Wie führt man einen t-Test oder eine Regression in PSPP durch?
In diesem Beitrag
Erst das richtige Verfahren wählen
Bevor Sie in PSPP auf den ersten Befehl tippen, müssen Sie eine methodische Grundentscheidung treffen: Ist ein t-Test oder eine Regression das richtige Verfahren für Ihre Fragestellung? Diese Wahl hängt nicht von der Software ab, sondern von der Struktur Ihrer Daten und Ihrer Hypothese.
Eine hilfreiche Orientierung bietet eine Entscheidungstabelle für statistische Verfahren nach Variablenanzahl und Skalenniveau. Die dort dargestellte Logik lässt sich gut zusammenfassen:
| Fragestellung | Unabhängige Variable | Zielvariable (AV) | Verfahren |
|---|---|---|---|
| Mittelwert gegen bekannten Wert prüfen | keine | metrisch, normalverteilt | Ein-Stichproben-t-Test |
| Zwei unabhängige Gruppen vergleichen | 1 kategorial (2 Gruppen) | metrisch, normalverteilt | Unabhängiger t-Test |
| Zwei Messzeitpunkte / Paare vergleichen | 1 kategorial (gematchte Paare) | metrisch, normalverteilt | Abhängiger t-Test (Paardifferenzen) |
| Einfluss metrischer Prädiktoren auf AV | 1 oder mehr metrisch/kategorial | metrisch, normalverteilt | Lineare Regression |
| Einfluss auf dichotome AV | beliebig | kategorial (0/1) | Logistische Regression |
Wichtig ist ein methodischer Hinweis, den viele Studierende übersehen: Die Normalverteilungsannahme bezieht sich streng genommen auf die Residuen bzw. Fehlerwerte des Modells – nicht pauschal auf die abhängige Variable selbst. Bei größeren Stichproben sind viele Verfahren ohnehin robust gegenüber leichten Verletzungen dieser Annahme.
Der t-Test in PSPP: drei Varianten
PSPP kennt drei Modi für den Befehl T-TEST, die sich syntaktisch klar unterscheiden. Welcher Modus zum Einsatz kommt, entscheiden die Unterkommandos. Alle drei Modi teilen zwei optionale, aber methodisch wichtige Zusatzangaben: das Konfidenzniveau (/CRITERIA=CI(0.95), standardmäßig 95 %) und die Behandlung fehlender Werte (/MISSING).
Ein-Stichproben-t-Test
Sie prüfen, ob der Mittelwert Ihrer Stichprobe von einem vorgegebenen Testwert abweicht – etwa ob das Durchschnittsgewicht Ihrer Probandengruppe von 76,8 kg abweicht. Das ist der einfachste Fall.
Unabhängiger t-Test (Independent Samples)
Sie vergleichen die Mittelwerte zweier unabhängiger Gruppen – zum Beispiel Männer vs. Frauen, Experimental- vs. Kontrollgruppe. PSPP berechnet automatisch den Levene-Test auf Varianzhomogenität und gibt sowohl den t-Wert bei gleichen als auch bei ungleichen Varianzen aus.
Abhängiger t-Test (Paired Samples)
Sie vergleichen zwei Messzeitpunkte derselben Personen oder gematchte Paare – etwa Prä- und Post-Messung einer Intervention. PSPP berechnet dabei die Differenz jedes Paares und testet, ob der mittlere Differenzwert signifikant von null abweicht.
Schritt für Schritt: t-Test per Syntax
PSPP wird primär über Syntax gesteuert. Anders als SPSS verfügt PSPP über keine vollständig ausgebaute grafische Oberfläche für alle Verfahren. Die Syntax ist dabei eng an SPSS angelehnt, sodass vorhandene SPSS-Syntax häufig direkt übernommen werden kann.
