Was versteht man unter quantitativer Auswertung?
In diesem Beitrag
Definition: Was ist quantitative Auswertung?
Quantitative Auswertung bezeichnet die systematische Analyse von numerischen Daten mithilfe statistischer Verfahren. Ziel ist es, messbare Sachverhalte zu beschreiben, Zusammenhänge zu identifizieren, Hypothesen zu prüfen und verallgemeinerbare Aussagen über eine Population zu treffen.
Im Kern geht es darum, Beobachtungen in Zahlen zu überführen und diese Zahlen mit geeigneten Methoden zu interpretieren. Das unterscheidet die quantitative Auswertung von einer rein deskriptiven Datenzusammenfassung: Sie ist ein erkenntnisgeleiteter Prozess, nicht nur das Anwenden einzelner Tests.
Besonders treffend fasst das die Fachliteratur zur explorativen Datenanalyse zusammen: Quantitative Auswertung verfolgt konkrete Ziele wie das Aufdecken zugrunde liegender Strukturen, das Erkennen von Ausreißern und Anomalien sowie das Prüfen von Modellannahmen – und zwar bevor formale Signifikanztests berichtet werden.
Kernmerkmale quantitativer Auswertung
Was macht eine Auswertung zu einer quantitativen? Mehrere Eigenschaften grenzen dieses Vorgehen von anderen Ansätzen ab:
- Numerische Daten: Die Grundlage bilden Zahlen – gemessene Werte, gezählte Häufigkeiten oder kodierte Antworten aus standardisierten Erhebungen.
- Standardisierung: Erhebungsinstrumente (z. B. Fragebögen) sind für alle Untersuchungsteilnehmenden identisch, damit die Daten vergleichbar bleiben.
- Statistische Verfahren: Die Analyse erfolgt durch deskriptive Statistik, Inferenzstatistik oder multivariate Verfahren.
- Objektivitätsanspruch: Ergebnisse sollen unabhängig von der Person, die auswertet, reproduzierbar sein.
- Generalisierbarkeit: Aus einer Stichprobe werden Schlüsse auf eine größere Population gezogen.
Dabei gilt: Die Auswertungsmethode muss zur Datenverteilung und zum Skalenniveau passen. In der Fachliteratur wird beispielsweise darauf hingewiesen, dass der Mittelwert als Lagemaß gegenüber Ausreißern empfindlich ist, während robustere Maße wie der Median weniger stark beeinflusst werden. Diese scheinbar technische Unterscheidung hat in der Praxis erhebliche Auswirkungen auf die Validität Ihrer Ergebnisse.
Welche Daten gelten als quantitativ?
Nicht jede Zahl ist automatisch ein quantitatives Datum im statistischen Sinne. Entscheidend ist das Skalenniveau:
| Skalenniveau | Eigenschaften | Beispiele | Geeignete Kennwerte |
|---|---|---|---|
| Nominalskala | Kategorien ohne Rangfolge | Geschlecht, Berufsgruppe | Häufigkeiten, Modus |
| Ordinalskala | Rangfolge, aber kein gleicher Abstand | Schulnoten, Likert-Skala | Median, Quartile |
| Intervallskala | Gleiche Abstände, kein absoluter Nullpunkt | Temperatur in °C, IQ-Werte | Mittelwert, Standardabweichung |
| Verhältnisskala | Gleiche Abstände + absoluter Nullpunkt | Alter, Einkommen, Reaktionszeit | Mittelwert, Varianzkoeffizient |
Intervall- und Verhältnisskalen gelten als „echte“ quantitative Daten, bei denen das volle Spektrum statistischer Verfahren anwendbar ist. Ordinaldaten – zum Beispiel aus Likert-Skalen – werden in der Praxis häufig wie intervallskalierte Daten behandelt, was methodisch jedoch voraussetzt, dass die Abstände annähernd gleich sind.
Ablauf einer quantitativen Auswertung
Eine quantitative Auswertung folgt keinem starren Schema, aber ein bewährter Ablauf lässt sich beschreiben. In der Praxis wird dieser Ablauf leider häufig übersprungen – mit dem Ergebnis, dass formale Tests auf Daten angewendet werden, deren Grundvoraussetzungen gar nicht geprüft wurden.
