Wie erstellt man ein Pfadmodell in SPSS Amos?

Was ist ein Pfadmodell – und warum Amos?

Ein Pfadmodell ist ein grafisches Regressionsmodell, das mehrere gerichtete Beziehungen zwischen Variablen gleichzeitig abbildet. Anders als eine einfache Regression lässt sich damit zeigen, wie Variable A auf Variable B wirkt und Variable B gleichzeitig auf Variable C – also Kausalketten, Mediatoren und komplexe Wirkungsgefüge in einem einzigen Modell.

SPSS Amos eignet sich für diesen Zweck besonders gut, weil es Pfaddiagramme direkt als Modellspezifikation akzeptiert und die geschätzten Parameter anschließend grafisch im Diagramm anzeigt. Das bedeutet: Sie zeichnen Ihr Modell – Amos rechnet und gibt das Ergebnis wieder als Diagramm zurück. Dieses visuelle Prinzip macht die Software besonders zugänglich für Studierende, die noch keine SEM-Erfahrung mitbringen.

Der Unterschied zwischen einem einfachen Pfadmodell und einem vollständigen Strukturgleichungsmodell liegt im Wesentlichen darin, dass ein Pfadmodell ausschließlich mit beobachteten Variablen arbeitet. Latente Konstrukte – also nicht direkt messbare Konzepte wie „Arbeitsmotivation“ oder „Markenvertrauen“ – kommen erst im Messmodell hinzu. Für viele Abschlussarbeiten reicht ein reines Pfadmodell vollständig aus.

Vorbereitung: Daten und Forschungsmodell

Bevor Sie Amos öffnen, sollten zwei Dinge feststehen: Ihr theoretisches Modell und Ihre aufbereitete Datendatei. Wer direkt in Amos startet, ohne vorher die Beziehungen zwischen den Variablen theoretisch herzuleiten, verliert schnell den Überblick.

Das Forschungsmodell skizzieren

Zeichnen Sie zunächst auf Papier oder in einer Präsentationssoftware, welche Variablen Sie haben und in welche Richtung Sie Wirkungen vermuten. Typische Fragen für eine Abschlussarbeit in den Sozial- oder Wirtschaftswissenschaften lauten: Beeinflusst die wahrgenommene Servicequalität die Kundenzufriedenheit, und wirkt sich Kundenzufriedenheit wiederum auf die Weiterempfehlungsabsicht aus?

Dieser Schritt ist nicht optional. Ein bewährter Workflow sieht vor, zuerst das Forschungsmodell zu skizzieren und gerichtete Pfade anhand der Theorie zu definieren, bevor das Modell in Amos eingegeben wird. Wer diesen Schritt überspringt, riskiert Pfade, die statistisch passen, aber inhaltlich nicht begründbar sind.

Daten vorbereiten

Amos liest SPSS-Datendateien im Format .sav direkt ein. Stellen Sie sicher, dass:

• alle Variablen als numerische Werte kodiert sind
• fehlende Werte konsistent gekennzeichnet sind (z. B. als 99 oder als systemdefiniert missing)
• die Variablennamen in SPSS mit denen übereinstimmen, die Sie im Pfaddiagramm verwenden möchten
• keine leeren Variablenspalten oder Duplikate vorhanden sind

Wie Sie Ihre Datei von SPSS nach Amos übertragen, ist ausführlich in unserem Beitrag Wie übertrage ich Daten von SPSS nach Amos? beschrieben.

Stichprobengröße prüfen

Als Faustregel gilt: Pro geschätztem Parameter sollten mindestens 10–20 Beobachtungen vorliegen. Ein Pfadmodell mit 5 gerichteten Pfaden benötigt also eine Stichprobe von mindestens 50–100 Fällen, um stabile Schätzungen zu liefern. Bei kleineren Stichproben sollten Sie die Modellkomplexität reduzieren.

Schritt-für-Schritt: Pfadmodell in Amos aufbauen

Schritt 1 – Amos Graphics öffnen

Starten Sie Amos über Start → IBM SPSS Statistics → IBM SPSS Amos. Die zentrale Arbeitsoberfläche ist das sogenannte Amos Graphics-Fenster mit der leeren Zeichenfläche in der Mitte und der Werkzeugleiste links.

Schritt 2 – Datendatei verknüpfen

Klicken Sie auf File → Data Files. Im Dialog wählen Sie File Name, navigieren zu Ihrer .sav-Datei und bestätigen mit OK. Amos zeigt nun im unteren Bereich des Fensters an, wie viele Fälle und Variablen geladen wurden. Erst jetzt können Variablen aus dem Datensatz in das Diagramm gezogen werden.

Schritt 3 – Beobachtete Variablen einzeichnen

In einem reinen Pfadmodell arbeiten Sie ausschließlich mit beobachteten Variablen, die in Amos als Rechtecke dargestellt werden. Latente Variablen würden als Ellipsen erscheinen – das ist der entscheidende Unterschied zwischen Messmodell und Strukturmodell.

