Wie wertet man einen Fragebogen in der Psychologie aus?

Was es bedeutet, einen Fragebogen auszuwerten

Die Auswertung eines psychologischen Fragebogens ist kein einzelner Rechenschritt, sondern ein mehrstufiger Prozess: von der Datenpflege über die Skalenbildung bis zur inferenzstatistischen Analyse und Ergebnisinterpretation. Wer diesen Ablauf kennt, kann seine Daten methodisch sauber auswerten – und das überzeugend dokumentieren.

Grundsätzlich lassen sich zwei Typen von Fragebögen unterscheiden: standardisierte, validierte Instrumente (z. B. BDI, NEO-FFI, STAI), bei denen die Auswertungsregeln bereits vorgegeben sind, und selbst entwickelte Fragebögen, bei denen Sie den gesamten Workflow von der Itemprüfung bis zur Validierung selbst durchlaufen müssen. In beiden Fällen folgt die Auswertung denselben Grundprinzipien – bei selbst entwickelten Instrumenten sind jedoch deutlich mehr Schritte zu dokumentieren.

Schritt 1: Datenvorbereitung und Kodierplan

Bevor Sie auch nur einen einzigen statistischen Test berechnen, müssen Ihre Daten in einer sauberen, auswertbaren Form vorliegen. Das klingt trivial, kostet in der Praxis aber oft am meisten Zeit.

Was in den Kodierplan gehört

• Variablenbezeichnungen und deren Bedeutung (z. B. item_01 = „Ich fühle mich häufig überwältigt“)
• Skalierung jedes Items (z. B. 1 = „stimme gar nicht zu“ bis 5 = „stimme voll zu“)
• Welche Items negativ gepolt sind und umkodiert werden müssen
• Zuordnung der Items zu Subskalen
• Regeln für fehlende Werte und Ausschlussregeln

Ein vollständiger Kodierplan ist kein optionaler Anhang – er ist Grundlage für die Replizierbarkeit Ihrer Ergebnisse. Führende Qualitätsstandards für psychologische Tests machen deutlich, dass Skalenwerte nur dann belastbar interpretiert werden können, wenn Kodierung, Skalenbildung und Umgang mit Messfehlern nachvollziehbar dokumentiert sind.

Schritt 2: Umgang mit fehlenden Werten

Fehlende Werte sind in Fragebogenstudien die Regel, nicht die Ausnahme. Die entscheidende Frage ist, wie systematisch sie auftreten – und wie Sie damit umgehen.

Drei Strategien im Überblick

Bewährte Empfehlungen aus der Methodenliteratur raten dazu, Items mit dauerhaft hohem Anteil fehlender Werte zu entfernen und bei größeren Datenlücken Verfahren wie Multiple Imputation oder Full Information Maximum Likelihood einzusetzen, anstatt fehlende Werte einfach zu ignorieren.

Schritt 3: Rekodierung und Skalenbildung

Viele psychologische Fragebögen enthalten negativ formulierte Items – sogenannte invertierte Items. Diese messen dasselbe Konstrukt in die entgegengesetzte Richtung und müssen vor der Skalenbildung umkodiert werden.

Beispiel: Rekodierung bei einer 5-Punkt-Likert-Skala

Bei einer Skala von 1 bis 5 gilt die Formel:

Ein ursprünglicher Wert von 2 auf einer 1-bis-5-Skala wird also zu . Nach der Rekodierung können Sie die Items einer Subskala zu einem Summen- oder Mittelwert zusammenfassen.

Summen- vs. Mittelwertscore

Beide Varianten sind zulässig, solange Sie konsequent eine Variante wählen und diese dokumentieren. Mittelwertscores haben den Vorteil, dass sie auf der ursprünglichen Antwortskala interpretiert werden können. Summenwerte sind bei validierten Instrumenten (z. B. BDI) oft die vorgeschriebene Auswertungsform – prüfen Sie dazu das Manual des jeweiligen Tests.

Schritt 4: Reliabilitätsprüfung mit Cronbachs Alpha

Bevor Sie Ihre Skalenwerte für die Hypothesenprüfung verwenden, sollten Sie deren interne Konsistenz überprüfen. Das Standardmaß dafür ist Cronbachs Alpha ().

Richtwerte für die Interpretation

• α ≥ 0,90: exzellent (aber Achtung: könnte auf Redundanz hinweisen)
• α ≥ 0,80: gut – für die meisten Abschlussarbeiten ideal
• α ≥ 0,70: akzeptabel – in explorativen Studien vertretbar
• α < 0,70: problematisch – Überprüfung der Itemauswahl nötig

Ergänzend zu Cronbachs Alpha empfiehlt sich ein Blick auf die korrigierten Item-Skala-Korrelationen: Items mit einer Korrelation unter 0,30 tragen wenig zur Skala bei und können ein Hinweis auf Formulierungsprobleme sein. Eine ausführliche Anleitung zur Berechnung finden Sie im Beitrag Wie berechnet man Cronbachs Alpha für einen Fragebogen.

Schritt 5: Faktorenanalyse zur Dimensionsprüfung

Bei selbst entwickelten Fragebögen – und oft auch bei adaptierten Instrumenten – stellt sich die Frage: Ist mein Fragebogen eindimensional, oder lassen sich mehrere Subskalen identifizieren? Hier kommt die Faktorenanalyse ins Spiel.

Explorative vs. konfirmatorische Faktorenanalyse

Die explorative Faktorenanalyse (EFA) wird eingesetzt, wenn Sie die Faktorstruktur Ihrer Daten erst noch aufdecken möchten. Die konfirmatorische Faktorenanalyse (CFA) prüft dagegen, ob eine theoretisch angenommene Struktur mit Ihren empirischen Daten übereinstimmt. Den genauen Unterschied und wann welches Verfahren sinnvoll ist, erläutert der Beitrag zum Unterschied zwischen explorativer und konfirmatorischer Faktorenanalyse.

