Wie führe ich einen Chi-Quadrat-Test in SPSS durch?

Wann ist der Chi-Quadrat-Test das richtige Verfahren?

Der Chi-Quadrat-Test auf Unabhängigkeit prüft, ob zwischen zwei kategorialen Variablen ein statistisch bedeutsamer Zusammenhang besteht – oder ob die beobachteten Häufigkeiten rein zufällig zustande gekommen sein könnten. Typische Fragen in Abschlussarbeiten lauten: Hängt das Rauchverhalten vom Geschlecht ab? Unterscheidet sich die Parteipräferenz je nach Bildungsabschluss?

Entscheidend ist das Skalenniveau: Beide Variablen müssen nominal oder ordinal skaliert sein. Für metrische Variablen gibt es geeignetere Verfahren wie die Regressionsanalyse oder die ANOVA. Der Chi-Quadrat-Test ist kein Mittelwertvergleich – er arbeitet ausschließlich mit Häufigkeiten in einer Kreuztabelle.

Voraussetzungen prüfen, bevor Sie starten

Bevor Sie den Test in SPSS ausführen, sollten Sie drei Voraussetzungen sicherstellen:

• Kategoriale Variablen: Beide Variablen müssen nominale oder ordinale Ausprägungen haben.
• Unabhängige Beobachtungen: Jede Person darf nur einmal in der Tabelle auftauchen. Wiederholungsmessungen erfordern andere Verfahren (z. B. McNemar-Test).
• Ausreichende erwartete Häufigkeiten: In keiner Zelle der Kreuztabelle sollte die erwartete Häufigkeit unter 5 liegen. Als Faustregel gilt: Höchstens 20 % aller Zellen dürfen erwartete Häufigkeiten unter 5 aufweisen.

Diese dritte Bedingung ist in der Praxis der häufigste Stolperstein. Gerade bei kleinen Stichproben oder vielen Kategorien kann die Chi-Quadrat-Approximation unzuverlässig werden, weil die zugrunde liegende asymptotische Verteilung dann nicht mehr gut passt. SPSS gibt in der Ausgabe selbst einen Hinweis, wenn diese Bedingung verletzt ist – dazu gleich mehr.

Falls die Bedingung nicht erfüllt ist, empfiehlt sich der Fishers exakter Test, den SPSS bei 2×2-Tabellen automatisch mitberechnet, oder eine Zusammenfassung seltener Kategorien.

Schritt-für-Schritt: Chi-Quadrat-Test über das SPSS-Menü

Der Chi-Quadrat-Test auf Unabhängigkeit wird in SPSS über die Kreuztabellen-Prozedur (Crosstabs) durchgeführt. Die Kreuztabelle ist dabei nicht nur Hilfsmittel, sondern zentrales Ausgabeelement des Tests.

Schritt 1: Menü aufrufen

Klicken Sie in der Menüleiste auf Analysieren → Deskriptive Statistiken → Kreuztabellen.

Schritt 2: Variablen zuweisen

Im Kreuztabellen-Dialog weisen Sie Ihre Variablen den entsprechenden Feldern zu:

• Die abhängige (oder zu untersuchende) Variable kommt in das Feld Zeilen.
• Die Gruppierungsvariable (z. B. Geschlecht) kommt in das Feld Spalten.

Wenn Sie möchten, dass SPSS die Zeilenprozente oder Spaltenprozente in der Tabelle anzeigt, klicken Sie auf Zellen und aktivieren dort die gewünschten Prozentoptionen. Das erleichtert die inhaltliche Interpretation erheblich.

Schritt 3: Chi-Quadrat-Test aktivieren

Klicken Sie im Kreuztabellen-Dialog auf Statistiken. Aktivieren Sie das Kontrollkästchen Chi-Quadrat. Bestätigen Sie mit Weiter.

Schritt 4: Analyse ausführen

Klicken Sie auf OK. SPSS berechnet die Kreuztabelle und zeigt die Chi-Quadrat-Teststatistik im Output-Viewer an. Die zentrale Testgröße ist dabei Pearson Chi-Square, der prüft, ob Zeilen- und Spaltenvariable statistisch unabhängig sind – die Nullhypothese lautet also: Es besteht kein Zusammenhang zwischen den beiden Variablen.