Schritt 1: Datenvorbereitung
Bevor eine einzige Statistik berechnet wird, müssen die Rohdaten bereinigt werden. Dazu gehören das Prüfen auf fehlende Werte, das Identifizieren von Eingabefehlern sowie das Rekodieren von Variablen. Dieser Schritt kostet Zeit, ist aber unverzichtbar.
Schritt 2: Explorative Datenanalyse
Im zweiten Schritt erkunden Sie Ihre Daten, bevor Sie Hypothesen testen. Grafiken spielen dabei eine zentrale Rolle: Sie machen Muster, Ausreißer und Verteilungsformen sichtbar, die in rein numerischen Zusammenfassungen verborgen bleiben können. Erst wer seine Daten kennt, kann sinnvoll entscheiden, welches Verfahren passt.
Schritt 3: Deskriptive Statistik
Lagemaße (Mittelwert, Median), Streuungsmaße (Standardabweichung, Varianz) und Häufigkeitsverteilungen beschreiben die Stichprobe. Sie bilden die Grundlage für alle weiteren Analysen und werden in jeder empirischen Arbeit berichtet.
Schritt 4: Voraussetzungsprüfung
Die meisten inferenzstatistischen Verfahren setzen bestimmte Bedingungen voraus: Normalverteilung, Varianzhomogenität, Unabhängigkeit der Beobachtungen. Diese Annahmen müssen vor dem eigentlichen Test geprüft werden.
Schritt 5: Inferenzstatistik und Hypothesenprüfung
Nun folgen die eigentlichen statistischen Tests – t-Tests, ANOVA, Regressionsanalyse, Chi-Quadrat-Tests und weitere. Das Ergebnis ist ein Teststatistikwert und ein p-Wert, der angibt, wie wahrscheinlich das beobachtete Ergebnis unter der Nullhypothese wäre.
Schritt 6: Effektstärken und Interpretation
Ein signifikantes Ergebnis allein sagt wenig. Effektstärken wie Cohens d oder geben an, wie groß ein Effekt praktisch ist. Erst die Kombination aus Signifikanz und Effektstärke erlaubt eine vollständige Interpretation.
Effektstärke Cohens d
Zentrale Methoden im Überblick
Quantitative Auswertung ist kein einzelnes Verfahren, sondern ein breites Methodenspektrum. Welche Methode passt, hängt von der Fragestellung, dem Skalenniveau und der Stichprobengröße ab. Eine ausführliche Übersicht finden Sie im Beitrag zu den quantitativen Auswertungsmethoden.
Deskriptive Verfahren
- Häufigkeitsauszählungen und Kreuztabellen
- Mittelwert, Median, Modus
- Standardabweichung, Varianz, Interquartilsabstand
- Grafische Darstellungen (Histogramm, Boxplot, Streudiagramm)
Inferenzstatistische Verfahren
- Gruppenvergleiche: t-Test, Mann-Whitney-U-Test, ANOVA, Kruskal-Wallis-Test
- Zusammenhangsanalysen: Pearson-Korrelation, Spearman-Rangkorrelation
- Vorhersagemodelle: Lineare und logistische Regression
- Kategoriale Daten: Chi-Quadrat-Test, Fishers exakter Test
Multivariate Verfahren
Für komplexere Fragestellungen kommen multivariate Methoden zum Einsatz: Faktorenanalyse, Clusteranalyse, Diskriminanzanalyse oder Strukturgleichungsmodelle. Diese Verfahren sind besonders in Masterarbeiten und Dissertationen verbreitet.
Einen guten Einstieg in konkrete Beispiele für quantitative Methoden bietet unser separater Beitrag, der typische Anwendungsszenarien aus verschiedenen Fachrichtungen vorstellt.