Ein-Stichproben-t-Test
Sie möchten prüfen, ob der mittlere Messwert der Variable gewicht signifikant von 76,8 abweicht:
T-TEST
/TESTVAL=76.8
/VARIABLES=gewicht
/CRITERIA=CI(0.95)
/MISSING=ANALYSIS.Die PSPP-Dokumentation liefert zu dieser Variante ein direkt interpretierbares Beispiel mit einem Testwert von 76,8 kg, einer mittleren Differenz von −1,40 kg und einem zweiseitigen Signifikanzwert von 0,610 – die Nullhypothese wird hier also nicht verworfen.
Unabhängiger t-Test
Sie vergleichen die Variable leistung zwischen zwei Gruppen, die über die Variable gruppe (Werte: 1 und 2) definiert sind:
T-TEST
/GROUPS=gruppe(1, 2)
/VARIABLES=leistung
/CRITERIA=CI(0.95)
/MISSING=ANALYSIS.Abhängiger t-Test (Paired Samples)
Sie messen dieselbe Variable vor (prä) und nach (post) einer Intervention:
T-TEST
/PAIRS=prä WITH post (PAIRED)
/CRITERIA=CI(0.95)
/MISSING=ANALYSIS.LISTWISE und ANALYSIS beim Missing-Handling: Bei LISTWISE wird ein Fall vollständig ausgeschlossen, sobald irgendeine relevante Variable fehlend ist. Bei ANALYSIS (Standard) wird ein Fall nur für die jeweilige Teilanalyse ausgeschlossen, für die der fehlende Wert tatsächlich benötigt wird. Für die meisten Abschlussarbeiten ist ANALYSIS die sinnvollere Wahl.Die Teststatistik selbst folgt der bekannten Formel. Bei unabhängigen Stichproben gilt für den t-Wert:
t-Wert beim Zwei-Stichproben-t-Test
PSPP berechnet diesen Wert automatisch und gibt ihn zusammen mit Freiheitsgraden, zweiseitigem p-Wert und dem Konfidenzintervall der mittleren Differenz aus.
Lineare Regression in PSPP
Die Prozedur REGRESSION in PSPP schätzt lineare Modelle nach der Kleinste-Quadrate-Methode (OLS). Das Modell geht davon aus, dass die Beziehung zwischen der abhängigen Variable und den Prädiktoren linear ist, die Fehlerterme unabhängig und normalverteilt sind, einen Erwartungswert von null haben und eine gemeinsame Varianz aufweisen.
Die Regressionsgleichung lautet in allgemeiner Form:
Lineares Regressionsmodell
Dabei steht für den Achsenabschnitt (Intercept) und für die Regressionskoeffizienten der einzelnen Prädiktoren.
PSPP unterstützt sowohl einfache als auch multiple lineare Regression. Logistische Regression ist in PSPP hingegen nicht implementiert – wer eine dichotome abhängige Variable analysiert, benötigt entweder SPSS, R oder eine andere Software. Ob PSPP für Ihre Abschlussarbeit insgesamt das geeignete Werkzeug ist, beleuchtet unser Beitrag zu der Frage, ob PSPP für die Auswertung einer Abschlussarbeit geeignet ist.
Welche Statistiken gibt PSPP aus?
Über den Unterbefehl /STATISTICS steuern Sie, welche Kennzahlen PSPP berechnet. Die wichtigsten Optionen:
- R: Mehrfaches R, R², korrigiertes R²
- COEFF: Regressionskoeffizienten (b, Standardfehler, Beta, t, p)
- ANOVA: F-Test für das Gesamtmodell
- CI(95): Konfidenzintervalle der Koeffizienten
- TOL: Toleranz und VIF (für Multikollinearitätsprüfung)
- DEFAULT: Gibt R, COEFF und ANOVA gleichzeitig aus
Für eine saubere Abschlussarbeit empfiehlt es sich, mindestens R, COEFF, ANOVA und CI(95) anzufordern.
Schritt für Schritt: Regression per Syntax
Das folgende Beispiel zeigt eine multiple Regression: Die abhängige Variable ist note, die Prädiktoren sind lernzeit und motivation.
