Was ist eine quantitative Auswertung?
In diesem Beitrag
Definition: Was bedeutet quantitative Auswertung?
Eine quantitative Auswertung ist die systematische Analyse numerischer Daten mithilfe statistischer Methoden. Ziel ist es, Muster, Zusammenhänge oder Unterschiede in den Daten zu erkennen, zu beschreiben und auf dieser Grundlage begründete Schlussfolgerungen zu ziehen.
Im Kern handelt es sich dabei um quantitative Datenanalyse: Sie erheben oder sammeln Zahlen – etwa durch Fragebögen, Tests oder Messungen – und verarbeiten diese anschließend mit statistischen Verfahren. Das Ergebnis sind keine Deutungen aus dem Bauchgefühl, sondern rechnerisch belegbare Aussagen.
In der Methodenliteratur wird quantitative Auswertung als Arbeit mit numerischen Daten beschrieben, die Forschende in Projekten selbst erheben oder vorfinden – mit dem Ziel, Daten zu präsentieren, zu interpretieren und zu begründeten Schlussfolgerungen zu gelangen. Statistik ist dabei das Werkzeug, das diesen Weg strukturiert.
Quantitativ vs. qualitativ – wo liegt der Unterschied?
Die Gegenüberstellung von quantitativer und qualitativer Auswertung ist eine der grundlegendsten Unterscheidungen in der empirischen Forschung. Beide Ansätze haben ihre Berechtigung – aber sie beantworten unterschiedliche Fragen.
| Merkmal | Quantitative Auswertung | Qualitative Auswertung |
|---|---|---|
| Datenbasis | Zahlen, Messwerte, Skalen | Texte, Interviews, Beobachtungen |
| Ziel | Messen, vergleichen, verallgemeinern | Verstehen, interpretieren, beschreiben |
| Typische Fragen | „Wie viel?“, „Wie stark?“, „Gibt es einen Unterschied?“ | „Warum?“, „Wie erleben das Betroffene?“ |
| Methoden | Mittelwertvergleiche, Regression, Chi-Quadrat-Test | Inhaltsanalyse, Grounded Theory, Coding |
| Stichprobengröße | In der Regel größer (n ≥ 30) | Oft kleiner, dafür tiefgehender |
Beide Ansätze lassen sich auch kombinieren – man spricht dann von einem Mixed-Methods-Design. Was die Unterschiede zwischen qualitativer und quantitativer Analyse im Detail ausmacht, hängt stark von der jeweiligen Forschungsfrage ab.
Die typischen Schritte einer quantitativen Auswertung
Eine quantitative Auswertung ist kein einmaliger Rechenschritt, sondern ein mehrstufiger Prozess. Wer die einzelnen Phasen kennt, kann methodische Fehler früh vermeiden – und das ist in der Praxis oft entscheidend.
Schritt 1: Daten prüfen und aufbereiten
Bevor Sie auch nur einen Test berechnen, müssen Ihre Daten bereinigt sein. Dazu gehören:
- Fehlende Werte identifizieren und behandeln (löschen, imputieren oder dokumentieren)
- Ausreißer erkennen und entscheiden, wie damit umgegangen wird
- Variablenformate prüfen (metrisch, ordinal, nominal)
- Eingabefehler korrigieren
Dieser Schritt wird regelmäßig unterschätzt. Saubere Daten sind die Grundlage für jede belastbare Auswertung.
Schritt 2: Deskriptive Statistik berechnen
Im zweiten Schritt beschreiben Sie Ihre Daten. Sie berechnen Lage- und Streuungsmaße wie Mittelwert, Median, Standardabweichung oder Häufigkeiten – je nachdem, welches Skalenniveau Ihre Variablen haben.
Deskriptive Kennzahlen bilden das Fundament. Sie geben Ihnen und Ihrer Leserschaft einen ersten Überblick, bevor komplexere Analysen folgen.
