppen, Bildungsabschlüsse oder Antworthäufigkeiten bei Likert-Items.

Normalverteilung prüfen – der unterschätzte Zwischenschritt

Bevor Sie entscheiden, ob Sie Mittelwert und Standardabweichung oder Median und IQR berichten, müssen Sie wissen, ob Ihre Daten annähernd normalverteilt sind. Dieser Schritt wird in vielen Bachelorarbeiten übersprungen oder zu mechanisch abgehandelt.

Die Verteilungsprüfung ist methodisch bedeutsam, weil sie nicht nur die Wahl der Kennwerte beeinflusst, sondern auch, welche Inferenztests Sie im weiteren Verlauf legitimerweise einsetzen dürfen. Die Art der Verteilung bestimmt, ob parametrische oder nichtparametrische Verfahren angemessen sind – und damit, wie die gesamte statistische Auswertung methodisch begründet wird.

Visuelle Prüfmethoden

• Histogramm: Zeigt die Häufigkeitsverteilung der Rohwerte. Eine Glockenkurve deutet auf Normalverteilung hin.
• Q-Q-Plot (Quantil-Quantil-Plot): Trägt die empirischen Quantile gegen die theoretischen einer Normalverteilung auf. Liegen die Punkte nah an der Diagonalen, spricht das für Normalverteilung.
• Boxplot: Zeigt Median, Quartile und mögliche Ausreißer auf einen Blick.

Statistische Tests auf Normalverteilung

• Shapiro-Wilk-Test: Empfohlen bei Stichproben unter 50 Fällen. Ein nicht-signifikantes Ergebnis (p > .05) spricht für Normalverteilung.
• Kolmogorov-Smirnov-Test: Eher für größere Stichproben geeignet, in SPSS verbreitet.

Schritt für Schritt: Deskriptive Statistik erstellen

Die folgende Reihenfolge hat sich in der Praxis bewährt. Sie sorgt dafür, dass die Deskription methodisch sauber aufgebaut ist und nahtlos in die Inferenzstatistik übergeht.

1. Datensatz bereinigen: Fehlende Werte identifizieren, Ausreißer prüfen, Kodierungen kontrollieren. Ohne diesen Schritt sind alle späteren Kennwerte potenziell verzerrt.
2. Skalenniveau festlegen: Für jede Variable klären, ob sie nominal, ordinal oder metrisch ist. Das bestimmt die Auswahl der Kennwerte.
3. Häufigkeiten für kategoriale Variablen berechnen: Absolute und relative Häufigkeiten, ggf. kumulierte Prozente.
4. Lagemaße und Streuungsmaße für metrische Variablen berechnen: Mittelwert, Standardabweichung, Minimum, Maximum, ggf. Median und IQR.
5. Normalverteilung prüfen: Histogramme, Q-Q-Plots und Shapiro-Wilk-Test für kontinuierliche metrische Variablen.
6. Grafiken erstellen: Histogramme, Boxplots oder Balkendiagramme je nach Variablentyp. Grafiken dienen der Exploration und der Darstellung im Ergebnisteil.
7. Ergebnisse strukturiert zusammenfassen: Tabelle mit zentralen Kennwerten, ergänzt durch aussagekräftige Grafiken.

Dieser strukturierte Ablauf – Daten bereinigen, visuell prüfen, Kennwerte berechnen und anschließend eine interpretierende Datengeschichte formulieren – entspricht dem konsequenten methodischen Vorgehen, das in der wissenschaftlichen Literatur für empirische Abschlussarbeiten empfohlen wird.

Ergebnisse darstellen und im Text berichten

Die Berechnung der Kennwerte ist nur die halbe Arbeit. Im Ergebnisteil müssen die Zahlen auch korrekt berichtet und eingeordnet werden. Hier scheitern viele Bachelorarbeiten nicht an den Berechnungen, sondern an der Darstellung.

Tabellen richtig aufbauen

Deskriptive Tabellen zeigen typischerweise: Variable, n, Mittelwert (M), Standardabweichung (SD), Minimum und Maximum. Bei nicht-normalverteilten Daten ersetzen Sie Mittelwert und SD durch Median (Mdn) und Interquartilsabstand (IQR).

Tabellen sollten selbsterklärend sein – mit aussagekräftiger Überschrift, Beschriftung aller Spalten und ggf. einer Anmerkung zur Stichprobengröße oder zu fehlenden Werten. Wie Sie professionelle Tabellen und Grafiken für die Bachelorarbeit erstellen, ist ein eigenes Thema, das sich lohnt zu vertiefen.