REGRESSION
/VARIABLES=lernzeit motivation note
/DEPENDENT=note
/STATISTICS=R COEFF ANOVA CI(95) TOL
/SAVE=PRED RESID.Alle Variablen, die in /VARIABLES aufgelistet, aber nicht als /DEPENDENT deklariert sind, behandelt PSPP automatisch als unabhängige Variablen (Prädiktoren). Die Reihenfolge spielt dabei keine Rolle.
Residuen speichern für die Diagnostik
Der Unterbefehl /SAVE=PRED RESID speichert vorhergesagte Werte und Residuen als neue Variablen in Ihrem Datensatz. Das ist für die Modelldiagnostik in Abschlussarbeiten besonders relevant – etwa um die Normalverteilung der Residuen oder Heteroskedastizität zu prüfen.
Regression durch den Ursprung: Vorsicht
PSPP bietet den Unterbefehl /ORIGIN, der eine Regression ohne Achsenabschnitt erzwingt. Dieser sollte nur verwendet werden, wenn theoretisch begründet ist, dass der Intercept tatsächlich null ist. In der Praxis der Sozial- und Wirtschaftswissenschaften ist das selten der Fall – im Zweifelsfall immer das Modell mit Achsenabschnitt verwenden.
Ergebnisse lesen und interpretieren
t-Test-Output
Der PSPP-Output zum t-Test enthält in der Regel folgende Kennzahlen, die Sie für Ihre Ergebnisdarstellung benötigen:
Diese Werte gehören in Ihre Ergebnistabelle
- Stichprobengröße (N) pro Gruppe
- Mittelwert und Standardabweichung der Gruppen
- t-Wert und Freiheitsgrade (df)
- Zweiseitiger p-Wert (Sig.)
- Mittlere Differenz und Konfidenzintervall der Differenz
- Beim unabhängigen t-Test: Levene-Test (F, p)
Achten Sie beim unabhängigen t-Test auf das Ergebnis des Levene-Tests: Ist der Levene-p-Wert kleiner als 0,05, nehmen Sie die Zeile mit „Varianzen nicht gleich“ (Welch-Korrektur). Ist er größer, verwenden Sie die Zeile „Varianzen gleich“.
Regressions-Output
Die Ausgabe einer PSPP-Regression gliedert sich typischerweise in drei Blöcke:
- Modellzusammenfassung: R, R² und korrigiertes R² – wie viel Varianz der AV erklärt das Modell?
- ANOVA-Tabelle: F-Wert und p-Wert des Gesamtmodells – ist das Modell überhaupt signifikant?
- Koeffizienten: b (unstandardisiert), Beta (standardisiert), t, p und Konfidenzintervall für jeden Prädiktor
Standardisierte Koeffizienten (Beta) eignen sich zum Vergleich der relativen Stärke der Prädiktoren innerhalb eines Modells, da sie skalenunabhängig sind. Für die Interpretation in Richtung und Größe greifen Sie auf die unstandardisierten b-Werte zurück.
Häufige Fehler und praktische Hinweise
EXAMINE anfordern.Ein weiterer häufiger Stolperstein: PSPP liest Dezimalzahlen je nach Systemeinstellung mit Punkt oder Komma. Achten Sie darauf, dass Ihre Syntax-Eingaben (z. B. TESTVAL=76.8) dem Format entsprechen, das Ihre PSPP-Installation erwartet. Andernfalls erhalten Sie Fehlermeldungen oder falsche Testwerte.
Wenn Sie PSPP noch nicht installiert haben oder sich fragen, welche Unterschiede zu SPSS Sie in der Praxis tatsächlich spüren werden, finden Sie in unserem Beitrag Was ist PSPP und ist es eine gute Alternative zu SPSS? eine ehrliche Einschätzung.
Für alle, die t-Test oder Regression in PSPP korrekt durchführen wollen, aber unsicher sind, ob die Voraussetzungen erfüllt sind oder die Ergebnisse richtig interpretiert werden, bietet QuantExpert methodische Unterstützung an: von der Hypothesenformulierung über die Durchführung bis zur Ergebnisdarstellung. Einen Überblick über das Leistungsangebot finden Sie auf unserer Seite zur PSPP-Hilfe und Beratung für statistische Auswertungen.