Abgrenzung zur qualitativen Auswertung
Der häufigste Vergleichspunkt: Quantitative und qualitative Auswertung sind keine konkurrierenden Ansätze, sondern komplementäre Perspektiven auf Forschungsfragen. Der grundlegende Unterschied zwischen qualitativer und quantitativer Analyse liegt in der Art der Daten und der Erkenntnislogik.
| Merkmal | Quantitativ | Qualitativ |
|---|---|---|
| Datenbasis | Zahlen, Messwerte | Texte, Bilder, Gespräche |
| Erkenntnisziel | Messen, Testen, Generalisieren | Verstehen, Interpretieren, Beschreiben |
| Stichprobengröße | Groß (Repräsentativität) | Klein (Tiefe, Fallverstehen) |
| Auswertungsverfahren | Statistische Tests, Modelle | Inhaltsanalyse, Grounded Theory |
| Ergebnis | Kennwerte, p-Werte, Effektstärken | Kategorien, Theorien, Bedeutungen |
In gemischten Designs (Mixed Methods) werden beide Ansätze kombiniert – etwa wenn quantitative Befragungsdaten durch qualitative Interviews vertieft werden. Was ein qualitative Auswertung methodisch auszeichnet, erläutern wir in einem eigenen Beitrag.
Quantitative Auswertung in Abschlussarbeiten
Für Studierende stellt sich die Frage nach quantitativer Auswertung meist sehr konkret: Sie haben einen Fragebogen erhoben, N=120 Datensätze in SPSS oder R eingelesen – und nun?
Was Prüfende erwarten
Hochschulrichtlinien verlangen in der Regel eine nachvollziehbare Begründung der gewählten Verfahren, die Berichterstattung zentraler Kennwerte nach APA- oder APA-ähnlichen Standards und die Interpretation der Ergebnisse im Kontext der eigenen Fragestellung. Reine Ausgabetabellen aus SPSS ohne Kommentar genügen nicht.
Besonders relevant: In der methodischen Literatur wird zunehmend gefordert, Effektstärken neben dem p-Wert standardmäßig zu berichten. Ein signifikantes Ergebnis mit vernachlässigbarer Effektstärke ist inhaltlich wertlos – ein nicht-signifikantes Ergebnis mit großem Effekt hingegen kann auf Stichprobenmängel hindeuten.
Quantitative Auswertung als mehrschrittiger Prozess
Gerade in Abschlussarbeiten wird oft unterschätzt, dass quantitative Auswertung weit mehr ist als das Durchführen eines einzelnen Tests. Methodisch fundiert gearbeitet wird, wer den gesamten Prozess von der Datenprüfung bis zur Ergebnisinterpretation dokumentiert.
Internationale Methodenstandards betonen dabei ausdrücklich, dass statistische Verfahren wie jedes Werkzeug falsch eingesetzt werden können – und dass valide Ergebnisse voraussetzen, dass Effektmaß, Datentyp und Annahmen der Methode zur Fragestellung passen. Das gilt nicht nur für Meta-Analysen, sondern für jede quantitative Auswertung, egal ob in einer Bachelorarbeit oder in einer publizierten Studie.
Welche Software eignet sich?
Die gängigsten Programme für quantitative Auswertungen in Abschlussarbeiten sind:
- SPSS: Weit verbreitet in Sozial- und Wirtschaftswissenschaften, intuitives Menü
- R: Kostenlos, sehr flexibel, ideal für komplexe Analysen
- Jamovi: Auf R-Basis, grafische Oberfläche, gut für Einsteiger
- Stata: Stark in der Epidemiologie und den Wirtschaftswissenschaften
Die Wahl der Software sollte sich nach den Anforderungen Ihres Fachs und Ihrer Hochschule richten. Wichtiger als das Programm ist das methodische Verständnis dahinter.
Professionelle Unterstützung bei der quantitativen Auswertung
Wer bei der Planung oder Durchführung der Auswertung unsicher ist, muss das nicht alleine lösen. Die methodische Begleitung bei statistischen Auswertungen für empirische Abschlussarbeiten umfasst typischerweise die Wahl geeigneter Verfahren, die Prüfung der Voraussetzungen, die Interpretation der Ergebnisse und deren hochschulkonforme Darstellung.
Für weiterführende Fragen zur konkreten Umsetzung empfiehlt sich ein Blick auf die quantitative Auswertung als Übersichtsseite sowie auf den Beitrag zur quantitativen Datenanalyse mit Methoden, Tools und Anwendungsbeispielen.
