Wie wertet man einen Fragebogen in JASP aus?

Die Auswertung eines Fragebogens in JASP folgt einem klaren Ablauf: Daten laden, deskriptiv prüfen, Reliabilität berechnen und – je nach Fragestellung – eine Faktorenanalyse oder Gruppenvergleiche durchführen. JASP ist dabei besonders für Einsteiger geeignet, weil die gesamte Analyse über eine grafische Oberfläche ohne Programmieraufwand möglich ist.

Der folgende Beitrag führt Sie Schritt für Schritt durch diesen Workflow – von der Datenvorbereitung bis zur Interpretation der Ergebnisse.

Daten vorbereiten und in JASP laden

Bevor Sie mit der eigentlichen Analyse beginnen, müssen Ihre Fragebogendaten in einem geeigneten Format vorliegen. JASP liest Dateien im CSV-, SPSS- (.sav) oder Excel-Format ein – in den meisten Fällen genügt eine einfache CSV-Datei.

Dateistruktur und Variablentypen

Die Grundregel lautet: eine Zeile = eine Person, eine Spalte = eine Variable. Jedes Item Ihres Fragebogens erhält eine eigene Spalte, zum Beispiel item_01, item_02 usw. Kategoriale Variablen wie Geschlecht oder Studiengang sollten als numerische Codes vorliegen (z. B. 1 = männlich, 2 = weiblich), die Sie in JASP später beschriften können.

Nach dem Öffnen der Datei über Datei → Öffnen befinden Sie sich im Data View Mode. Hier sehen Sie Ihre Rohdaten in tabellarischer Form. Über einen Klick auf den Variablennamen können Sie den Messniveautyp anpassen – also festlegen, ob eine Variable nominal, ordinal oder kontinuierlich ist. Das ist kein optionaler Schritt: JASP verwendet diese Typisierung, um Analyseoptionen zu filtern und automatisch passende Ausgaben zu erzeugen.

Skalenmittelwerte berechnen

Wenn Ihr Fragebogen mehrere Subskalen enthält, ist es sinnvoll, für jede Skala eine eigene Summenscore- oder Mittelwert-Variable anzulegen. Auch das ist im Data View Mode über Computed Variables möglich. Alternativ können Sie Skalenwerte direkt in der Reliabilitätsanalyse berechnen lassen – dazu später mehr.

Deskriptive Statistik: Der erste Blick auf Ihre Daten

Bevor Sie sich in Reliabilitätsanalysen oder Faktorenmodelle stürzen, sollten Sie sich einen Überblick über Ihre Rohdaten verschaffen. Fehlwerte, Ausreißer und schiefe Verteilungen lassen sich auf diesem Weg frühzeitig erkennen.

Descriptives in JASP aufrufen

Klicken Sie oben auf den grünen Button Analyses und wählen Sie Descriptives → Descriptive Statistics. Verschieben Sie die Items oder Skalenvariablen in das Variables-Feld. JASP gibt daraufhin automatisch Kennwerte wie Mittelwert, Standardabweichung, Minimum, Maximum sowie die Fallzahl aus.

Für eine erste Verteilungsprüfung empfiehlt sich zusätzlich die Aktivierung von Skewness (Schiefe) und Kurtosis (Wölbung) unter den Optionen. Werte außerhalb des Bereichs von ±1 deuten auf eine deutliche Abweichung von der Normalverteilung hin – relevant, wenn Sie später parametrische Tests durchführen möchten.

Gruppenspezifische Auswertung

Wenn Sie Skalenwerte getrennt nach Gruppen betrachten möchten – etwa nach Geschlecht oder Untersuchungsbedingung –, ziehen Sie die entsprechende kategoriale Variable in das Split-Feld. Für Gruppenvergleiche lassen sich Kennwerte auf diese Weise direkt nebeneinandergestellt ausgeben, was die spätere Interpretation deutlich erleichtert.

Aktivieren Sie außerdem unter Plots die Option Distribution plots oder Boxplots. JASP erzeugt die Grafiken direkt im Ausgabebereich rechts – ohne Export oder zusätzliche Schritte.