Grafiken sinnvoll einsetzen

Grafiken ergänzen Tabellen, ersetzen sie aber nicht. Geeignete Visualisierungen für die deskriptive Statistik sind:

• Histogramm: Für die Verteilung metrischer Variablen
• Boxplot: Für Gruppenvergleiche und zur Ausreißeridentifikation
• Balkendiagramm: Für kategoriale Variablen und Häufigkeiten
• Tortendiagramm: Nur bei wenigen Kategorien und eindeutigem Proportionsvergleich sinnvoll

Im Fließtext formulieren

Kennwerte im Fließtext werden nach APA-Standard in Kurzform berichtet. Typische Formulierungen sehen so aus:

„Die Stichprobe umfasste 120 Personen (M_Alter = 23.4, SD = 2.1). Der Anteil weiblicher Teilnehmender betrug 58 % (n = 70).“

Vermeiden Sie es, alle Kennwerte nur in Tabellenform zu verstecken – der Fließtext sollte die wichtigsten Befunde kurz zusammenfassen und einordnen. Wie Sie den gesamten Ergebnisteil einer Bachelorarbeit schreiben, erklären wir ausführlich in einem eigenen Beitrag.

Häufige Fehler bei der deskriptiven Statistik

In der Praxis zeigt sich, dass es einige typische Stolperstellen gibt, die immer wieder auftreten – unabhängig vom Fach oder der konkreten Fragestellung.

• Mittelwert bei ordinalskalierten Daten: Likert-Skalen sind streng genommen ordinal. Der Mittelwert ist in vielen Fächern dennoch üblich, sollte aber begründet werden.
• Kein Streuungsmaß angeben: Ein Mittelwert ohne Standardabweichung ist wenig aussagekräftig. Berichten Sie immer beides.
• Normalverteilung nicht prüfen: Wer direkt Mittelwert und SD berichtet, ohne die Verteilung zu prüfen, riskiert eine methodisch nicht haltbare Darstellung.
• Grafiken ohne Beschriftung: Achsentitel, Legende und Einheiten müssen immer angegeben sein.
• Zu viele Nachkommastellen: Kennwerte auf zwei Dezimalstellen runden – mehr Genauigkeit suggeriert eine Präzision, die empirische Daten meist nicht haben.

Einen umfassenden Überblick über häufige Statistikfehler in Bachelorarbeiten – weit über die Deskription hinaus – finden Sie in einem eigenen Beitrag.

Welche Software eignet sich?

Deskriptive Statistik lässt sich mit allen gängigen Statistikprogrammen problemlos berechnen. Die Wahl der Software hängt oft vom Fach, von der Hochschule und von Ihren Vorkenntnissen ab.

SPSS

SPSS ist in Psychologie und Sozialwissenschaften weit verbreitet und für die deskriptive Statistik besonders einsteigerfreundlich. Der Menüpfad lautet: Analysieren → Deskriptive Statistiken → Deskriptive Statistiken (für Mittelwert, SD, Min., Max.) oder Analysieren → Deskriptive Statistiken → Häufigkeiten (für Häufigkeitstabellen und Lage-/Streuungsmaße kombiniert). Normalitätstests finden Sie unter Analysieren → Deskriptive Statistiken → Explorative Datenanalyse.

Wer SPSS für die gesamte Auswertung der Bachelorarbeit einsetzen möchte, findet dazu eine ausführliche Anleitung im Beitrag Wie nutzt man SPSS für die Auswertung der Bachelorarbeit.

R

In R lässt sich deskriptive Statistik mit wenigen Zeilen Code berechnen. Das Paket psych bietet mit der Funktion describe() eine besonders übersichtliche Ausgabe:

# Paket laden
library(psych)

# Beispieldatensatz: df mit Variablen alter, score_motivation
describe(df[, c("alter", "score_motivation")])

# Häufigkeiten für kategoriale Variable
table(df$geschlecht)
prop.table(table(df$geschlecht)) * 100

# Normalitätstest
shapiro.test(df$score_motivation)

# Histogramm
hist(df$score_motivation, 
     main = "Verteilung: Motivationsscore",
     xlab = "Score",
     col = "steelblue")

Jamovi und JASP

Beide Programme sind kostenlos und bieten eine grafische Oberfläche ohne Programmierkenntnisse. In Jamovi navigieren Sie zu Analyses → Exploration → Descriptives und erhalten Kennwerte, Häufigkeiten und Plots in einem Schritt. Besonders für Einsteiger ist das eine empfehlenswerte Alternative zu SPSS.

Wenn Sie sich bei der Wahl des richtigen statistischen Verfahrens für die Bachelorarbeit noch unsicher sind, lohnt es sich, zuerst die Fragestellung und das Skalenniveau Ihrer Variablen zu klären – bevor Sie die Software öffnen.

Wer den gesamten Auswertungsprozess von der Hypothesenformulierung bis zur Interpretation professionell begleiten lassen möchte, findet bei der methodischen Unterstützung für die Bachelorarbeit von QuantExpert einen persönlichen Ansprechpartner für alle Schritte.