Stichprobengröße für die Faktorenanalyse

Als Faustregel gilt in der Methodenliteratur, dass für eine stabile Faktorenlösung etwa 10 Personen pro Item oder mindestens 200 bis 300 Beobachtungen benötigt werden. Bei kleineren Stichproben – wie sie in Bachelorarbeiten häufig vorkommen – sollten Sie die Ergebnisse der Faktorenanalyse entsprechend vorsichtig interpretieren.

Einen guten Überblick, welche statistischen Verfahren im Psychologiestudium generell zum Einsatz kommen, bietet der Beitrag zu den statistischen Verfahren im Psychologiestudium.

Schritt 6: Inferenzstatistische Auswertung

Sobald Ihre Skalenwerte gebildet und auf Reliabilität geprüft sind, beginnt die eigentliche Hypothesenprüfung. Welches Verfahren Sie einsetzen, hängt von Ihrer Fragestellung und dem Skalenniveau Ihrer Daten ab.

Häufige Verfahren bei Fragebogendaten

Likert-Daten: ordinal oder intervallskaliert?

Eine häufige methodische Diskussion betrifft die Frage, ob Likert-Daten mit parametrischen Verfahren ausgewertet werden dürfen. Die Antwort hängt davon ab, ob Sie einzelne Items oder aggregierte Skalenwerte analysieren.

Für einzelne ordinale Items sind nonparametrische Verfahren streng genommen angemessener. Für Skalenwerte, die mehrere Items zusammenfassen, werden parametrische Verfahren in der Praxis weitgehend akzeptiert – sofern die Annahmen (Normalverteilung, Varianzhomogenität) nicht grob verletzt sind. Die zentrale Empfehlung lautet: methodische Annahmen müssen transparent gemacht und begründet werden, damit die Auswertungslogik für Lesende nachvollziehbar bleibt.

Für Fragestellungen, in denen Sie Gruppenunterschiede auf mehreren abhängigen Variablen gleichzeitig testen möchten, bietet sich außerdem ein Blick auf die Varianzanalyse in der Psychologie an.

Schritt 7: Effektstärken berechnen und berichten

Ein statistisch signifikantes Ergebnis sagt noch nichts darüber aus, wie bedeutsam ein Effekt in der Praxis ist. Deshalb gehört zu jeder Hypothesenprüfung die Angabe einer Effektstärke.

Gängige Effektstärkemaße in der Psychologie

• Cohens d: für t-Tests (Mittelwertvergleiche)
• η² (Eta-Quadrat): für ANOVA-Designs
• r: für Korrelationen und nonparametrische Tests
• f²: für Regressionsanalysen

Wie diese Maße konkret berechnet und eingeordnet werden, erläutert der Beitrag zu Effektstärken in der psychologischen Forschung ausführlich. Als Orientierung: Cohens Konventionen klassifizieren als kleinen, als mittleren und als großen Effekt – diese Konventionen sind jedoch immer im Kontext des jeweiligen Forschungsbereichs zu interpretieren.

Schritt 8: Ergebnisse korrekt berichten

In der Psychologie gilt die APA-Norm als verbindlicher Standard für die Ergebnisdarstellung. Das bedeutet konkret:

Für einen vollständigen Überblick, wie Ergebnisse APA-konform in der Psychologie berichtet werden, lohnt sich der Beitrag zu APA-konformer Ergebnisdarstellung. Dort finden Sie auch konkrete Formulierungsbeispiele.

Qualitätsstandards für psychologische und pädagogische Tests halten fest, dass Fragebogenwerte nicht allein numerisch ausgegeben, sondern anhand von dokumentierter Evidenz zu Reliabilität, Validität, Fairness und Messfehler interpretiert werden müssen. Für Ihre Abschlussarbeit heißt das: Beschreiben Sie im Methodenteil explizit, wie Sie Skalenwerte gebildet haben, welche Reliabilitätswerte Sie erhalten haben – und wo die Grenzen Ihrer Messung liegen.

Welche Software eignet sich?

Für die Auswertung psychologischer Fragebögen stehen mehrere Programme zur Verfügung. Die Wahl hängt von Ihren Vorkenntnissen, den Anforderungen Ihrer Hochschule und dem Umfang der geplanten Analysen ab.

Die wichtigsten Optionen im Überblick

• SPSS: Im Psychologiestudium am weitesten verbreitet. Gut geeignet für t-Tests, ANOVA, Korrelationen und Reliabilitätsanalysen über eine grafische Oberfläche.
• R: Besonders leistungsfähig für Faktorenanalysen, SEM und Mediationsanalysen. Einstiegshürde höher, aber kostenlos und sehr flexibel.
• Jamovi: Kostenlose, benutzerfreundliche Alternative zu SPSS, ideal für Studierende ohne Programmiererfahrung.
• Stata: In der empirischen Sozialforschung und Psychologie ebenfalls etabliert, besonders bei Längsschnittdaten.

Einen detaillierten Vergleich der gängigen Programme finden Sie im Beitrag zur Software für Statistik im Psychologiestudium.

Wenn der methodische Aufwand wächst

Sobald Ihre Fragebogenstudie komplexere Analysen umfasst – etwa Mediationsanalysen, Strukturgleichungsmodelle oder mehrere Subskalen mit CFA – steigt der methodische Aufwand erheblich. Gerade dann ist es sinnvoll, frühzeitig fachkundige Unterstützung für die statistische Auswertung in Anspruch zu nehmen, bevor sich Fehler in frühen Analyseschritten durch die gesamte Auswertung ziehen.