Alternativ: Durchführung per SPSS-Syntax

Wer reproduzierbare Auswertungen bevorzugt oder mehrere Analysen auf einmal durchführt, nutzt die SPSS-Syntax. Das ist besonders für Abschlussarbeiten empfehlenswert, weil Sie die Analyse jederzeit nachvollziehen und erneut ausführen können. Wie Sie eine Syntax-Datei anlegen, erfahren Sie im Beitrag Syntax-Datei in SPSS erstellen.

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

Die wichtigsten Befehle im Überblick:

• /TABLES= legt fest, welche Variablen in Zeilen und Spalten der Kreuztabelle erscheinen.
• /STATISTICS=CHISQ erzeugt die Chi-Quadrat-Testtabelle – inklusive Pearson Chi-Square, Likelihood-Ratio und Mantel-Haenszel-Test für lineare Zusammenhänge.
• /STATISTICS=PHI ergänzt Phi und Cramér’s V als Effektstärkemaße in der Tabelle der symmetrischen Maße.
• /CELLS=COUNT ROW COLUMN gibt absolute Häufigkeiten sowie Zeilen- und Spaltenprozente aus.

Bei 2×2-Kreuztabellen berechnet SPSS automatisch auch Fishers exakten Test und die Yates-korrigierte Chi-Quadrat-Statistik, ohne dass Sie diese explizit anfordern müssen. Das ist besonders nützlich, wenn Sie mit kleinen Gruppen arbeiten.

Den SPSS-Output korrekt interpretieren

SPSS gibt nach dem Ausführen des Tests mehrere Tabellen aus. Für den Chi-Quadrat-Test auf Unabhängigkeit sind zwei davon zentral.

Die Kreuztabelle

Hier sehen Sie die beobachteten Häufigkeiten – und, wenn Sie die Option aktiviert haben, auch die Prozentanteile. Schauen Sie sich an, in welchen Zellen die Häufigkeiten auffällig hoch oder niedrig sind. Das gibt Ihnen einen ersten inhaltlichen Eindruck, bevor Sie den Signifikanzwert betrachten.

Die Chi-Quadrat-Tests-Tabelle

Diese Tabelle enthält die eigentliche Teststatistik. Die relevante Zeile heißt Chi-Quadrat nach Pearson. Achten Sie auf folgende Spalten:

Das Entscheidungskriterium ist der p-Wert in der Spalte Asymptotische Signifikanz. Liegt dieser unter dem gewählten Signifikanzniveau (üblicherweise α = .05), wird die Nullhypothese der Unabhängigkeit abgelehnt – es besteht ein statistisch signifikanter Zusammenhang zwischen den Variablen.

Freiheitsgrade und Teststatistik berechnen

Die Chi-Quadrat-Statistik ergibt sich aus den Abweichungen zwischen beobachteten und erwarteten Häufigkeiten:

Dabei steht für die beobachtete Häufigkeit und für die erwartete Häufigkeit der Zelle i. SPSS berechnet diesen Wert automatisch – Sie müssen ihn nicht von Hand ausrechnen, aber es hilft, die Logik dahinter zu verstehen.

Effektstärke berechnen: Cramér’s V und Phi

Ein signifikanter p-Wert sagt noch nichts darüber aus, wie stark der Zusammenhang ist. Gerade bei großen Stichproben werden auch sehr kleine Zusammenhänge statistisch signifikant. Für eine vollständige Ergebnisdarstellung – wie sie an den meisten Hochschulen erwartet wird – benötigen Sie daher zusätzlich eine Effektstärke.

In SPSS erhalten Sie diese, indem Sie im Statistiken-Dialog zusätzlich zu Chi-Quadrat auch Phi und Cramér’s V aktivieren, oder in der Syntax /STATISTICS=CHISQ PHI angeben. Die Werte erscheinen dann in der Tabelle Symmetrische Maße.