Schritt 3: Voraussetzungen prüfen
Die meisten statistischen Tests setzen bestimmte Bedingungen voraus – zum Beispiel Normalverteilung, Varianzhomogenität oder ausreichende Stichprobengröße. Wer diese Voraussetzungen ignoriert, riskiert falsche Schlussfolgerungen.
Schritt 4: Statistische Tests durchführen
Nun kommen die inferenzstatistischen Verfahren zum Einsatz. Welcher Test geeignet ist, hängt von Ihren Hypothesen, dem Skalenniveau und der Anzahl der Gruppen ab. Mehr dazu im nächsten Abschnitt.
Schritt 5: Ergebnisse interpretieren und berichten
Eine quantitative Auswertung endet nicht mit der Ausgabe eines p-Werts. Sie müssen Ihre Ergebnisse inhaltlich einordnen, auf Ihre Hypothesen beziehen und verständlich darstellen. Dazu gehört auch die Angabe von Effektstärken – denn statistische Signifikanz allein sagt noch nichts über die praktische Relevanz eines Befunds aus.
Welche Methoden kommen zum Einsatz?
Die Wahl der richtigen Methode ist einer der häufigsten Stolpersteine. Gut zu wissen: Sie brauchen keine enzyklopädische Methodenkenntnis. Entscheidend ist, dass die gewählten Verfahren zu Ihrer Forschungsfrage, Ihren Daten und Ihrem Skalenniveau passen.
Methodisch lässt sich unterscheiden, ob das Ziel Erkunden, Beschreiben, Vergleichen, Modellieren oder Vorhersagen ist – quantitative Auswertung schließt immer auch die bewusste Wahl eines Analyseziels ein, bevor ein konkretes Verfahren zum Einsatz kommt.
| Fragestellung | Typische Methode | Beispiel |
|---|---|---|
| Unterschiede zwischen zwei Gruppen | t-Test, Mann-Whitney-U-Test | Unterscheiden sich Männer und Frauen im Stressniveau? |
| Unterschiede zwischen mehreren Gruppen | ANOVA, Kruskal-Wallis-Test | Unterscheiden sich drei Behandlungsgruppen in der Symptomreduktion? |
| Zusammenhänge zwischen Variablen | Pearson-Korrelation, Spearman-Korrelation | Besteht ein Zusammenhang zwischen Schlafqualität und Konzentration? |
| Vorhersage einer Variable | Lineare oder logistische Regression | Welche Faktoren sagen den Prüfungserfolg vorher? |
| Häufigkeitsverteilungen vergleichen | Chi-Quadrat-Test | Gibt es einen Zusammenhang zwischen Studiengang und bevorzugtem Lernstil? |
| Latente Strukturen in Daten finden | Faktorenanalyse | Welche Dimensionen messen die Items eines Fragebogens? |
Eine detaillierte Übersicht finden Sie in unserem Beitrag zu den quantitativen Auswertungsmethoden.
Wichtige Kennzahlen im Überblick
In nahezu jeder quantitativen Auswertung begegnen Ihnen dieselben Grundgrößen. Der Mittelwert beschreibt das arithmetische Zentrum einer Verteilung:
Mittelwert
Die Standardabweichung gibt an, wie weit die einzelnen Werte im Durchschnitt vom Mittelwert entfernt liegen – ein zentrales Maß für die Streuung in Ihren Daten:
Standardabweichung (Stichprobe)
Neben diesen deskriptiven Maßen spielen bei Hypothesentests vor allem der p-Wert und die Effektstärke eine zentrale Rolle. Der p-Wert gibt an, wie wahrscheinlich das beobachtete Ergebnis unter der Nullhypothese wäre. Die Effektstärke – etwa Cohens d oder η² – zeigt, wie groß ein gefundener Effekt tatsächlich ist.
Ergebnisse korrekt darstellen und berichten
Eine quantitative Auswertung endet nicht mit der Berechnung. Mindestens genauso wichtig ist die korrekte, transparente Darstellung der Ergebnisse.