Reliabilitätsanalyse: Cronbachs Alpha und McDonald’s Omega

Die Reliabilitätsanalyse ist für die meisten Fragebogenauswertungen der zentrale Schritt. Sie beantwortet die Frage, ob die Items einer Skala konsistent dasselbe Konstrukt messen.

Reliability-Modul aktivieren

Das Reliability-Modul ist in JASP nicht standardmäßig sichtbar, sondern muss über das blaue Plus-Symbol oben rechts aktiviert werden. Suchen Sie dort nach Reliability und klicken Sie auf Installieren. Anschließend erscheint Reliability als eigener Menüpunkt in der oberen Navigationsleiste.

Unidimensionale Reliabilität berechnen

1. Klicken Sie auf Reliability → Single-Test Reliability Analysis
2. Verschieben Sie alle Items der Skala in das Variables-Feld
3. Wählen Sie unter Scale Statistics die gewünschten Kennwerte aus

JASP bietet mehrere Reliabilitätskennwerte an. Die wichtigsten im Überblick:

In der Forschungspraxis werden Reliabilitätskennwerte häufig ohne Angabe von Unsicherheitsintervallen berichtet – obwohl JASP Credible Intervals mitausgeben kann und dies methodisch empfehlenswert ist. Aktivieren Sie die entsprechende Option unter Scale Statistics → Credible interval, um die Schätzunsicherheit Ihres Alpha- oder Omega-Werts sichtbar zu machen.

Item-Dropped-Statistiken interpretieren

Unter Individual Item Statistics finden Sie die If item dropped-Ausgaben. Diese zeigen, wie sich die Reliabilität der Skala verändert, wenn ein bestimmtes Item entfernt wird. Steigt der Wert nach Entfernung eines Items deutlich an, ist das ein Hinweis darauf, dass dieses Item nicht gut zur Skala passt.

Faktorenanalyse: Latente Struktur prüfen

Wenn Ihr Fragebogen mehrere Konstrukte oder Subskalen enthält – oder wenn Sie prüfen möchten, ob die Items tatsächlich auf eine gemeinsame latente Dimension laden –, schließt sich nach der Reliabilitätsanalyse eine Faktorenanalyse an.

Explorative Faktorenanalyse (EFA) in JASP

Navigieren Sie zu Factor → Exploratory Factor Analysis. Verschieben Sie Ihre Items in das Variables-Feld. Wichtige Einstellungen:

• Number of factors: Wählen Sie Based on parallel analysis für eine datenbasierte Entscheidung über die Faktorenzahl
• Rotation: Oblimin für korrelierte Faktoren (bei inhaltlich verwandten Subskalen), Varimax für orthogonale Lösung
• Residual variances und Factor correlations aktivieren

In der Ausgabe erhalten Sie eine Tabelle mit den Faktorladungen aller Items. Als Faustregel gilt: Ladungen ab werden als inhaltlich bedeutsam betrachtet. Kreuzladungen – also Items, die auf mehrere Faktoren laden – können auf konzeptionelle Unschärfen im Fragebogen hinweisen.

Für ein klassisches Fragebogenbeispiel mit Likert-Items lassen sich so Faktorladungen, SS Loadings, Varianzanteile und kumulative Varianz direkt ablesen – wobei JASP-Ergebnisse mit denen anderer Statistiksoftware wie SPSS, R oder SAS gut übereinstimmen, was die Reproduzierbarkeit Ihrer Analyse absichert.

Wann EFA, wann CFA?

Die Explorative Faktorenanalyse (EFA) eignet sich, wenn Sie die Struktur Ihres Fragebogens erst ermitteln oder überprüfen wollen. Haben Sie theoretisch begründete Vorannahmen über die Faktorstruktur – wie es bei etablierten Skalen häufig der Fall ist –, dann ist die Konfirmatorische Faktorenanalyse (CFA) die methodisch korrektere Wahl. Diese finden Sie in JASP unter Factor → Confirmatory Factor Analysis.

Dabei steht für den beobachteten Itemwert, für die Faktorladung, für den latenten Faktor und für den Messfehler. Hohe Ladungen bedeuten, dass das Item den Faktor gut repräsentiert.