Gehen Sie wie folgt vor:

1. Klicken Sie in der Werkzeugleiste auf das Rechteck-Symbol (Draw observed variables).
2. Ziehen Sie mit gedrückter Maustaste auf der Zeichenfläche ein Rechteck auf.
3. Doppelklicken Sie auf das Rechteck. Es öffnet sich der Dialog Object Properties.
4. Tragen Sie unter Variable name den exakten Variablennamen aus Ihrer SPSS-Datei ein (z. B. servicequalitaet).
5. Schließen Sie den Dialog und wiederholen Sie den Vorgang für jede weitere Variable.

Alternativ können Sie über View → Variables in Dataset eine Liste aller geladenen Variablen aufrufen und diese per Drag-and-Drop auf die Zeichenfläche ziehen. Das ist die schnellere Variante und reduziert Tippfehler.

Schritt 4 – Fehlerterme (Residuen) hinzufügen

Jede abhängige (endogene) Variable im Pfadmodell benötigt einen Fehlerterm. Klicken Sie dazu auf das Symbol Add a unique variable to an existing variable (ein kleiner Kreis mit Pfeil) und klicken Sie auf jede abhängige Variable. Amos fügt automatisch einen Fehlerterm als kleine Ellipse mit einem Pfad zur Variable hinzu.

Schritt 5 – Gerichtete Pfade einzeichnen

Gerichtete Pfeile repräsentieren Regressionsbeziehungen. Wählen Sie das Pfeil-Symbol in der Werkzeugleiste (Draw paths). Klicken Sie auf die Prädiktorvariable und ziehen Sie den Pfeil zur abhängigen Variable. Amos zeichnet einen gerichteten Pfad.

Für Kovarianzen zwischen zwei unabhängigen Variablen nutzen Sie das Symbol für ungerichtete Pfeile (Draw covariances) – ein Doppelpfeil. Kovarianzen werden eingezeichnet, wenn zwei exogene Variablen miteinander korrelieren dürfen, ohne dass eine Kausalrichtung angenommen wird.

Schritt 6 – Modell beschriften und layouten

Überprüfen Sie die Beschriftungen aller Rechtecke und Ellipsen noch einmal per Doppelklick. Ein gut lesbares Layout mit klar erkennbarer Pfeilrichtung erleichtert später die Interpretation und die Darstellung in Ihrer Abschlussarbeit erheblich. Nutzen Sie Edit → Move, um Elemente zu verschieben, und Edit → Align für eine saubere Ausrichtung.

Das obige Schema zeigt: Zwei exogene Variablen ( und ) sagen eine endogene Variable () vorher und dürfen dabei miteinander kovariieren.

Modell schätzen und Output lesen

Analyseoptionen einstellen

Bevor Sie die Schätzung starten, öffnen Sie über View → Analysis Properties das Optionsfenster. Aktivieren Sie dort mindestens folgende Optionen:

• Standardized estimates – liefert standardisierte Pfadkoeffizienten (β), die Sie direkt interpretieren und vergleichen können
• Squared multiple correlations – entspricht dem R² für jede endogene Variable und zeigt, wie viel Varianz Ihr Modell erklärt
• Indirect, direct & total effects – besonders relevant, wenn Ihr Modell Mediatoren enthält

Schätzung durchführen

Klicken Sie auf Analyze → Calculate Estimates (oder das entsprechende Symbol in der Werkzeugleiste, ein kleines rotes Dreieck). Amos schätzt das Modell mit der Maximum-Likelihood-Methode als Standard.

Wichtig: Nach jeder Änderung am Modell, an den Daten oder an den Analyseoptionen muss die Schätzung erneut berechnet werden – Amos aktualisiert den Output nicht automatisch. Vergessen Sie diesen Schritt, erhalten Sie veraltete Ergebnisse.

Output interpretieren

Nach der Schätzung können Sie den Output auf zwei Wegen einsehen:

• Grafisch: Klicken Sie in der Werkzeugleiste auf View the output path diagram. Amos zeigt die geschätzten Parameter direkt im Pfaddiagramm – standardisierte Koeffizienten erscheinen an den Pfeilen, R²-Werte an den abhängigen Variablen.
• Tabellarisch: Über View → Text Output öffnen Sie den vollständigen Ausgabetext mit unstandardisierten und standardisierten Schätzungen, Standardfehlern, kritischen Werten (z. B. C.R. = z-Wert) und p-Werten.

Die standardisierten Pfadkoeffizienten (β) interpretieren Sie analog zu standardisierten Regressionskoeffizienten: Ein β von 0,45 bedeutet, dass eine Standardabweichung Zunahme in der Prädiktorvariable mit einer Zunahme von 0,45 Standardabweichungen in der abhängigen Variable einhergeht, unter Kontrolle aller anderen Prädiktoren.

Dabei ist der unstandardisierte Koeffizient, die Standardabweichung des Prädiktors und die Standardabweichung der abhängigen Variable.