In der empirischen Sozial- und Verhaltenswissenschaft gelten dafür standardisierte Konventionen. So wird empfohlen, p-Werte exakt anzugeben und statistische Symbole konsistent zu notieren – also etwa p = .034 statt p < .05. Neben dem p-Wert sollten stets Teststatistik, Freiheitsgrade und Effektstärke berichtet werden.
Typische Angaben in einem Ergebnisbericht sehen so aus:
- Mittelwert und Standardabweichung für jede Gruppe: M = 3.42, SD = 0.87
- Teststatistik und Freiheitsgrade: t(58) = 2.14
- Exakter p-Wert: p = .036
- Effektstärke: d = 0.55
Wer diese Angaben vollständig berichtet, macht seine Auswertung nachvollziehbar und reproduzierbar – das ist eine methodische Grundanforderung in jeder empirischen Arbeit.
Quantitative Auswertung in Ihrer Abschlussarbeit
Für Studierende stellt sich die quantitative Auswertung oft als der anspruchsvollste Teil der Abschlussarbeit heraus – nicht weil die Methoden undurchdringlich wären, sondern weil viele Entscheidungen aufeinander aufbauen: Welche Skala, welcher Test, welche Voraussetzungen, welche Darstellung?
Planung ist entscheidend
Idealerweise legen Sie die Auswertungsstrategie bereits in der Planungsphase fest – also bevor die Daten erhoben werden. Welche Hypothesen testen Sie? Welche Variablen erheben Sie? Welche Skalenniveaus haben diese? Diese Fragen bestimmen, welche statistischen Verfahren später überhaupt in Frage kommen. Eine gute Orientierung bietet auch der Blick auf die Phasen des Forschungsprozesses, denn die Auswertung ist keine isolierte Aufgabe, sondern eingebettet in ein durchgängiges methodisches Konzept.
Unterschiede nach Qualifikationsstufe
Was in einer Bachelorarbeit an Methodik erwartet wird, unterscheidet sich erheblich von den Anforderungen einer Masterarbeit oder einer Dissertation. Während in der Bachelorarbeit häufig deskriptive Analysen und einfache Gruppenvergleiche ausreichen, werden auf Masterniveau zunehmend multivariate Verfahren erwartet. In Dissertationen kommen oft komplexe Modelle wie Strukturgleichungsmodelle oder Mehrebenenanalysen zum Einsatz.
Software für die Auswertung
Für die praktische Durchführung stehen verschiedene Programme zur Verfügung. Die gebräuchlichsten im akademischen Kontext sind:
- SPSS: Menügeführt, weit verbreitet in Psychologie und Sozialwissenschaften
- R: Kostenlos, sehr leistungsfähig, steilere Lernkurve
- Jamovi: Grafische Oberfläche, basiert auf R, gut für Einsteiger geeignet
- Stata: Häufig in Wirtschafts- und Sozialwissenschaften, auch in der Medizin
- Python: Zunehmend in datenintensiver Forschung genutzt
Die Wahl der Software hängt von den Anforderungen Ihres Fachs, Ihrer Hochschule und der Komplexität Ihrer Analysen ab.
Wann ist externe Unterstützung sinnvoll?
Wenn Methodik, Softwarebedienung und Interpretation gleichzeitig neu sind, kann eine professionelle methodische Begleitung viel Zeit und Fehler sparen. Die statistische Auswertung für empirische Abschlussarbeiten ist ein Bereich, in dem erfahrene Statistikerinnen und Statistiker gezielt unterstützen können – von der Methodenwahl bis zur verständlichen Aufbereitung der Ergebnisse.
Wie empirische Daten grundsätzlich einzuordnen sind und welche Besonderheiten quantitative Ergebnisse haben, lässt sich vorab klären – das macht die eigentliche Auswertungsphase deutlich übersichtlicher.