Gruppenvergleiche und weiterführende Tests

Sobald Sie die Qualität Ihrer Skalen gesichert haben, können Sie inhaltliche Hypothesen prüfen. Typische Fragestellungen bei Fragebogenstudien sind:

• Unterscheiden sich zwei Gruppen in einem Skalenwert? → t-Test für unabhängige Stichproben
• Gibt es einen Zusammenhang zwischen zwei Skalen? → Korrelationsanalyse nach Pearson oder Spearman
• Sagt eine Variable die Ausprägung einer anderen vorher? → Regressionsanalyse
• Unterscheiden sich mehr als zwei Gruppen? → Einfaktorielle ANOVA

All diese Tests sind in JASP über das Menü Analyses erreichbar. Ob Sie dabei den klassisch-frequentistischen oder den bayesianischen Ansatz wählen, hängt von Ihrer Forschungsfrage und den Anforderungen Ihrer Hochschule ab. JASP bietet beides nebeneinander an – das ist einer seiner zentralen Unterschiede zu SPSS.

Signifikanzniveau und Effektstärken

Das Signifikanzniveau ist in JASP standardmäßig auf gesetzt. Neben dem p-Wert sollten Sie immer auch Effektstärken berichten – etwa Cohens d beim t-Test oder η² bei der ANOVA. Aktivieren Sie dazu in den jeweiligen Analyseoptionen unter Effect size die entsprechenden Maße. Mehr zu den Einstellungen des Signifikanzniveaus in JASP finden Sie in einem separaten Beitrag.

Ergebnisse korrekt berichten

JASP erzeugt seine Ausgabetabellen direkt im APA-Format – das ist ein praktischer Vorteil, gerade wenn Ihre Abschlussarbeit APA-Richtlinien folgen muss. Die Tabellen lassen sich per Rechtsklick als HTML oder Word-Datei exportieren.

Was in den Methodenteil gehört

Für eine vollständige Berichterstattung der Fragebogenauswertung sollten folgende Informationen im Methodenteil Ihrer Arbeit enthalten sein:

Beachten Sie: Ein McDonald’s Omega von ω = .82 wird in der Regel als gut bewertet, Werte unter .70 gelten als problematisch. Cronbachs Alpha liegt bei identischer Itemstruktur meist etwas darunter, da es die Varianz-Kovarianz-Struktur konservativer schätzt.

Ergebnisse grafisch darstellen

Für eine übersichtliche Darstellung in der Arbeit empfehlen sich Balkendiagramme für Mittelwertvergleiche und Streudiagramme für Korrelationen. Beide lassen sich direkt aus den jeweiligen JASP-Analysen heraus erzeugen und als SVG oder PNG exportieren.

Wann professionelle Unterstützung sinnvoll ist

JASP erleichtert die Fragebogenauswertung erheblich – aber die Software allein beantwortet keine methodischen Fragen. Ob Ihr Fragebogen eine Faktorenanalyse benötigt, ob EFA oder CFA angemessen ist, welcher Reliabilitätskennwert für Ihren Kontext aussagekräftiger ist: Das sind Entscheidungen, die von Ihrer Forschungsfrage, dem Skalenniveau Ihrer Daten und den Anforderungen Ihrer Hochschule abhängen.

Wer sich bei diesen Fragen unsicher ist – sei es bei der Auswahl der richtigen Analysemethoden, der Interpretation der Ausgaben oder der APA-konformen Darstellung –, findet bei der methodischen Begleitung durch erfahrene Statistikerinnen und Statistiker eine zuverlässige Anlaufstelle. Gerade bei komplexeren Fragestellungen wie mehrfaktoriellen Strukturen, Subgruppenanalysen oder bayesianischer Auswertung zahlt sich eine professionelle Einschätzung aus.

Für einen direkten Vergleich der gängigen Statistiksoftwareprogramme – und um zu entscheiden, ob JASP für Ihr Projekt die richtige Wahl ist – finden Sie weiterführende Informationen in unserem separaten Beitrag.