Modellpassung beurteilen

Ein Pfadmodell ist nur dann aussagekräftig, wenn es die Daten auch gut abbildet. Die Modellpassung (Model Fit) wird über sogenannte Fit-Indizes beurteilt. Amos berechnet diese automatisch und gibt sie im Text-Output aus.

Eine ausführliche Erklärung, wie Sie diese Werte konkret auslesen und einordnen, finden Sie in unserem Beitrag zur Interpretation der Fit-Indizes in Amos.

Wenn der Fit Ihres Modells nicht zufriedenstellend ist, können sogenannte Modifikationsindizes (über View → Analysis Properties → Output → Modification indices) Hinweise geben, welche zusätzlichen Pfade oder Kovarianzen die Modellpassung verbessern würden. Passen Sie das Modell aber nur dann an, wenn es inhaltlich und theoretisch begründbar ist – rein datengetriebene Modifikationen sind methodisch problematisch.

Häufige Fehler beim Pfadmodell in Amos

• Falsche Variablennamen: Der Name im Rechteck muss exakt dem Variablennamen in der SPSS-Datei entsprechen – Groß-/Kleinschreibung und Leerzeichen eingeschlossen.
• Datendatei nicht verknüpft: Ohne verknüpfte Datendatei schätzt Amos keine Parameter. Prüfen Sie über File → Data Files, ob die Datei korrekt geladen ist.
• Modell nicht identifiziert: Ein Modell ist nicht identifiziert, wenn es mehr freie Parameter gibt als empirische Informationen (Varianzen und Kovarianzen). Amos weist darauf hin – in diesem Fall müssen Sie Pfade oder freie Parameter reduzieren.
• Kausalpfade ohne theoretische Grundlage: Nur weil ein Pfad statistisch signifikant ist, heißt das nicht, dass er inhaltlich sinnvoll ist. Die Pfadstruktur muss immer theoretisch begründet sein.
• Schätzung nicht neu berechnet: Nach jeder Modelländerung muss die Schätzung erneut gestartet werden – sonst bezieht sich der Output noch auf das alte Modell.

Nächste Schritte nach dem Pfadmodell

Ein erfolgreich geschätztes Pfadmodell ist in vielen Abschlussarbeiten bereits ein vollständiges Analyseergebnis. Dennoch gibt es je nach Fragestellung sinnvolle Erweiterungen.

Mediationsanalyse

Wenn Ihr Modell eine Variable enthält, die zwischen Prädiktor und Outcome vermittelt, können Sie Mediationseffekte in Amos testen – zum Beispiel mit Bootstrapping, um den indirekten Effekt auf statistische Signifikanz zu prüfen.

Latente Variablen ergänzen

Sobald Sie Konstrukte wie Einstellungen, Motive oder Kompetenzen messen, die nicht direkt beobachtbar sind, bietet sich eine konfirmatorische Faktorenanalyse als Messmodell an. Das Pfadmodell wird dann zum vollständigen Strukturgleichungsmodell – mit Messmodell und Strukturmodell in einem.

Ergebnisse berichten

Für die Darstellung in Ihrer Abschlussarbeit sollten Sie standardisierte Pfadkoeffizienten, Standardfehler, p-Werte und Fit-Indizes tabellarisch ausweisen. Wie das im Detail funktioniert, erläutert unser Beitrag zum Berichten von SEM-Ergebnissen in der Abschlussarbeit.

Gerade wenn Sie das erste Mal mit Amos arbeiten, kann die Vielzahl an Optionen und Ausgaben zunächst überwältigend wirken. Das ist in der Praxis aber deutlich einfacher als gedacht – vor allem, wenn das Forschungsmodell vorab klar definiert ist. Wer dabei auf Nummer sicher gehen möchte, findet bei der professionellen methodischen Begleitung durch QuantExpert Unterstützung – von der Modellspezifikation bis zur Ergebnisdarstellung.

Für einen umfassenderen Überblick über alle Funktionen von Amos – von der einfachen Pfadanalyse bis zum komplexen Multi-Group-SEM – lohnt sich außerdem ein Blick auf den Überblicksartikel Was ist Amos-Datenanalyse in SPSS?. Dort erfahren Sie, welche Analysetypen Amos grundsätzlich unterstützt und wann der Einsatz sinnvoll ist.

Die methodische Grundlage für Ihr Pfadmodell – also welche Voraussetzungen für ein SEM erfüllt sein müssen – sollten Sie unbedingt prüfen, bevor Sie Ihre Ergebnisse interpretieren. Dazu zählen unter anderem ausreichende Stichprobengröße, metrisches Skalenniveau und multivariate Normalverteilung.

Einen abschließenden Hinweis gibt die Produktbeschreibung von SPSS Amos, die darauf hinweist, dass die Software explizit für komplexe attitudinale und behaviorale Modelle ausgelegt ist – also genau für den Anwendungsfall, der in sozialwissenschaftlichen und psychologischen Abschlussarbeiten typischerweise vorliegt: Konstrukte wie Einstellung, Intention und Verhalten lassen sich direkt als Pfadmodell abbilden und empirisch prüfen.