Phi wird bei 2×2-Tabellen verwendet; Cramér’s V ist das allgemeinere Maß und funktioniert auch bei größeren Tabellen. Cramér’s V liegt immer zwischen 0 und 1, wobei höhere Werte für stärkere Zusammenhänge stehen.

Ergebnis in der Abschlussarbeit berichten

Für die Berichterstattung in einer Bachelorarbeit oder Masterarbeit hat sich eine standardisierte Formulierung etabliert. Die APA-Konvention sieht folgende Angaben vor: Chi-Quadrat-Wert, Freiheitsgrade, Stichprobengröße, p-Wert und Effektstärke.

Ein Beispiel für eine korrekte Formulierung:

Der Chi-Quadrat-Test zeigte einen signifikanten Zusammenhang zwischen Rauchverhalten und Geschlecht, χ²(1, N = 150) = 6.42, p = .011, Cramér’s V = .21. Männer rauchten häufiger als Frauen.

Achten Sie darauf, dass Sie nach dem p-Wert nicht nur berichten, ob das Ergebnis signifikant ist, sondern auch inhaltlich einordnen, was der Befund bedeutet. Wie Sie Ihre SPSS-Ausgaben für die Abschlussarbeit aufbereiten und exportieren, erläutert der Beitrag SPSS-Ergebnisse exportieren.

Häufige Fehler und wie Sie sie vermeiden

In der Praxis passieren beim Chi-Quadrat-Test immer wieder dieselben Fehler. Die häufigsten im Überblick:

1. Skalenniveau ignoriert

Der Chi-Quadrat-Test ist nur für kategoriale Variablen geeignet. Wer metrische Variablen (z. B. Alter in Jahren) einfach in den Test eingibt, erhält zwar ein Ergebnis – aber ein methodisch falsches. Im Zweifel klassifizieren Sie metrische Variablen in sinnvolle Kategorien oder wählen ein anderes Verfahren.

2. Kleine erwartete Häufigkeiten übersehen

Wie bereits erwähnt: Lesen Sie den Hinweis unter der Chi-Quadrat-Tabelle. Mehr als 20 % der Zellen mit erwarteten Häufigkeiten unter 5 sind ein Warnsignal. Ziehen Sie dann Fishers exakten Test heran oder fassen Sie Kategorien zusammen.

3. Nur den p-Wert berichten

Ein häufiger Fehler in Abschlussarbeiten ist, lediglich zu schreiben: „Das Ergebnis ist signifikant (p = .03).“ Das ist unvollständig. Berichten Sie immer auch , df, N und die Effektstärke.

4. Richtung des Zusammenhangs nicht beschrieben

Der Chi-Quadrat-Test zeigt, dass ein Zusammenhang besteht – nicht, wie er aussieht. Schauen Sie sich die Prozentanteile in der Kreuztabelle an und beschreiben Sie die Richtung des Effekts im Text. Das ist ein zentraler Kritikpunkt, den Agresti in seiner Einführung zur kategorialen Datenanalyse betont: Ein Chi-Quadrat-Test liefert selten alle Antworten – die inhaltliche Interpretation der Zusammenhangsstruktur ist ein eigenständiger Analyseschritt.

5. Ordinale Variablen nicht berücksichtigen

Wenn beide Variablen ordinal skaliert sind (z. B. Schulabschluss und Zufriedenheitsstufen), ignoriert der einfache Chi-Quadrat-Test die Rangordnung der Kategorien. In diesem Fall sind trendbasierte Verfahren wie der Mantel-Haenszel-Test oft aussagekräftiger. SPSS gibt diesen bei Bedarf mit aus.

Wenn Sie unsicher sind, ob der Chi-Quadrat-Test für Ihre spezifische Fragestellung das richtige Verfahren ist, oder wenn Sie Unterstützung bei der Interpretation Ihrer Ergebnisse benötigen, bietet professionelle SPSS-Hilfe eine zuverlässige Orientierung – von der Methodenwahl bis zur finalen Ergebnisdarstellung.